[发明专利]一种微波微带发卡型滤波器的仿真方法及系统

说明书

本发明公开了一种微波微带发卡型滤波器的仿真方法及系统，该方法包括：获取已累积微波微带滤波器仿真数据；建立基于BP神经网络的预测模型；利用所述已累积微波微带滤波器仿真数据作为训练数据训练所述预测模型，得到训练后的预测模型；将微波微带滤波器的目标散射参数输入至所述训练后的预测模型，得到预测散射参数的微波微带滤波器；判断所述预测散射参数的微波微带滤波器是否满足仿真要求，若是，输出所述预测散射参数的微波微带滤波器；若否，返回步骤“获取已累积微波微带滤波器仿真数据”。本发明实现了微波微带发卡型滤波器的自动仿真，降低人力物力。

技术领域

本发明涉及滤波器设计技术领域，特别是涉及一种微波微带发卡型滤波器的仿真方法及系统。

背景技术

微波微带滤波器是现代通信系统中的重要器件，起到筛除无关信号的作用。包括单端口群时延、空间映射法等在内的传统微波微带滤波器仿真方法需要设计人员从始至终值守在计算机前进行设计与仿真的操作，且需要人员具备一定的仿真经验，较为耗时耗力，自动化程度较低，设计效率依人员的水平而变，难以胜任滤波器的大量设计工作。

发明内容

本发明的目的是提供一种微波微带发卡型滤波器的仿真方法及系统，以实现微波微带发卡型滤波器的自动仿真，降低人力物力。

为实现上述目的，本发明提供了一种微波微带发卡型滤波器的仿真方法，所述方法包括：

获取已累积微波微带滤波器仿真数据；所述已累积微波微带滤波器仿真数据为通过MATLAB控制电磁仿真软件自动完成大量仿真，并返回滤波器的所有微波微带滤波器仿真数据；

建立基于BP神经网络的预测模型；

利用所述已累积微波微带滤波器仿真数据作为训练数据训练所述预测模型，得到训练后的预测模型；

将微波微带滤波器的目标散射参数输入至所述训练后的预测模型，得到预测散射参数的微波微带滤波器；

判断所述预测散射参数的微波微带滤波器是否满足仿真要求，若是，输出所述预测散射参数的微波微带滤波器；若否，返回步骤“获取已累积微波微带滤波器仿真数据”。

可选的，所述获取已累积微波微带滤波器仿真数据，具体包括：

在MATLAB控制电磁仿真软件中按照预设频率调整微波微带滤波器中的各个条带的尺寸参数，使微波微带滤波器整体尺寸固定不变，得到多组散射参数的微波微带滤波器；其中，所述尺寸参数包括所述条带的长度和宽度。

可选的，所述建立基于BP神经网络的预测模型，具体包括：

设定输入层元素个数和输出层元素个数；

根据所述输入层元素个数和所述输出层元素个数计算隐含层个数；

以sigmoid函数为激活函数，建立预测模型；

可选的，所述利用所述已累积微波微带滤波器仿真数据作为训练数据训练所述预测模型，得到训练后的预测模型，具体包括：

以所述已累积微波微带滤波器仿真数据输入所述预测模型的输入层；

利用随机梯度下降法确定输入层与隐含层的连接权重和隐含层与输出层的连接权重；

通过输入层的输入数据和所述输入层与隐含层的连接权重确定隐含层输入数据；

将所述隐含层输入数据输入激活函数中得到隐含层输出数据；

根据所述隐含层输出数据和所述隐含层与输出层的连接权重确定输出层输入数据；

将所述输出层输入数据输入至所述激活函数进行反向处理后，输出数据；