CN110781609B - 一种滤波器s参数去相位加载方法、系统、介质和设备 - Google Patents

一种滤波器s参数去相位加载方法、系统、介质和设备 Download PDF

Info

Publication number
CN110781609B
CN110781609B CN201911092774.0A CN201911092774A CN110781609B CN 110781609 B CN110781609 B CN 110781609B CN 201911092774 A CN201911092774 A CN 201911092774A CN 110781609 B CN110781609 B CN 110781609B
Authority
CN
China
Prior art keywords
parameter
alpha
beta
phase
filter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911092774.0A
Other languages
English (en)
Other versions
CN110781609A (zh
Inventor
高阳
张晏铭
廖翱
马宁
米添
李阳阳
金长林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 29 Research Institute
Original Assignee
CETC 29 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 29 Research Institute filed Critical CETC 29 Research Institute
Priority to CN201911092774.0A priority Critical patent/CN110781609B/zh
Publication of CN110781609A publication Critical patent/CN110781609A/zh
Application granted granted Critical
Publication of CN110781609B publication Critical patent/CN110781609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40—Arrangements for reducing harmonics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)

Abstract

本申请提供一种滤波器S参数去相位加载方法、系统、介质及设备，涉及滤波器建模仿真设计技术领域。该方法包括：将第二导纳参数Yq′转换成第二散射参数
Figure DDA0002267365620000011
将耦合矩阵M转换成第三散射参数
Figure DDA0002267365620000014
根据第二散射参数
Figure DDA0002267365620000012
和第三散射参数
Figure DDA0002267365620000013
建立综合评价函数obj(αβ)；根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)。该方法通过建立稳定的去相位加载方法，结合智能优化算法，找到了微波滤波器建模提参时移相因子的全局最优解。使得原始S参数去相位加载满足滤波器提取建模的多属性约束条件，使得算法更加稳定，计算精度更高。

Description

一种滤波器S参数去相位加载方法、系统、介质和设备
技术领域
本发明涉及滤波器建模仿真设计技术领域，更具体地，涉及一种滤波器S参数去相位加载方法、系统、介质和设备。
背景技术
目前，在滤波器建模参数提取过程中，原始S参数包含输入、输出高阶模的色散效应以及测试系统的和端口本身的相移，会造成参考相位面与滤波器理想电路模型不一致，因此影响滤波器耦合矩阵提取的精确度及进一步滤波器优化设计。
现有技术通过对实际加载物理结构的相移与时延进行曲线多项式拟合来确定加载相位移除量，但由于实际加载相位值很小，该方法提取精度不理想。另外，现有技术中还有通过优化的方法对相移量进行迭代调整，使移除相移量后的计算值与真实值接近，但由于优化目标函数不理想导致得到的优化结果存在较大差异，即相同去加载情况下导纳参数变换的S参数和滤波器耦合矩阵变换的S参数存在不合理的差异，因此也不能实现较好的去相位加载。
发明内容
本申请提供一种滤波器S参数去相位加载方法、系统、介质和设备，该方法通过建立稳定的去相位加载方法，结合智能优化算法，实现了微波滤波器建模提参时移相因子的全局最优解。使得原始S参数去相位加载满足滤波器提取建模的多属性约束条件，使得算法更加稳定，计算精度更高。
本申请的实施例通过如下方式实现：
一种滤波器S参数去相位加载方法包括：
根据滤波器原始散射参数Sm和各组移相因子对(αpβp)分别计算去相位加载后的第一散射参数
Figure BDA0002267365600000021
其中p＝1,...,Np，Np代表遗传种群初始化的基因对的个数；
