基于神經(jīng)網(wǎng)絡(luò)的射頻器性能預(yù)測

蔣超 南京恒電電子有限公司

基于神經(jīng)網(wǎng)絡(luò)的射頻器性能預(yù)測

蔣超 南京恒電電子有限公司

本文對RBF神經(jīng)網(wǎng)絡(luò)和MLP神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單介紹，利用兩種神經(jīng)網(wǎng)絡(luò)分別建模，并將所建模型用于射頻器件性能的預(yù)測。預(yù)測結(jié)果表明神經(jīng)網(wǎng)絡(luò)建模方法具有較高的精密度。

RBF神經(jīng)網(wǎng)絡(luò) MLP神經(jīng)網(wǎng)絡(luò) 蟻群優(yōu)化

1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.1 徑向基函數(shù)（RBF）

當(dāng)神經(jīng)網(wǎng)絡(luò)中只有一個(gè)隱含層，并且徑向基函數(shù)被用來描述隱含層的傳輸，此時(shí)的神經(jīng)網(wǎng)絡(luò)為徑向基函數(shù)網(wǎng)絡(luò)。其結(jié)構(gòu)見圖1。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 多層感知機(jī)（MLP）

輸入信號以層層遞進(jìn)方式進(jìn)行前向傳播的神經(jīng)網(wǎng)絡(luò)稱為多層感知機(jī)[1]。其結(jié)構(gòu)見圖2。

2 基于RBF神經(jīng)網(wǎng)絡(luò)建模方法

2.1 RBF神經(jīng)網(wǎng)絡(luò)建模

將雙端口網(wǎng)絡(luò)作為實(shí)例，a指入射電壓波，b指反射電壓波。經(jīng)查閱文獻(xiàn)可知，非線性散射函數(shù)可以表示為[2]：

接下來通過RBF神經(jīng)網(wǎng)絡(luò)來對F、G、H進(jìn)行擬合。對于F的擬合，|a11|、Vgs和Vds為神經(jīng)網(wǎng)絡(luò)的輸入，F(xiàn)kp的實(shí)部與虛部則是輸出。對于Gkpij，Hkpij的擬合，與F相同的信號為輸入，Gkpij，Hkpij的實(shí)部與虛部為輸出。

2.2 RBF神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)

為了使模型得到驗(yàn)證，建模時(shí)使用的測量數(shù)據(jù)為0．5μm MESFET的。實(shí)驗(yàn)采用2GHz頻率的基波信號和20GHz的系統(tǒng)帶寬。測量數(shù)據(jù)不但有入射波電壓與散射波電壓的基波，還有全部諧波分量的頻譜以及相位信息。檢驗(yàn)時(shí)特征阻抗設(shè)成50，將大信號設(shè)成a11、柵極電壓偏置以及漏極電壓偏置。當(dāng)神經(jīng)網(wǎng)絡(luò)輸入a12~a14，a21~a24信號的時(shí)候，a11為常數(shù)。各偏置下，各基波與諧波數(shù)據(jù)都通過10個(gè)隨機(jī)相位來進(jìn)行測量。

3 基于蟻群優(yōu)化策略的MLP神經(jīng)網(wǎng)絡(luò)建模方法

3.1 蟻群MLP神經(jīng)網(wǎng)絡(luò)的建模

此建模方法的思想是：假設(shè)神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值向量總共有m個(gè)，對其進(jìn)行排序得到集合{p1，p2……．pm|1≤i≤m}，每個(gè)參數(shù)Pi對應(yīng)N個(gè)隨機(jī)參數(shù)，不包括零，組成集合IPi。第k螞蟻以第一個(gè)集合為起點(diǎn)，從各集合隨機(jī)的選出一個(gè)參數(shù)，此時(shí)的選擇概率公式為：

當(dāng)螞蟻?zhàn)哌^每個(gè)集合，將所選參數(shù)當(dāng)作神經(jīng)網(wǎng)絡(luò)的一組權(quán)值和閾值，對輸出誤差進(jìn)行計(jì)算，并以此作為蟻群優(yōu)化算法的適應(yīng)度函數(shù)。螞蟻按出發(fā)路線回到起點(diǎn)，且根據(jù)下面的規(guī)則對集合選中元素的信息素予以更新：

由上可知，當(dāng)神經(jīng)網(wǎng)絡(luò)有著更小的誤差，信息素就會(huì)有更多的增量，螞蟻就會(huì)有更多可能的選擇。將以上過程持續(xù)的重復(fù)迭代，直到全部螞蟻選擇的路徑都一樣。

3.2 蟻群神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)

將所改進(jìn)的方法用來對平面螺旋電感建模，所采用的非對稱電感是以SMIC 0．18 um RF CMOS工藝為基礎(chǔ)的。輸入數(shù)據(jù)設(shè)置為電感的幾何參數(shù)與頻率，輸出數(shù)據(jù)為與其相對應(yīng)的S參數(shù)。圈數(shù)N的尺寸有7個(gè)，范圍是[3，6]，step為0．5，內(nèi)直徑ID的尺寸有9個(gè)，范圍是[30，60]，step為30，頻率Freq的點(diǎn)共有11個(gè)，范圍是 [1，10]，step 為1。

通過agilent ADS軟件對被測器件的S參數(shù)進(jìn)行仿真。以此獲得包括電感匝數(shù)（N）、掃描頻率（f）、電感半徑（ID）以及S參數(shù)。這里S參數(shù)包含的數(shù)據(jù)為四個(gè)參數(shù)的幅度（mag）以及相位(ang)。為簡化計(jì)算，使8個(gè)S參數(shù)合并成目標(biāo)函數(shù)J：

神經(jīng)網(wǎng)絡(luò)的系統(tǒng)精度為0．0018，步長為0．001，輸入分別為N、D和f，隱含層數(shù)和輸出層數(shù)分別為8和1。表1為模型驗(yàn)證結(jié)果。

從數(shù)據(jù)可知，預(yù)測數(shù)值與測量數(shù)值的相對誤差在1%以內(nèi)，表明所改進(jìn)建模方法具有較好的精度。

4 結(jié)語

表1 所建方法用于螺旋電感模型預(yù)測的結(jié)果

本文分別對RBF神經(jīng)網(wǎng)絡(luò)和MLP神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，將所建模型用于射頻器件性能的預(yù)測。預(yù)測結(jié)果表明神經(jīng)網(wǎng)絡(luò)建模方法具有較高的精密度。

[1]GrayPR，Meyer R.G.Future direction in silicon ICs for RF personal communication. Proc.IEEE Custon Intergrated Circuits Conf. 1995：83-89.

[2] Funahashi K， Nakamura Y. Approximation of dynamical systems by continumous time recurrent neural network [J].Neural Network， 1993(6)：801-806.

蔣超，1987.11，男，漢，江蘇常州，本科，助理工程師，從事微波射頻電路方面的研究。