优化算法在微波腔体滤波器结构参数中的应用研究

发布时间：2018-02-14 14:28

  本文关键词： 微波腔体带通滤波器 优化算法 神经网络 遗传算法 拟牛顿算法 极限学习机　出处：《华北电力大学》2015年硕士论文　论文类型：学位论文

【摘要】：信号间的频带随着通信技术的发展变得越来越窄,为了抑制各种干扰信号和降低系统对信号的衰减,国内外学者对微波滤波器的设计已经做了大量的研究工作。微波腔体滤波器由于其具有大功率、低损耗、高抑制、结构紧凑、性能稳定等优点,近些年被广泛地应用在通信系统中。同时,随着计算机技术的高速发展,高频电磁仿真软件与滤波器设计的结合使得滤波器的设计精度和速度都得到了很大的改善,大大缩短了设计周期。但是对于结构复杂的微波滤波器来说,由于其设计的参数较多,电磁仿真软件很难在预期的时间内达到设计所要求的精度,有时甚至还会出现难以收敛的现象。为解决上述问题,本文将改进的神经网络算法和极限学习机算法分别引入到微波腔体滤波器的设计当中,在Matlab环境下实现了微波腔体滤波器HFSS(High Frequency Structure Simulator)的快速建模,一定程度上提高了滤波器的设计效率,缩短了设计周期。首先,研究了带通滤波器的基本理论,以及同轴腔体带通滤波器的谐振腔之间的耦合结构与耦合端口的设计；随后分析并研究了用神经网络优化微波腔体带通滤波器结构参数的方法,提出了遗传神经网络(Genetic Neural Networks, GA-BP)和并行拟牛顿神经网络(Parallel Quasi-Newton Neural Networks, PQN-BP)算法,并将这两种优化算法分别用在微波腔体滤波器的结构参数优化中；接着分析介绍了极限学习机(Extreme Learning Machine, ELM)、核函数、量子粒子群(Quantum particle Swarm Optimization Algorithm, QPSO)的相关理论,首次将小波核极限学习机(Wavelet Kernel Extreme Learning Machine, WKELM)方法引入到微波滤波器的结构参数优化领域中,对其进行改进后,给出了一种基于量子粒子群的小波核极限学习机的优化方案。最后,将三种算法进行对比分析后,得出本文研究的三种方法均能有效的提高收敛速度,克服传统方法易陷入局部最小等缺点,但量子粒子群小波核极限学习机方法(QPSO-WKELM)效果最好。因此,运用量子粒子群小波核极限学习机方法设计了一款七腔带通滤波器,仿真结果表明,该算法能够实现对微波滤波器结构参数的快速精准的设计,与传统的滤波器建模技术相比在精度和速度上都有明显的改善。
[Abstract]:The signal between the band with the development of communication technology has become more and more narrow, in order to suppress the interference signals and reduce the attenuation of the signal system, the design of microwave filters by domestic and foreign scholars have done a lot of research work. The microwave cavity filter because of its high power, low loss, high rejection, compact structure, stable performance in recent years, is widely used in the communication system. At the same time, with the rapid development of computer technology, combined with the high frequency electromagnetic simulation software and the filter design has greatly improved the accuracy and speed of filter design, shorten the design cycle. But for the complicated structure of the microwave filter, due to its design parameters the electromagnetic simulation software is difficult to meet the design requirements of the precision within the expected time, sometimes even difficult for the solution of convergence phenomenon. To solve these problems, the improved neural network algorithm and extreme learning machine algorithm was introduced into the design of microwave cavity filter, Matlab environment in the realization of a microwave cavity filter (High HFSS Frequency Structure Simulator) the rapid modeling, improves the efficiency of filter design, shorten the design cycle. First of all, research the basic theory of bandpass filter, and the design of the coupling structure and the coupling between the coaxial cavity resonator port of the band-pass filter; then analyzed and studied with method of structural parameters of filter using neural network to optimize the micro wave cavity, proposed a genetic neural network (Genetic Neural Networks, GA-BP) and parallel quasi Newton neural network (Parallel Quasi-Newton Neural Networks PQN-BP) algorithm, and the structure of the two kinds of optimization algorithms were used in microwave cavity filter Parameter optimization analysis; then introduces the extreme learning machine (Extreme Learning Machine, ELM), kernel function, quantum particle swarm (Quantum particle Swarm Optimization Algorithm, QPSO) related to the theory, for the first time the wavelet kernel extreme learning machine (Wavelet Kernel Extreme Learning Machine, WKELM) method is introduced to optimize the field structure parameters of microwave filter in the improved, a wavelet kernel extreme learning machine based on quantum particle swarm optimization scheme is given. Finally, the three algorithms are compared. The three methods in this paper can improve the convergence speed effectively, overcome the disadvantages of traditional method is easy to fall into local minimum points. But quantum particle swarm wavelet kernel extreme learning machine method (QPSO-WKELM) had the best effect. Therefore, the design of a seven cavity band-pass filter quantum particle swarm wavelet kernel extreme learning machine method The simulation results show that the algorithm can achieve the fast and accurate design of the microwave filter's structural parameters, and has obvious improvement in accuracy and speed compared with the traditional filter modeling technology.

【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN713.5

【相似文献】

中国期刊全文数据库 前10条

1 赵昭;刘利林;张承学;李海涛;汪建敏;;形态学滤波器结构元素选取原则研究与分析[J];电力系统保护与控制;2009年14期

2 罗勇;何晓峰;吴文启;罗兵;;基于双滤波器结构的基带信号预处理滤波模型[J];中国惯性技术学报;2011年05期

3 李普,杨华,方玉明;电信系统中的硅微机械滤波器结构鲁棒设计[J];机械工程学报;2005年05期

4 王继山,李挥;一种快速去块滤波器结构[J];微电子学与计算机;2005年11期

5 周金元;王琳凯;汪文义;周晓方;;小数采样率转换中的μ-发生器设计[J];计算机工程;2011年19期

6 李爱社;油田注水系统压力脉动滤波器结构参数仿真分析[J];机床与液压;1998年02期

7 肖高标，吴杰，洪澜;一种电流模式多功能滤波器结构[J];湖南大学学报(自然科学版);1996年04期

8 黄海泉;许爱国;谢少军;;一种级联逆变器的分散式滤波器结构研究[J];电源世界;2008年09期

9 赵春晖,孙锐,孙圣和;形态滤波器结构元的自适应优化算法[J];电子与信息学报;2002年03期

10 陈斌,周震,黄永清,任晓敏;InP基微机械可调滤波器结构特性分析[J];半导体光电;2004年05期

中国重要会议论文全文数据库 前3条

1 赵昭;陈勇;汪海燕;;形态学滤波器结构元素选取原则研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

2 张敬彬;戚金清;王兢;吴浩;;一种高吞吐量H.264/AVC去方块滤波器结构设计[A];第八届全国信息获取与处理学术会议论文集[C];2010年

3 姚海瑞;邹积勇;吴新兵;杨志;;大容量并联有源电力滤波器结构对比分析[A];分布式发电、智能微电网与电能质量——第三届全国电能质量学术会议暨电能质量行业发展论坛论文集[C];2013年

中国博士学位论文全文数据库 前1条

1 殷瑞祥;DCT快速新算法及滤波器结构研究与子波变换域图像降噪研究[D];华南理工大学;2000年

中国硕士学位论文全文数据库 前2条

1 王雪;优化算法在微波腔体滤波器结构参数中的应用研究[D];华北电力大学;2015年

2 刘辉;微环谐振滤波器结构设计与传输特性研究[D];南京邮电大学;2013年

，

本文编号：1510914