将所述第一散射参数
Figure BDA0002267365600000022
在归一化导纳参数Y0下转换为第一导纳参数
Figure BDA0002267365600000023
并采用有理函数和矢量拟合算法对所述第一导纳参数
Figure BDA0002267365600000024
进行矢量拟合，得到第二导纳参数Yq′；将所述第二导纳参数Yq′转换成第二散射参数
Figure BDA0002267365600000025
其中
Figure BDA0002267365600000026
Yq′在有限精度内逼近
Figure BDA0002267365600000027
N表示滤波器理想电路模型的阶数，s＝jω，ω是滤波器归一化频率，K0是有理函数常数项，r是留数，λ是极点，k表示有理函数的阶数，k＝1、2,...,N；有限精度指的是小于等于1×10-3；
根据所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M；将所述耦合矩阵M转换成第三散射参数
Figure BDA0002267365600000028
提取所述第二散射参数
Figure BDA0002267365600000029
中的
Figure BDA00022673656000000210
所述第三散射参数
Figure BDA00022673656000000211
中的
Figure BDA00022673656000000212
Figure BDA00022673656000000213
与对应的所述第一散射参数
Figure BDA00022673656000000214
建立综合评价函数obj(αβ)；其中，
Figure BDA00022673656000000215
根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)。有益效果：基于该综合评价函数，可以保证优化过程中移相因子对(αβ)满足同时向理论导纳参数和理论耦合矩阵的方向逼近，进而快速寻找到最接近理论值的移相因子对(αβ)。
优选的，所述各组移相因子对(αpβp)是在移相因子α和β分别设定的范围值内，通过对所述移相因子α和β随机初始化得到；其中，α为加载常数项，包含输入、输出端口引入的高阶模；β为加载传输线等效电长度，包含输入和输出端口的传输线引入相移。有益效果：通过分别设定移相因子α和β的随机初始化范围，可以缩小参数寻优空间，提高遗传算法的收敛速度，快速求解到最接近理论值的移相因子对(αβ)。
优选的，所述根据滤波器原始散射参数Sm和各组移相因子对(αpβp)分别计算去相位加载后的第一散射参数
Figure BDA0002267365600000031
其具体计算过程为：
Figure BDA0002267365600000032
其中，fs表示采样频率、
Figure BDA0002267365600000033
有益效果：移相因子对(αpβp)计算出第一散射参数
Figure BDA0002267365600000034
可以提高遗传算法初始化时样本空间的多样性，避免优化过程中陷入局部最优，同时移相因子对(αpβp)综合代表了滤波器的额外引入相位，保证了最终求得的最接近理论值的移相因子对(αβ)可以有效去除滤波器的相位加载。
优选的，所述根据第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M，其具体过程为：
Figure BDA0002267365600000035
Figure BDA0002267365600000036
Mkk＝-λk
其中，r21k和r22k分别表示第一或第二导纳参数中Y21和Y22对应的有理函数的第k阶留数，λk表示第k级极点。
MLk耦合矩阵M的最后一行的第k个元素，MSk相应为第一行第k个元素，Mkk为对角线元素。
优选的，将所述耦合矩阵M转换成第三散射参数
Figure BDA0002267365600000037
其具体转换过程为：
Figure BDA0002267365600000041
其中，R1，RN是归一化源负载阻抗；Z＝ωU-jR+M；ω是归一化频率，U是单位阵；R是N×N的矩阵，除元素R11＝R1，RN1＝RN以外，其余元素为零。
优选的，利用如下公式：
Figure BDA0002267365600000042
可建立综合评价函数obj(αβ)。有益效果：采用误差平方和的形式保证了综合评价函数的值始终为非负，使算法收敛指标更易计算，提升计算效率；同时保证优化过程中移相因子对(αβ)满足同时向理论导纳参数和理论耦合矩阵的方向逼近，进而快速寻找到最接近理论值的移相因子对(αβ)。
优选的，根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)的具体过程为：
当综合评价函数obj(αβ)满足工程精度ε时，即obj(αβ)≤ε，则判定对应的移相因子对(αβ)为最接近理论值的移相因子对；
当综合评价函数obj(αβ)不满足工程精度ε时，即obj(αβ)＞ε，调整移相因子α和β，重复上述步骤，直到综合评价函数obj(αβ)满足工程精度；其中，ε根据工程精度需求取值，一般不大于1×10-3。有益效果：可根据实际工程精度需求方便改变ε的值，快速计算出在不同精度需求下的最接近理论值的移相因子对(αβ)。
