CPW带通滤波器的神经网络设计方法.pdf

458第三届全国信息与电子工程学术会议、四川省电子学会曙光分会第十四届学术年会暨院青年科协第八届学术年会论文集 CPW带通滤波器的神经网络设计方法· 谭明涛1，刘海文2王书新2杨国渝1 (1．电子科技大学四川 成都610054； 2．中国科学院光电技术研究所微细加工光学技术国家重点实验室四川 成都610209) 摘要本文介绍了采用人工神经网络方法来优化一种用开口环谐振器加载的紧凑共面波导 (CPW)带通滤波器的途径。利用NeuroModeler软件，我们建立了一个五层前传感知器神经网络模 型来优化本文提出的具有三个可变结构参数的滤波器。结果表明，和电磁仿真软件相比，神经网络 模型设计、优化滤波器时，具有良好的计算精度和效率。 关键词带通滤波器人工神经网络 1 引言 来，它引起了人们很大的研究兴趣。利用新颖SRR紧凑的结构和高Q值特性，制作的大量微波平面 滤波器不断被报道【2-41。k／4谐振器尺寸紧凑、性能良好，使得它被广泛地用于CPW滤波器。7,．／4谐 振器加载SRR可能产生一个具有复杂不连续性的紧凑传输结构。在设计这种滤波器时，大量的工作 花在了开发精确、有效的方法来对微带和共面波导不连续性进行电磁仿真，在器件参数需要反复调 整时，电磁仿真计算量大、耗时的特性限制了利用交互式的CAD工具来进行电路设计。等效电路常 常在一些特定的假设下来模拟CPW的不连续性，但这种方法在某些情况下可能无效。另外，这种方 法也很耗时，而且不精确p-q。 神经网络具有学习功能，可模拟复杂的非线性函数关系，许多类型的神经网络是通用逼近器， 能以合适的精度逼近任意输入输出映射，如今，利用神经网络来模拟非线性动态系统是一种自然的 选择。神经网络近年被用来模拟通信子系统，如功率放大器或微波电路等【7d们。建立神经网络模型来 逼近电路的输入输出响应，在此基础上进行优化，可克服传统设计优化中的困难。具体方法是：1) 通过测量或电磁仿真软件获得电路的若干输入、输出数据，采集的数据应该具有一定的代表性。2) 建立、训练神经网络来逼近电路特性，同时注意网络的推广性能；3)优化神经网络中的对应参数， 得到优化的电路结构和所需的特性。 多层前传感知器神经网络是模拟RF元件和电路最常用的一类神经网络。在这篇文章的第二部 分，首先介绍了一对SRR加载、交叉耦合的k／4谐振器构成的小型化CPW带通滤波器，并给出了 CPW带通滤波器的结构。在第三部分，描述了如何设计五层前传感知器神经网络，并利用设计好的 神经网络模型代替EM仿真器来优化滤波器。三个重要的滤波器结构参数被用来作为ANN模型的输 入。一旦人工神经网络模型设计好后，通过调节神经网络模型的输入参数，可以快速而准确地优化 本文提出的CPW滤波器。虽然设计好一个神经网络模型要付出大量的努力，但是在需要重复设计和 。基金项目：本文受到中国科学院。百人计划”项目资助． 。作者简介：谭明涛(1981年3月一)：男，湖南张家界人，现为电子科技大学硕士研究生，研究方向为：微波电路、 神经网络在微波电路中的应用． 第三届全国信息与电子工程学术会议、四川省电子学会曙光分会第十四届学术年会暨院青年科协第八届学术年会论文集459 优化时，却是值得的。第四部分是结论。 2滤波器结构 的特性阻抗为50Q。SRRs由一对在介质板上面的同心金属环构成，且每个环的裂口蚀刻在相反的 介质。 固 图l SRRs加载的CPW滤波器结构示意图 图2用于滤波器优化的人工神经网络结构 3用ANN模型优化滤波器 CPW滤波器的电磁模型可以被描述为这样一个系统，它有输入矢量x((醇，L4，L3，频率)，输出 矢量Y代表电路的响应：回波损失$11和插入损失$21，单位都是(1B。输入矢量和输出矢量的关系 是多维的、非线性的。在这篇文章中，这种非线性的关系被如图2所示的五层(一个输入层，三个 隐含层，一个输出层)传感知器神经网络来模拟。对ANN模型来说，第一层的输入神经元是CPW 滤波器的几何参数簖，L4，L3和频率，第五层的输出神经元是$11和$21。第二，第三和第四层分别 有8，15，20个神经元。两个临近神经元之间的连接强度由突触权重诚，来描述，诚，代表第n层 的第i个神经元的输出和第n+l层的第．，个神经元的输入之间的突触权重。所有隐含层和输出层上神 经元的激活函数都是非线性的，使得ANN模型能够模拟输入矢量和输出