[发明专利]用BIC准则分析环行器性能指导物料尺寸参数筛选的方法

说明书

本发明公开了一种用BIC准则分析环行器性能指导物料尺寸参数筛选的方法，包括将环行器分类，根据分类确定S参数数值的计算方式；制定评分规则，对各参数进行量化；获取待测环行器的S参数数据，量化后得到整体得分；再以环行器各物料尺寸参数为自变量，整体得分为因变量，建立BIC准则下的线性回归模型，找到对整体得分影响显著的1个或多个自变量，指导物料筛选。本发明能以器件的各种物料尺寸参数为自变量，以器件的某指标或者整体指标的量化得分为因变量进行回归分析，采用统计学上的BIC准则来找出对器件性能的量化得分影响最显著的几个因素，从而指导我们对这些物料尺寸参数进行改进，提升器件合格率。

技术领域

本发明涉及一种集总参数环行器的物料筛选方法，尤其涉及一种用BIC准则分析环行器性能指导物料尺寸参数筛选的方法。

背景技术

集总参数环行器，一般结构包括外壳、内部的中心导体编制带组件、三个端口、集总电容、负载等，中心导体编制带组件又包括中心铁氧体以及铜编织带等。不同的物料及其参数对产品性能、合格率均有影响。在传统的环行器/隔离器批量化生产过程的前期试验中，为了提升产品性能和合格率，需要进行多轮试验迭代，以便于确定不同物料尺寸参数对产品性能、合格率的影响。传统的物料筛选过程存在如下不足：

（1）由于实际每种物料的尺寸必然是一个范围而不是理论值，单独通过仿真软件查看每种物料尺寸参数的变化很难找出对产品性能影响关键的因素。如何从中找出已经不需要额外加强参数精度控制的物料以及挖掘出尚还需要进一步关注的物料尺寸因素是一个亟待解决的问题。传统的物料筛选方法是通过很多轮的试验找出性能合格的产品和不合格产品进行对比，查看两类产品物料尺寸上的区别，一般只能定性分析。

（2）对于产品的性能、合格情况的评价较为粗糙，一般而言，微波器件性能是否合格通常采取的办法是测试人员用矢量网络分析仪直接测量，查看工作带宽范围内的各项指标是否符合指标要求。符合要求即为合格，否则为不合格。这种判定方法对一个器件的好坏与否只能定性给出很好、较好、较差、很差之类的判断，无法比较两支器件的相对好坏，更难以描述清楚器件距离合格标准有多大的差距。下面给出后文所叙述分析方法所用的一些专有名词的解释。

名词解释：

（1）BIC准则的定义

BIC准则全称贝叶斯信息准则，英文Bayesian Information Criterions，是统计学中的一种回归模型优劣判定标准，利用了统计学中的似然函数，其基本假设包括变量的随机误差服从正态分布，可以用于对多个自变量引起因变量变化中变量重要性的考察和选择。BIC定义如下：

其中RSS是数据回归拟合的残差平方和，p是引入模型的自变量的个数，n是样本容量。

BIC准则是小样本高维度下一种选择变量的非常行之有效的方法。

（2）BIC准则的筛选原理

当引入模型的变量个数增加时，式中的拟合残差平方和RSS会减少，即第一项会减少，而式中第二项将随着变量的个数的增加而增大。当由变量的增加带来的方差减少的效果大于变量增加带来的惩罚时，BIC的值会逐渐减少；而当变量个数达到一定数目时，由变量增加带来的惩罚大于变量增加带来的方差减少，此时BIC的值将增加。

（3）BIC方法选择的原则

使BIC达到最小的模型是“最优”的模型，这个“最优”模型可能包括零个、一个或者多个我们所选择的自变量（也即是物料参数），当选择结果为零个自变量时，说明所有考虑的物料参数对器件性能均没有显著影响，否则，其所选择出来的自变量就是对器件性能有显著影响的物料参数。

（4）关于回归模型