人工神經網絡在集成電容的分析與綜合中的應用.pdf

1、MIM電容和交指電容作為微波電路中的集總元件，常被作為射頻旁路電容、隔直電容、電抗性負載，匹配調節(jié)器等出現在射頻電路中。除此之外，它們在濾波器，功分器、合路器、耦合器，平衡/非平衡變壓器方面應用也十分廣泛，從前人對各種電容的研究工作中我們可以看到，不管是基于忽略某些微弱場效應而做出各種近似的等效電路法，還是基于各種數值算法的全波分析法，或者是基于實測結果的建庫法，都很難同時滿足人們在應用中對結果的準確性和有效性的要求。因此，如何對這些集

2、成電容建立快速有效的計算模型成為人們研究的一個重要方向。 本文采用了全波分析、等效電路模型、元件庫和人工神經網絡相結合的方法，用電磁仿真軟件和元件庫來得出集成電容的頻率特性，然后根據我們提出的等效電路模型計算電容，再應用人工神經網絡算法，訓練出可以可靠逼近電容的幾何結構參數和頻率特性或電容之間非線性關系的網絡。此神經網絡我們稱之為正向神經網絡，即從電容的結構參數得出電容的頻率特性及容值的網絡。正向神經網絡訓練成功后，我們著手于訓

3、練逆向神經網絡，即給出我們設計電路時需要的集成電容的容值，則可以通過逆向神經網絡快速得到其有關的結構參數。和傳統(tǒng)的搜索法比較，本文嘗試了直接將神經網絡的輸入和輸出互換，訓練出逆向神經網絡。一旦逆向神經網絡訓練好后，應用時只需要輸入想要的系統(tǒng)響應，就可以立即由此網絡綜合出相應的元件結構參數，這樣，不管是由幾何結構參數計算響應或者由期望響應計算對應幾何結構參數，計算的時間都幾乎可以忽略不計。在本文中，我們主要針對四種結構的電容給出了正向和逆