一种滤波器S参数去相位加载系统包括：
第一散射参数
Figure BDA0002267365600000043
计算模块，用于根据滤波器原始散射参数Sm和各组移相因子对(αpβp)分别计算去相位加载后的第一散射参数
Figure BDA0002267365600000044
其中p＝1,...,Np，Np代表遗传种群初始化的基因对的个数；
第二散射参数
Figure BDA0002267365600000051
计算模块，用于将所述第一散射参数
Figure BDA0002267365600000052
在归一化导纳参数Y0下转换为第一导纳参数
Figure BDA0002267365600000053
并采用有理函数和矢量拟合算法对所述第一导纳参数
Figure BDA0002267365600000054
进行矢量拟合，得到第二导纳参数Yq′；将所述第二导纳参数Yq′转换成第二散射参数
Figure BDA0002267365600000055
其中
Figure BDA0002267365600000056
Yq′在有限精度内逼近
Figure BDA0002267365600000057
N表示滤波器理想电路模型的阶数，s＝jω，ω是滤波器归一化频率，K0是有理函数常数项，r是留数，λ是极点，k表示有理函数的阶数，k＝1、2,...,N；有限精度指的是小于等于1×10-3；
第三散射参数
Figure BDA0002267365600000058
计算模块，用于根据所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M；将所述耦合矩阵M转换成第三散射参数
Figure BDA0002267365600000059
综合评价函数obj(αβ)建立模块，用于提取所述第二散射参数
Figure BDA00022673656000000510
中的
Figure BDA00022673656000000511
所述第三散射参数
Figure BDA00022673656000000512
中的
Figure BDA00022673656000000513
与对应的所述第一散射参数
Figure BDA00022673656000000514
建立综合评价函数obj(αβ)；其中，
Figure BDA00022673656000000515
根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)。
一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述方案1至8任一项所述的滤波器S参数去相位加载方法。
一种滤波器S参数去相位加载设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述方案1至8任一项所述的滤波器S参数去相位加载方法。有益效果：在不需要对滤波器额外加载相位进行深入复杂的物理分析的情况下，可基于本方法中的算法充分利用计算机资源快速求得满足工程精度的最接近理论值的移相因子对(αβ)，算法稳定可靠；使用简单，仅需对提取的滤波器S参数设定移相因子对(αβ)初始化范围和相应的求解精度，即可通过本方法计算给出最优值。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为滤波器S参数去相位加载方法的流程示意图。
图2为原始滤波器和用移相因子进行去相位加载后滤波器的的S11对比图；
图3为原始滤波器和用移相因子进行去相位加载后滤波器的的S21对比图；
图4为去相位加载前后S21相位对比图；
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
相关说明：
1、本实施例中，定义移相因子α和β，作为遗传算法中用于优化的变量；
2、优化完成后，将原始滤波器和用移相因子进行去相位加载后滤波器的反射系数S11和插损系数S21在频率上的曲线绘于一起，分别如图2和图3。其中，通过矢量拟合得到的Yq′参数转换成第二散射参数
Figure BDA0002267365600000061
—Y2S与提取极点留数得到耦合矩阵M再转换成S参数—M2S，均在工程精度内逼近直接去加载的第一散射参数
Figure BDA0002267365600000071
参数，可以满足提取理想滤波模型的极点和留数的精度要求，去相位加载前后，插损系数S21的相位对比如图4，可见Y2S和M2S的相位与直接去加载后一致，且对原始Sm参数相位有明显移除。进而提取极点留数如表1所示，留数仅有实部(虚部远小于实部)，极点仅有虚部(实部远小于虚部)。可见采用本发明提供的方法去相位加载效果理想。
表1去相位加载后提取的五阶滤波器有理函数极点留数
阶数k 1 2 3 4 5
反射参数留数RS<sub>11</sub> 0.0845 0.1559 0.1037 0.1694 0.1413
插损留数RS<sub>21</sub> 0.0839 -0.1556 0.1041 -0.1705 0.1409
极点P 1.4463i 0.7075i 1.4719i 0.2654i 0.4041i
实施例一：本发明的方法流程，参照图1，包括：
