微波电子器件与系统建模优化先进方法研究

The objective of this research is to develop new methodologies for modeling of high-frequency electronic components and packages in wireless and wireline RF/Microwave communication systems. At high signal frequency, modeling and optimization of the electromagnetic behavior in devices /systems are vital. This task becomes computationally prohibitive as the complexity of the electromagnetic structure increase and optimization is applied. For yield-driven design with random variations in physical/geometrical parameters in the system, the computational difficulty is further compounded. The proposed research will address these challenges. Built on top of our advances in neural network technologies for microwave design, this research will open several new frontiers in the area: a new category of training algorithms using both electromagnetic response and electromagnetic sensitivity, a new category of behavioral modeling of nonlinear devices using state-space estimation and state-space training of dynamic neural models, new formulations of automated model generation algorithms for knowledge based neural networks with sensitivity based training, and new automated model generation algorithms for training state-space dynamic neural networks. The long term direction is towards a unified methodology for developing neural based models that are fast and accurate for design of next generation high-frequency components and systems.

本课题的目标是研究新的高频电子器件建模方法，用于射频/微波通信系统的开发。在高频情况下，器件/系统的电磁行为建模和优化是至关重要的。随着电磁场几何结构复杂性的增加，电磁建模和优化任务因为庞大的计算量给设计者提出了严峻的挑战。特别是在基于高成品率的设计中，高精度要求和众多物理/几何参数变化的情况下，需要对电磁场进行反复的计算，进而加剧了设计的难度。针对这些技术问题，课题组在已经处于微波器件神经网络建模研究的国际前沿基础上，将开展如下创新研究：一是基于电磁响应和电磁敏感度的神经网络模型训练算法，二是采用基于敏感度训练的知识型神经网络模型自动生成算法，三是采用状态空间估计和动态神经网络状态空间训练的非线性器件行为建模方法，四是新型用于状态空间动态神经网络模型的自动产生算法。本研究的目标是为快速和准确地设计新一代高频器件和系统，建立系统规范的神经网络模型生成方法。

本课题的目标是研究新的高频电子器件建模方法，用于射频/微波通信系统的开发。在高频情况下，器件/系统的电磁行为建模和优化是至关重要的。随着电磁场几何结构复杂性的增加，电磁建模和优化任务因为庞大的计算量给设计者提出了严峻的挑战。特别是在基于高成品率的设计中，高精度要求和众多物理/几何参数变化的情况下，需要对电磁场进行反复的计算，进而加剧了设计的难度。针对这些技术问题，课题组在已经处于微波器件神经网络建模研究的国际前沿基础上，开展了如下创新研究：基于电磁响应和电磁敏感度的神经网络模型训练算法；采用基于敏感度训练的知识型神经网络模型自动生成算法；采用状态空间估计和动态神经网络状态空间训练的非线性器件行为建模方法；新型用于状态空间动态神经网络模型的自动产生算法。本研究的目标是为快速和准确地设计新一代高频器件和系统，建立系统规范的神经网络模型生成方法。.通过本项目的研究，我们在世界上首次将神经网络自动建模算法应用于知识型神经网络的建模过程中，提出了一种新型的统一知识型神经网络模型自动生成算法，实现了知识型神经网络的建模自动化。我们还提出了一个新型的分布式并行计算电磁建模技术，并开发了并行空间映射方法以及全局优化算法，从而进一步加快电磁优化的速度。我们还开发了基于知识的粗细网格空间映射方法用于电磁优化设计，以及使用基于导数的神经网络传输函数对微波无源器件的参数化建模方法，解决了当等效电路或经验公式模型不存在的情况下如何使用空间映射方法来进行快速的电磁设计的难题。我们还提出了一个新的使用了递归神经网络的用于带有长期和短期记忆效应的功率放大器的行为级建模技术，以及快速简单的电路噪声系数计算技术，使训练后的模型能够反映非线性电路的行为。我们还提出了一种全新的微波器件自动建模方法，维纳型动态神经网络，相比现有的神经网络方法具有更好的收敛性。