CN101997516A - 基于改进型bp神经网络的合路滤波器设计方法 - Google Patents

Abstract

本发明涉及基于改进型BP神经网络的合路滤波器设计方法，该方法包括如下步骤：改进的BP算法，BP算法使用动量下降法更新权值，另外BP算法依赖于一些由设计者指定的参数，比如初始权值，偏置值、学习速率、激活函数、网络的拓扑结构以及激活函数的增益。本发明基于激活函数增益改变梯度搜索方向的BP算法；利用改进的BP算法设计合路滤波器，采用单隐层的3层BP神经网络对微带射频滤波器进行设计，神经网络的输入为微带线的线宽、线长、耦合微带线之间的间距以及扫描频率；神经网络的目标输出为ADS采样的反射参数、传输参数、输入驻波比。本发明解决了合路滤波器多参数综合设计问题，优化了合路滤波器的设计方法。

Description

基于改进型BP神经网络的合路滤波器设计方法

技术领域

本发明涉及一种无线通信合路系统技术领域，特别是基于改进型BP神经网络的合路滤波器设计方法。

背景技术

人工神经网络是有感于人类大脑的的认知和学习能力而发展起来的一门新兴科学，由于其联想性、记忆性、鲁棒性、非线性映射等诸多优点，在越来越多的领域得到了广泛的应用。用神经网络来进行带通滤波器的设计，先用电磁仿真软件对滤波电路进行仿真，获得仿真数据做为神经网络的输入和输出。这里以微带滤波器中微带线的线宽W、线长L和微带线之间的缝隙S以及扫描频率freq四个重要参数作为神经网络的输入，宽度为W长为L的导体印制在薄的一定厚度的接地电介质基片上。滤波器的端口反射系数S11和端口传输系数S21以及输入驻波比VSWR1作为神经网络的输出，神经网络的训练算法采用基于激活函数增益改变梯度搜索方向而改进的BP算法。

发明内容

1、基于改进型BP神经网络的合路滤波器设计方法，其特征在于：该方法包括如下步骤：

1)、改进的BP算法，BP算法使用动量下降法更新权值，这种方法其中的一个问题是误差函数不能找到全局最优点，训练过程中容易陷入局部极小点；另外BP算法依赖于一些由设计者指定的参数，比如初始权值，偏置值、学习速率、激活函数、网络的拓扑结构以及激活函数的增益；

2)、利用改进的BP算法设计合路滤波器，采用单隐层的3层BP神经网络对上述微带射频滤波器进行设计，各层神经元个数为4、12、3，用改进BP神经网络训练算法，神经网络的输入为微带线的线宽W、线长L、耦合微带线之间的间距S以及扫描频率freq；

3)、神经网络的目标输出为ADS采样的反射参数S11、传输参数S21、输入驻波比VSWR1。

作为进一步说明，本发明实施步骤1)中所述的基于激活函数增益改变梯度搜索方向的BP算法，改进算法更容易移植到其他使用基于动量方法的优化算法中，这种改进算法对于用基于动量优化技术来提高神经网络的训练效率提供了重要的先导作用。

附图说明

图1是本发明实施例的神经网络结构模型。

具体实施方式

图1是神经网络结构模型。采用单隐层的3层BP神经网络对上述微带射频滤波器进行设计，各层神经元个数为4、12、3，用改进BP神经网络训练算法，神经网络的输入为微带线的线宽W、线长L、耦合微带线之间的间距S以及扫描频率freq。神经网络的目标输出为ADS采样的反射参数S11、传输参数S21、输入驻波比VSWR1。

改进的BP算法，是一种有监督的学习算法，学习的目的找到权值向量w使得实际输出和所期望的输出误差最小。误差函数为

$E=\frac{1}{2}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_k-o_k)}^2$

尽管BP算法获得了许多成功的应用，但是它也有严重的缺陷，由于BP算法使用动量下降法更新权值，这种方法其中的一个问题是误差函数不能找到全局最优点，训练过程中容易陷入局部极小点；另外BP算法依赖于一些由设计者指定的参数，比如初始权值，偏置值、学习速率、激活函数、网络的拓扑结构以及激活函数的增益。

本发明基于激活函数增益改变梯度搜索方向的BP算法，其权值的变化可以表示为：

$:\mathrm{\Δ}{w}_{\mathrm{ij}}^{\left(n\right)}=-{\mathrm{\η}}^{\left(n\right)}\frac{\∂E}{\∂w_{\mathrm{ij}}^{\left(n\right)}}c\left(n\right)=-{\mathrm{\η}}^{\left(n\right)}g\left(n\right)c\left(n\right)$

增益向量的更新用下式来表示：

$c(n+1)=c\left(n\right)+\mathrm{\η}\frac{\∂E}{\∂c\left(n\right)}$

改进算法更容易移植到其他使用基于动量方法的优化算法中。这种改进算法对于用基于动量优化技术来提高神经网络的训练效率提供了重要的先导作用。

Claims (1)

1.基于改进型BP神经网络的合路滤波器设计方法，其特征在于：该方法包括如下步骤：

1)、改进的BP算法，BP算法使用动量下降法更新权值，这种方法其中的一个问题是误差函数不能找到全局最优点，训练过程中容易陷入局部极小点；另外BP算法依赖于一些由设计者指定的参数，比如初始权值，偏置值、学习速率、激活函数、网络的拓扑结构以及激活函数的增益；

2)、利用改进的BP算法设计合路滤波器，采用单隐层的3层BP神经网络对上述微带射频滤波器进行设计，各层神经元个数为4、12、3，用改进BP神经网络训练算法，神经网络的输入为微带线的线宽W、线长L、耦合微带线之间的间距S以及扫描频率freq；

3)、神经网络的目标输出为ADS采样的反射参数S11、传输参数S21、输入驻波比VSWR1。

Images