[發明專利]基于ADS的知識神經網絡微帶濾波器設計方法

有效

• 申請號: 201610222264.0
• 申請日: 2016-04-11
• 公開（公告）號: CN105787558B
• 公開（公告）日: 2018-07-06
• 發明（設計）人: 田雨波;陳藝
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06N3/06
• 分類號: G06N3/06;G06N3/08;G06F17/50
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 樓高潮

1.一種基于ADS的知識神經網絡微帶濾波器設計方法，其特征在于，包括以下步驟：

第一步：知識神經網絡的建模

1)訓練樣本的獲取

將ADS的仿真結果作為先驗知識，構造知識神經網絡，知識神經網絡的教師信號由高頻結構仿真HFSS獲得；

2)知識神經網絡的構造

知識神經網絡由輸入層、隱層、輸出層構成，所述隱層的神經元分為傳統神經元和先驗知識神經元，所述輸入層與傳統神經元連接，所述傳統神經元與輸出層連接，所述先驗知識神經元與輸出層連接，所述輸入層與先驗知識神經元無連接；

知識神經網絡為n×m×1的結構，其輸入為x_i,i＝1,2,…,n；隱層的先驗知識神經元的個數為p，輸出為hk_j,j＝1,2,…,p；隱層的傳統神經元的個數為q,p+q＝m，輸出為h_k,k＝1,2,…,q；知識神經網絡設為一輸出網絡，輸出為y；傳統神經元其輸入定義為：

xh_k＝ω_ikx_i+b_k,i＝1,2,…,n,k＝1,2,…,q

其中ω_ik為輸入層和傳統神經元的連接權值，b_k為閾值；

傳統神經元的激勵函數選用Sigmoid函數，輸出為：

Sigmoid函數的增益λ＝1；

知識神經網絡輸出為各隱層加權之和，即：

y＝ω_jhk_j+ω_kh_k+b,j＝1,2,…,p,k＝1,2,…,q

其中ω_j為隱層的先驗知識神經元與輸出層的連接權值，ω_k為隱層的傳統神經元與輸出層的連接權值，b為閾值；

知識神經網絡的輸出為正向傳輸系數S₂₁，輸入反射系數S₁₁和正向傳輸系數S₂₁存在如下關系：

S₁₁²+S₂₁²＝1

隱層的先驗知識神經元的個數為2，分別取輸入反射系數S₁₁和正向傳輸系數S₂₁；

3)知識神經網絡的學習

知識神經網絡構造好以后，采用粒子群算法對權值和閾值更新，當迭代達到最大次數或者均方誤差達到預設值時停止更新，得到訓練好的神經網絡；

4)檢測網絡的可靠性

將測試樣本對3)中的神經網絡進行測試，驗證網絡輸出與高頻結構仿真HFSS的結果是否一致，并計算知識神經網絡的相關系數來判斷神經網絡的可靠性；

第二步：優化設計

1)隨機生成初始種群，作為知識神經網絡的輸入，通過知識神經網絡得到相應的輸出；

2)優化過程中，根據設計指標設定對應的適應度函數；假設設計指標在f_i處要求的S₂₁幅值分別為s_i，i＝1,2,…，那么適應度函數為

Fit＝min(∑β_i|y_i-s_i|)

其中，y_i為f_i處知識神經網絡的輸出，β_i為對應頻率點處所選擇的權重；

3)通過粒子群算法更新初始種群，找到滿足適應度函數的最優解；

4)將3)中得到的最優解帶入HFSS中驗證是否滿足設計指標。

2.如權利要求1所述的基于ADS的知識神經網絡微帶濾波器設計方法，其特征在于，對微帶高低阻抗濾波器進行優化設計時，所構建的知識神經網絡隱層神經元為7個。

3.如權利要求1所述的基于ADS的知識神經網絡微帶濾波器設計方法，其特征在于，對微帶發卡帶通濾波器進行優化設計時，所構建的知識神經網絡隱層神經元為5個。