[发明专利]射频阻抗匹配方法、系统和电子设备

说明书

本申请涉及射频阻抗匹配的领域，其具体地公开了一种射频阻抗匹配方法、系统和电子设备，其采用基于深度神经网络模型的生成器技术，来从由所述多个负载R_L组成的输入向量生成由所述多个等效阻抗R组成的输出向量，并且，还进一步地引入了参考信息来促进所述神经网络的参数的更新，以提高训练的速度以及增强训练的质量，从而提高了阻抗匹配的准确性。通过这样的方式，可以根据负载阻抗的变化调整匹配网络的参数,从而一直能够保证较大的传输效率。

技术领域

本申请涉及射频阻抗匹配的领域，且更为具体地，涉及一种射频阻抗匹配方法、系统和电子设备。

背景技术

功率射频源在真空镀膜、半导体蚀刻和感应加热等离子体领域得到了广泛应用。工业上常用的射频源频率为13.56MHz，内阻R_S为50Ω。

通常负载阻抗不等于射频源内阻，若将射频源和负载直接相连时,会存在不同程度的失配。阻抗失配将导致传输线上存在功率反射,从而使得能量不能全部被负载所接收,进而降低传输的效率。若失配程度较深时,则还会引起加工过程的失败。

因此，在实际的应用场景中，需要在射频源(或传输线末端)与负载之间设置匹配网络，这样，负载阻抗就能够随工作时间和周围环境等因素的变化而在一定范围内变化。并且，只有实时检测负载阻抗的变化并调整匹配网络的参数,才能得到最大的传输效率。因此，为了实现阻抗的匹配，期望一种射频阻抗匹配方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种射频阻抗匹配方法、系统和电子设备，其采用基于深度神经网络模型的生成器技术，来从由所述多个负载R_L组成的输入向量生成由所述多个等效阻抗R组成的输出向量，并且，还进一步地引入了参考信息来促进所述神经网络的参数的更新，以提高训练的速度以及增强训练的质量，从而提高了阻抗匹配的准确性。通过这样的方式，可以根据负载阻抗的变化调整匹配网络的参数,从而一直能够保证较大的传输效率。

根据本申请的一个方面，提供了一种射频阻抗匹配方法，其包括：

训练阶段，包括：

获取训练数据集，所述训练数据集包括由多个负载R_L组成的真实输入向量和由多个等效阻抗R组成的真实输出向量；

将所述真实输入向量输入深度神经网络以获得训练输出向量；

计算所述训练输出向量和所述真实输出向量之间的距离矩阵，其中，所述距离矩阵基于所述训练输出向量和所述真实输出向量的每个位置的特征值之间的距离生成；

计算所述真实输入向量和所述真实输出向量之间的转移矩阵，所述转移矩阵用于表示所述真实输入向量和所述真实输出向量之间的差异；

计算所述距离矩阵和所述转移矩阵之间的差分以获得比较矩阵；

计算所述比较矩阵的一致性因素作为一致性损失函数值，所述一致性因素基于所述比较矩阵中的最大特征值和所述比较矩阵的大小生成；

计算所述训练输出向量和所述真实输出向量之间的均方差损失函数值；

计算所述射频源的自身内阻与所述训练输出向量之间的交叉熵损失函数值；

计算所述一致性损失函数值、均方差损失函数值和所述交叉熵损失函数值之间的加权和作为损失函数值；以及

基于所述损失函数值对所述深度神经网络进行训练；以及

推断阶段，包括：

获取由多个负载R_L组成的真实输入向量；以及