步骤S1，根据滤波器原始散射参数Sm和各组移相因子对(αpβp)分别计算去相位加载后的第一散射参数
Figure BDA0002267365600000072
其中p＝1,...,Np；
步骤S2，将所述第一散射参数
Figure BDA0002267365600000073
在归一化导纳参数Y0下转换为第一导纳参数
Figure BDA0002267365600000074
并采用有理函数和矢量拟合算法对所述第一导纳参数
Figure BDA0002267365600000075
进行矢量拟合，得到第二导纳参数Yq′；将所述第二导纳参数Yq′转换成第二散射参数
Figure BDA0002267365600000076
在本实施例中，步骤S2的具体过程为：
步骤S21，所述第一散射参数
Figure BDA0002267365600000077
在归一化导纳参数Y0下，利用如下公式转换为第一导纳参数
Figure BDA0002267365600000078
Figure BDA0002267365600000079
其中，Y0＝1、
Figure BDA00022673656000000710
步骤S22，在上述基础上，再利用如下公式，对所述第一导纳参数
Figure BDA0002267365600000081
进行矢量拟合，得到第二导纳参数Yq′。
Figure BDA0002267365600000082
Yq′在有限精度内逼近
Figure BDA0002267365600000083
其中，N表示滤波器理想电路模型的阶数，s＝jω，ω是滤波器归一化频率，K0是有理函数常数项，r是留数，λ是极点，k表示有理函数的阶数，k＝1、2,...,N；有限精度指的是小于等于1×10-3；本实施例中，其阶数为5阶，由于无耗，故K0＝0，s＝jω，ω是滤波器归一化频率，归一化时频率带宽为2GHz，边带分别为7GHz和9GHz。
步骤S23，通过如下公式，将第二导纳参数Yq′转换成第二散射参数
Figure BDA0002267365600000084
Figure BDA0002267365600000085
其中，Y0＝1、
Figure BDA0002267365600000086
步骤S3，根据所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M；将所述耦合矩阵M转换成第三散射参数
Figure BDA0002267365600000087
步骤S4，分别提取所述第二散射参数
Figure BDA0002267365600000088
中的
Figure BDA0002267365600000089
所述第三散射参数
Figure BDA00022673656000000810
中的
Figure BDA00022673656000000811
与对应的所述第一散射参数
Figure BDA00022673656000000812
建立综合评价函数obj(αβ)；其中，
Figure BDA00022673656000000813
步骤S5，根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)；
实施例二：在实施例一基础上，各组移相因子对(αpβp)是在移相因子α和β分别设定的范围值内，通过对所述移相因子α和β随机初始化得到；其中，α为加载常数项，包含输入、输出端口引入的高阶模；β为加载传输线等效电长度，包含输入和输出端口的传输线引入相移。
在本实施例中，限定的α初始化范围为π·[0.9,1.1],β的初始化范围为π·[0,0.25],另外，移相因子α和β包含的滤波器输入、输出端相位加载参数具体为：
Figure BDA0002267365600000091
Figure BDA0002267365600000092
其中，
Figure BDA0002267365600000093
是高阶模引入的与频率无关的常数项，θ是传输线引入的等效电长度，f0是中心频率，角标1、2分别表示输入端和输出端。
应当可以理解的是，当p＝1,...,p，各组移相因子对(αpβp)实际表示(α1β1)，...，(αpβp)。
实施例三，在实施例一和二基础上，根据Sm和各组移相因子对(αpβp)，分别利用如下公式可以计算出相对应的去相位加载后的第一散射参数
Figure BDA0002267365600000094
Figure BDA0002267365600000095
其中，
Figure BDA0002267365600000096
表示滤波器原始散射参数；fs表示采样频率。
应当可以理解的是，当滤波器为对称互易结构时，四个S参数的移相因子分别相等，即计算相位移除量时，只要某一个S参数准确去加载，则其余S参数在相同移相因子处理下也均准确去相位加载；否则优化过程中将各S参数的移相因子独立优化变量进行计算。
实施例四，在实施例一至三基础上，通过所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M，其具体过程为：
Figure BDA0002267365600000101
Figure BDA0002267365600000102
Mkk＝-λk
