search

Yellowbooker / LM_Based_CM_Extraction

Levenberg–Marquardt (LM) method for coupling matrix extraction of microwave filters. This is a gradient-based coupling matrix extraction optimization algorithm.
1 stars 1 forks source link

与之相关的延申问题 #3

Open KawasakiDragon opened 5 months ago

KawasakiDragon commented 5 months ago

您好，可以向您请教一个延申的问题吗？就是下面这个是我的模型如图1，有5个结构参数h1、h2、h3、h_c1、h_c2。我们通过doe取值，对其5个维度进行取值，希望取到的值能简要概括5个维度。9阶doe取值取到81组训练结构参数，再按照相同的中心点和步长，进行8阶doe取值作为测试结构参数。将它们都一一放入hfss中进行仿真，仿真出smith图，得到此图是为了通过滤波器设计软件提取出它的耦合矩阵如图2。我们做出5个结构参数和9个耦合参数（耦合矩阵中主对角线4个+主对角线上侧5个参数）一一对应的数据，如图3所示。我们将81组用作训练，64组用作测试。输入是5个结构参数，输出是9个耦合参数。然后希望训练和测试误差都小于2%。其目的是为了训练好这个模型，使得我们给出结构参数，就可以得到近似的耦合参数。避免hfss仿真的时间消耗。目前5个结构参数都变化的情况，耦合参数变化十分曲折，不利于训练如图4所示。所以想问问您，想着有没有办法提取到光滑的耦合参数，利于训练。 文字文稿1.pdf

KawasakiDragon commented 5 months ago

想问问您在这方面有研究吗？麻烦您了

KawasakiDragon commented 5 months ago

可以提供一些指导吗大佬，有偿

Yellowbooker commented 5 months ago

您好，可以向您请教一个延申的问题吗？就是下面这个是我的模型如图1，有5个结构参数h1、h2、h3、h_c1、h_c2。我们通过doe取值，对其5个维度进行取值，希望取到的值能简要概括5个维度。9阶doe取值取到81组训练结构参数，再按照相同的中心点和步长，进行8阶doe取值作为测试结构参数。将它们都一一放入hfss中进行仿真，仿真出smith图，得到此图是为了通过滤波器设计软件提取出它的耦合矩阵如图2。我们做出5个结构参数和9个耦合参数（耦合矩阵中主对角线4个+主对角线上侧5个参数）一一对应的数据，如图3所示。我们将81组用作训练，64组用作测试。输入是5个结构参数，输出是9个耦合参数。然后希望训练和测试误差都小于2%。其目的是为了训练好这个模型，使得我们给出结构参数，就可以得到近似的耦合参数。避免hfss仿真的时间消耗。目前5个结构参数都变化的情况，耦合参数变化十分曲折，不利于训练如图4所示。所以想问问您，想着有没有办法提取到光滑的耦合参数，利于训练。 文字文稿1.pdf

您好，耦合参数的不光滑我认为主要来源于两点，其一是仿真误差，当反射系数小于-20dB时候，仿真误差会对反射系数产生较大影响，从而导致反射系数零点发生偏移。其二是提取误差，由于耦合矩阵是实际滤波器结构的窄带近似，不理想因素（杂散耦合、色散与谐波效应）会导致一定的提取误差。本人对ANN并不是很了解，关于使用ANN建立滤波器代理模型，建议您参考： Homotopy optimization of microwave and millimeter-wave filters based on neural network model IEEE Trans. Microw. Theory Techn., vol. 68, no. 4, pp. 1390-1400, Apr. 2020.

Yellowbooker commented 5 months ago

您好，可以向您请教一个延申的问题吗？就是下面这个是我的模型如图1，有5个结构参数h1、h2、h3、h_c1、h_c2。我们通过doe取值，对其5个维度进行取值，希望取到的值能简要概括5个维度。9阶doe取值取到81组训练结构参数，再按照相同的中心点和步长，进行8阶doe取值作为测试结构参数。将它们都一一放入hfss中进行仿真，仿真出smith图，得到此图是为了通过滤波器设计软件提取出它的耦合矩阵如图2。我们做出5个结构参数和9个耦合参数（耦合矩阵中主对角线4个+主对角线上侧5个参数）一一对应的数据，如图3所示。我们将81组用作训练，64组用作测试。输入是5个结构参数，输出是9个耦合参数。然后希望训练和测试误差都小于2%。其目的是为了训练好这个模型，使得我们给出结构参数，就可以得到近似的耦合参数。避免hfss仿真的时间消耗。目前5个结构参数都变化的情况，耦合参数变化十分曲折，不利于训练如图4所示。所以想问问您，想着有没有办法提取到光滑的耦合参数，利于训练。 文字文稿1.pdf

您好，耦合参数的不光滑我认为主要来源于两点，其一是仿真误差，当反射系数小于-20dB时候，仿真误差会对反射系数产生较大影响，从而导致反射系数零点发生偏移。其二是提取误差，由于耦合矩阵是实际滤波器结构的窄带近似，不理想因素（杂散耦合、色散与谐波效应）会导致一定的提取误差。本人对ANN并不是很了解，关于使用ANN建立滤波器代理模型，建议您参考： P. Zhao and K. Wu, "Homotopy Optimization of Microwave and Millimeter-Wave Filters Based on Neural Network Model," in IEEE Transactions on Microwave Theory and Techniques, vol. 68, no. 4, pp. 1390-1400, April 2020, doi: 10.1109/TMTT.2019.2963639. keywords: {Optimization;Computational modeling;Integrated circuit modeling;Data models;Neurons;Microwave filters;Computer-aided design;design automation;homotopy method;microwave and millimeter-wave filters;neural network;optimization},