兰州交通大学 光电技术与智能控制教育部重点实验室, 甘肃 兰州 730000
功率分配器(简称功分器)作为微波电路中常用的射频器件, 是构建5G系统多输入多输出(MIMO)馈电网络的重要组成单元。为了对已有固定频率的功分器结构进行重新快速地优化设计, 以适用于包括5G工作频段在内的任意实际所需的工作频段, 该文以预先设计的一种双频功分器作为优化设计目标, 提出了一种基于改进后的一维卷积神经网络的深度学习方案。预测功分器在其他任意双谐振频率处拥有良好性能的几何结构参数, 运用自组织映射神经网络进行样本的选取, 提高卷积神经网络的训练效率。预测出的功分器在电磁仿真软件中进行验证, 仿真结果显示功分器在工作频率处的回波损耗高于20 dB, 隔离度高于25 dB, 插入损耗低于3.4 dB, 工作带宽约为450~600 MHz, 证明了利用神经网络实现多参数目标功分器的优化设计是一种快速有效的方法。
双频功分器 卷积神经网络 自组织映射神经网络 多参数目标优化 dual-band power divider convolutional neural network self-organizing map neural network optimization of multi-parameter objectives
