[发明专利]一种基于神经网络的有源复数滤波器

权利要求书

1.一种基于神经网络的有源复数滤波器，包括有源复数滤波器模块、自动修正控制模块和自动调整电路，其特征在于：

所述有源复数滤波器模块为Gm-C滤波器或OPAMP-RC滤波器；

所述自动修正控制模块由人工神经网络和模数转换器ADC、温度传感器和工艺角编码器构成，并与自动调整电路和输出信号相连；

ADC与温度传感器、有源复数滤波器模块相连，将滤波器输出信号和温度信号转换为数字信号输入神经网络中；

工艺角编码器直接与神经网络相连，将工艺偏差编码输入神经网络中；

人工神经网络为前馈网络，其输出端接自动调整电路，作用是对输入数据按照预期训练做出非线性响应，产生调整电路所需要的电压；

所述自动调整电路与自动修正控制模块、有源复数滤波器模块相连，对神经网络输出的非线性电压产生响应，调整有源复数滤波器模块中可调模块的值，从而修正输出电压，锁定滤波器的输出响应；可调模块为可变跨导Gm模块与可变电容C模块或可调电阻R模块与可调电容C模块；

所述人工神经网络以设定精度逼近任意函数，从而产生非线性控制电压。

2.如权利要求1所述基于神经网络的有源复数滤波器，其特征在于：

所述人工神经网络产生非线性控制电压的具体过程为：

第一阶段，训练样本采集；

在每一个不同的工艺角P_l和温度T_m下，l为工艺角标号，m为温度标号，给滤波器中可调模块施加控制电压V_n，使得在不同的工艺角P_l、温度T_m下，滤波器的输出响应与预设的输出响应偏差为零，记录数据(V_n,P_l,T_m)，得到训练样本Y＝(V,P,T)，其中，P、T作为人工神经网络的输入，V作为人工神经网络的目标输出；

第二阶段，人工神经网络的训练；

Control信号控制人工神经网络进入训练阶段，初始化人工神经网络权值，将第一阶段采集到的训练样本数据输入到神经网络，调度人工神经网络训练算法，根据样本产生网络输出，然后对网络输出和目标输出做比较，判断两者的误差是否小于预设精度，当两者的误差不满足预设的精度要求时，人工神经网络调整网络权值W，直到误差小于预设的精度，保存人工神经网络参数，训练结束；

第三阶段，工作；

训练结束后，Control信号控制人工神经网络进入工作阶段，读取输入变量X＝(P,T)，输入到人工神经网络；神经网络根据第二阶段训练好的网络权值对输入做出响应，产生控制电压，从而调节有源复数滤波器模块中可调模块的值，对整个电路进行控制，锁定滤波器的输出响应。

3.如权利要求1所述基于神经网络的有源复数滤波器，其特征在于：

所述人工神经网络选用LSTM神经网络、RNN神经网络、FNN神经网络或CNN神经网络。

4.如权利要求1所述基于神经网络的有源复数滤波器，其特征在于：所述有源复数滤波器模块选用的滤波器至少一个，采取级联的方式组合。