其中，r22和r21分别表示第一或第二导纳参数中Y21和Y22对应的有理函数的留数，λ表示极点，角标k表示阶数，k＝1、2,...,N。
实施例五，在实施例一至四基础上，上述耦合矩阵M利用如下计算转换成第三散射参数
Figure BDA0002267365600000103
其具体过程为：
Figure BDA0002267365600000104
其中，R1，RN时归一化源负载阻抗，Z＝ωU-jR+M，ω是归一化频率，U是单位阵，R是N×N的零阵，除元素R11＝R1，RN1＝RN以外。
实施例六，在实施例一至五基础上，选取第二散射参数
Figure BDA0002267365600000105
中的
Figure BDA0002267365600000106
所述第三散射参数
Figure BDA0002267365600000107
中的
Figure BDA0002267365600000108
与对应的所述第一散射参数
Figure BDA0002267365600000109
作为评价标准，可以通过如下公式：
Figure BDA00022673656000001010
建立综合评价函数obj(αβ)。当(αpβp)值越接近实际值时，综合评价函数obj(αβ)的值越小，反之越大。
实施例七，在实施例一至六基础上，根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对(αβ)的具体过程为：
当综合评价函数obj(αβ)满足工程精度时，则判定对应的移相因子对(αβ)为最接近理论值的移相因子对；
当综合评价函数obj(αβ)不满足工程精度时，通过筛选、交叉、变异等步骤调整移相因子α和β，重复步骤S1至步骤S4，多次进化迭代，当综合评价函数obj(αβ)满足工程精度时，得到接近理论值的移相因子对(αβ)。
应当理解的是，利用上述优化完成的移相因子对(αβ)能够使得通过导纳参数Yq′和耦合矩阵M各自变换的第二散射参数
Figure BDA0002267365600000111
第三散射参数
Figure BDA0002267365600000112
均一致，并且与对应移相因子对(αβ)直接去相位加载的
Figure BDA0002267365600000113
也应当一致。在本实施例中，当α＝3.1434、β＝0.1541时，为最接近理论值的最优值。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (7)

1.一种滤波器S参数去相位加载方法，其特征在于，包括：
根据滤波器原始散射参数Sm和各组移相因子对αpβp分别计算去相位加载后的第一散射参数
Figure FDA0003897565260000011
Figure FDA0003897565260000012
将所述第一散射参数
Figure FDA0003897565260000013
在归一化导纳参数Y0下转换为第一导纳参数
Figure FDA0003897565260000014
并采用有理函数和矢量拟合算法对所述第一导纳参数
Figure FDA0003897565260000015
进行矢量拟合，得到第二导纳参数Yq′；将所述第二导纳参数Yq′转换成第二散射参数
Figure FDA0003897565260000016
其中
Figure FDA0003897565260000017
Yq′在有限精度内逼近
Figure FDA0003897565260000018
根据所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M；将所述耦合矩阵M转换成第三散射参数
Figure FDA0003897565260000019
提取所述第二散射参数
Figure FDA00038975652600000110
中的
Figure FDA00038975652600000111
所述第三散射参数
Figure FDA00038975652600000112
中的
Figure FDA00038975652600000113
Figure FDA00038975652600000114
与对应的所述第一散射参数
Figure FDA00038975652600000115
建立综合评价函数obj(αβ)；其中，
Figure FDA00038975652600000116
根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子α和β；
Figure FDA00038975652600000117
其中，所述各组移相因子对αpβp是在移相因子α和β分别设定的范围值内，通过对所述移相因子α和β随机初始化得到；α为加载常数项，包含输入、输出端口引入的高阶模；β为加载传输线等效电长度，包含输入和输出端口的传输线引入相移；fs表示采样频率、
Figure FDA00038975652600000118
p＝1,...,Np，Np代表遗传种群初始化的基因对的个数；N表示滤波器理想电路模型的阶数，k表示有理函数的阶数序号，k＝1、2,...,N，s＝jω，ω是滤波器归一化频率，K0是有理函数常数项，r11k是Y11对应有理函数的第k阶留数，r12k是Y12对应有理函数的第k阶留数，r21k是Y21对应有理函数的第k阶留数，r22k是Y22对应有理函数的第k阶留数，λk是有理函数第k阶极点。
