申请/专利权人：青海民族大学

申请日：2023-12-29

公开（公告）日：2024-04-26

公开（公告）号：CN117933170A

主分类号：G06F30/392

分类号：G06F30/392;H04B1/40;G06F30/398;G06N3/0499;G06F117/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于极限学习机ExtremeLearningMachine,ELM技术的微波功率晶体管S参数建模方法，包括数据准备、模型构建、训练模型、测试模型以及生成预测模型五个步骤。本发明核心采用ELM建模方法，该方法的实施过程不需要人为干预，通过一次迭代便可完成，并且在很大程度上避免了局部最优解的复杂问题。本发明利用有限的测量数据可以准确地表征微波功率晶体管的S参数，从而进一步提高射频微波电路的设计效率和性能，给微波工程师提供一种更加高效、便捷的技术手段。

主权项：1.一种基于ELM技术的微波功率晶体管S参数建模方法，包括数据准备、模型构建、训练模型、测试模型以及生成预测模型五个步骤。所述步骤一数据准备为，将影响微波功率晶体管性能的特性参数X＝[X1,X2,…,Xn]作为输入变量，并且设置每个输入变量的步长。由[ReS11，ImS11，ReS21，ImS21，ReS12，ImS12，ReS22，ImS22]构成的S参数作为输出变量，最后提取一定数量的S参数，将其导入建模软件后按照5:1的比例随机分成训练集和测试集；所述步骤二模型构建为，确定好输入输出后，创建ELM结构，并设置神经网络输入层、隐藏层和输出层的神经元个数以及初始权值；所述步骤三训练模型为，设置好迭代次数、学习率和误差容限等训练参数后，模型开始训练，若各项训练参数达到要求，则训练结束；所述步骤四测试模型为，使用测试集对上一步训练好的模型模拟结果进行检验，若测量值与预测值的均方误差MSE和平均绝对误差MAE大于0.01，则重新调整神经元个数和权值，再次对ELM模型进行训练预测，直至均方误差MSE和平均绝对误差MAE小于0.01；所述步骤五生成预测模型为，当误差小于0.01时，则生成S参数预测模型，并对模型误差进行比较，以得到精度最高的模型，此时完成微波功率晶体管S参数建模。

全文数据：

权利要求：

百度查询： 青海民族大学 一种基于ELM技术的微波功率晶体管S参数建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD