System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电子,涉及射频功率放大器设计,具体涉及基于改进自适应超参数粒子群算法的功率放大器设计方法。
技术介绍
1、无线通信技术的最新进展带来了更大的信道容量、更宽的带宽和更高的效率。作为调制解调器无线通信系统的主要耗能部件,放大器需要较宽的带宽以保证高传输速率,同时又不能影响输出功率或效率。为了满足新兴通信系统对宽带的需求,功率放大器受到了相当大的关注。然而,多倍频程的高效放大器需要更复杂的匹配结构,以及多目标优化来调整不同频率范围内的阻抗曲线,这使得设计过程更具挑战性。
2、大多数商业电子设计自动化(eda)软件都提供了内置的优化功能,它们在优化滤波器以及天线等无源器件时,其优化效果是令人满意的。然而,面对功率放大器等有源器件,其所需的优化时间很漫长,而且优化结果很难达到预期效果。最近,粒子群算法已被应用于有源和无源电路设计,包括滤波器、低噪声放大器和放大器。值得注意的是,优化结果的性能在很大程度上取决于粒子群算法的超参数选择。然而,传统的粒子群算法的特点是固定的超参数,这带来了两个主要的挑战——固定系数导致收敛速度慢,优化时间长;当收敛发生时,粒子群失去了多样性和很容易陷入局部最优。
技术实现思路
1、针对现有技术的不足,本专利技术提出了基于改进自适应超参数粒子群算法的功率放大器设计方法,在原有粒子群算法的基础上,对超参数进行了非线性改进,使得粒子具有高收敛速度、高搜索精度与陷入局部最优解概率低的优点。功率放大器的优化时间进一步缩短,且在带宽方面有了明显的提升
2、基于改进自适应超参数粒子群算法的功率放大器设计方法,具体包括以下步骤:
3、步骤一、设计多倍频程功率放大器的目标频带、目标漏极效率deg和目标输出功率poutg。
4、步骤二、根据步骤一中的设计目标选择晶体管,使用源牵引和负载牵引技术对晶体管在目标频带内的中心频点分别进行源牵引和负载牵引,根据中心频点的最优源阻抗和最优负载阻抗设计阻抗匹配网络、偏置网络以及稳定网络,得到多倍频程功率放大器的初始电路。
5、步骤三、采用改进自适应超参数粒子群算法,优化步骤二中多倍频程功率放大器初始电路中的微带线参数与元件取值,具体步骤如下:
6、s3.1、对初始电路参数进行抽样,生成多组电路参数,每组电路参数作为一个粒子,构成初始粒子群。根据电路参数的优化范围,设计粒子群的搜索空间与搜索速度的边界值。
7、s3.2、设置惯性权重系数wt、自我学习因子和社会学习因子
8、
9、
10、
11、其中wmax是惯性权重系数的最大值,wmin表示惯性权重系数的最小值;cmax为学习因子最大值,cmin为学习因子最小值,n为最大迭代次数,t表示迭代次数。可以看出,随着迭代次数t的增加,wt、和都会逐渐非线性减小。
12、使用惯性权重系数wt、自我学习因子和社会学习因子来改变粒子的速度,更新粒子位置:
13、
14、
15、其中,和分别为粒子更新前、后的速度,和分别为粒子更新前、后的位置,为历史个体最优位置,为历史全局最优位置。
16、s3.3、使用ads(advanced design system)软件对s3.2更新后的粒子参数进行仿真,在频带内设置m个仿真频点,计算每个频点下的实际漏极效率和实际输出功率为了更好评估输出的性能,将实际漏极效率和实际输出功率限制在目标漏极效率deg和目标输出功率poutg以下,通过适应度函数f计算每个粒子的适应度:
17、
18、s3.4、根据s3.3的计算结果,比较当前粒子的个体最优适应度和历史最优适应度,对粒子的个体最优解进行更新;然后比较粒子的个体最优适应度和历史粒子群的全局最优适应度,更新粒子群的全局最优适应度;当粒子群的全局最优适应度大于设定目标适应度或者达到最大迭代次数时,优化结束,输出适应度值最高的粒子,得到优化后的多倍频程功率放大器的电路参数;否则返回s3.2,更新粒子位置。
19、本专利技术具有以下有益效果:
20、1、采用改进非线性自适应超参数粒子群算法,设定粒子的更新速度随迭代次数的增加而非线性减小,在优化效率上有了进一步提升。
21、2、该方法设计得到的功率放大器可以实现更宽的带宽,在多频程范围内,其输出功率、漏极效率以及增益均符合要求。
本文档来自技高网...【技术保护点】
1.基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:该方法包括以下步骤:根据多倍频程功率放大器的目标频带、目标漏极效率DEG和目标输出功率POUTG设计初始电路,对初始电路参数进行抽样,生成多组电路参数,每组电路参数作为一个粒子,构成初始粒子群;设置非线性超参数惯性权重系数wt、自我学习因子和社会学习因子
2.如权利要求1所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:根据步骤一中的设计目标选择晶体管,使用源牵引和负载牵引技术对晶体管在目标频带内的中心频点分别进行源牵引和负载牵引,根据中心频点的最优源阻抗和最优负载阻抗设计阻抗匹配网络、偏置网络以及稳定网络,得到多倍频程功率放大器的初始电路。
3.如权利要求2所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:设计基于1/4波长传输线的偏置网络结构。
4.如权利要求1所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:根据电路参数的优化范围与实物焊接情况,设计粒子群的搜索空间与搜索速度的边界值。
5.如权利要求1所述
6.如权利要求1所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:采用协方差函数作为适应度函数,评估粒子的适应度。
7.如权利要求6所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:所述适应度函数f为:
...【技术特征摘要】
1.基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:该方法包括以下步骤:根据多倍频程功率放大器的目标频带、目标漏极效率deg和目标输出功率poutg设计初始电路,对初始电路参数进行抽样,生成多组电路参数,每组电路参数作为一个粒子,构成初始粒子群;设置非线性超参数惯性权重系数wt、自我学习因子和社会学习因子
2.如权利要求1所述基于改进自适应超参数粒子群算法的功率放大器设计方法,其特征在于:根据步骤一中的设计目标选择晶体管,使用源牵引和负载牵引技术对晶体管在目标频带内的中心频点分别进行源牵引和负载牵引,根据中心频点的最优源阻抗和最优负载阻抗设计阻抗匹配网络、偏置网络以及稳定网络,得到多倍频程功率放大器的初始电路。
3.如权利要求2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。