改进的lmbp法在组合式非周期缺陷接地结构建模中的应用.pdfVIP

摘要 人工神经网络是模拟人脑的信息处理系统，经过对指定数据集进行训练，可 以学会输入数据和输出数据之间的任意非线性映射关系，为微波电路快速精确的 分析和设计提供了新的有效途径。 组合式非周期缺陷接地结构(CNPDGS)是通过在微波电路底面的金属接地 板蚀刻“缺陷”，改变接地板上的电流分布，从而使整个微波电路在特定频段处 表现出禁带特性的电路结构。对CNPDGS的分析通常采用FDTD等方法，虽然 这些电磁场数值分析方法计算严格、精度高，但是计算过程复杂、耗时，不利于 CNPDGS的分析和设计。由于CNPDGS的传输系数取决于“缺陷”的尺寸和工 作频率，并与之形成非线性映射，故可建立CNPDGS的神经网络模型。 本文首先对神经网络的权值初始化方式进行探讨，在兼顾权值的选取范围和 优化选取方向的基础上，提出了一种改进的N．W权值优化选取方法。经实验验 证，改进的N-w权值选取方法能够有效的提高收敛速度，减少神经网络的训练时 间。然后通过对原始LMBP算法误差变化的分析，提出了一种改进的LMBP算 法。由于引入了微调因子，该算法不仅提高了收敛速度，而且对神经网络的初始 参数设定不再敏感，同时还能够克服神经网络易陷入局部最小的缺点。改进的 Visual C++6编程环 N．w权值优化选取方法和改进的LMBP算法均在Microsoft 境下实现。最后将两种算法结合起来，形成一种综合改进的LMBP箕法。将该 算法应用于一种新型组合式非周期缺陷接地结构(CNPDGS)b。一氐通滤波器中， 建立了精确的神经网络模型。综合改进的LMBP算法大大减少了神经网络训练 的时间。将神经网络的仿真结果与FDTD计算结果及电路的实际测量结果对照， 一致性很好，充分验证了改进算法的正确性和有效性。 关键词：人工神经网络组合式非周期缺陷接地结构权值优化选取改进LMBP ABSTRACT ArtificialNeural an Network(AⅫ奶isinformation-processingsystem human ithasthe toleam non—linear simulatingbrain，and ability anyarbitrary aftertrainedwiththe datasets．ANNisanew input·to-outputrelationship sample forthefast and ofMicrowave powerfulapproach analysisprecisedesign circuit． CombinatorialDeleted Ground certain Non-periodic Structures(CNPDGS)ale structureswim unitsthat etched altercurrentdistributiononthemetallic artificially of witll microwave thetransmissionlines CNPDGScouldbehave plane circuit，and characteristicof in circuitslike prohibitionspecialfrequencyrange．Microwave CNPDGSare