2.如权利要求1所述的一种滤波器S参数去相位加载的方法，其特征在于根据第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M，其具体过程为：
Figure FDA0003897565260000021
Figure FDA0003897565260000022
Mkk＝-λk
其中，r21k和r22k分别表示第二导纳参数中Y21和Y22对应的有理函数的第k阶留数，λk表示第k阶极点；
MLk耦合矩阵M的最后一行的第k个元素，MSk相应为第一行第k个元素，Mkk为对角线元素。
3.如权利要求1所述的一种滤波器S参数去相位加载的方法，其特征在于将耦合矩阵M转换成第三散射参数
Figure FDA0003897565260000023
其具体转换过程为：
Figure FDA0003897565260000024
其中，R1，RN是归一化源负载阻抗；Z＝ωU-jR+M；ω是归一化频率，U是单位阵；R是N×N的矩阵，除元素R11＝R1，RN1＝RN以外，其余元素为零。
4.如权利要求1所述的一种滤波器S参数去相位加载的方法，其特征在于根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子对αp和βp的具体过程为：
当综合评价函数obj(αβ)满足工程精度ε时，即obj(αβ)≤ε，则判定对应的移相因子α和β为最接近理论值的移相因子；
当综合评价函数obj(αβ)不满足工程精度ε时，即obj(αβ)＞ε，调整移相因子α和β，重复上述步骤，直到综合评价函数obj(αβ)满足工程精度；其中，ε根据工程需求取值，ε不大于1×10-3。
5.一种滤波器S参数去相位加载系统，其特征在于，包括：
第一散射参数
Figure FDA0003897565260000031
计算模块，用于根据滤波器原始散射参数Sm和各组移相因子对αp和βp分别计算去相位加载后的第一散射参数
Figure FDA0003897565260000032
Figure FDA0003897565260000033
其中，所述各组移相因子对αp和βp是在移相因子α和β分别设定的范围值内，通过对所述移相因子α和β随机初始化得到；α为加载常数项，包含输入、输出端口引入的高阶模；β为加载传输线等效电长度，包含输入和输出端口的传输线引入相移；fss表示采样频率、
Figure FDA0003897565260000034
p＝1，...，Np，Np代表遗传种群初始化的基因对的个数；
第二散射参数
Figure FDA0003897565260000035
计算模块，用于将所述第一散射参数
Figure FDA0003897565260000036
在归一化导纳参数Y0下转换为第一导纳参数
Figure FDA0003897565260000037
并采用有理函数和矢量拟合算法对所述第一导纳参数
Figure FDA0003897565260000038
进行矢量拟合，得到第二导纳参数Yq′；将所述第二导纳参数Yq′转换成第二散射参数
Figure FDA0003897565260000039
其中
Figure FDA00038975652600000310
Yq′在有限精度内逼近
Figure FDA00038975652600000311
其中，N表示滤波器理想电路模型的阶数，k表示有理函数的阶数序号，k＝1、2，...，N，s＝jω，ω是滤波器归一化频率，K0是有理函数常数项，r11k是Y11对应有理函数的第k阶留数，r12k是Y12对应有理函数的第k阶留数，r21k是Y21对应有理函数的第k阶留数，r22k是Y22对应有理函数的第k阶留数，λk是有理函数第k阶极点；
第三散射参数
Figure FDA0003897565260000041
计算模块，用于根据所述第二导纳参数Yq′中Y21和Y22矢量拟合的极点留数，得到耦合矩阵M；将所述耦合矩阵M转换成第三散射参数
Figure FDA0003897565260000042
综合评价函数obj(αβ)建立模块，用于提取所述第二散射参数
Figure FDA0003897565260000043
中的
Figure FDA0003897565260000044
所述第三散射参数
Figure FDA0003897565260000045
中的
Figure FDA0003897565260000046
与对应的所述第一散射参数
Figure FDA0003897565260000047
建立综合评价函数obj(αβ)；其中，
Figure FDA0003897565260000048
用于根据所述综合评价函数obj(αβ)，找到最接近理论值的移相因子α和β；其中
Figure FDA0003897565260000049
6.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的滤波器S参数去相位加载方法。
7.一种滤波器S参数去相位加载设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述的滤波器S参数去相位加载方法。
CN201911092774.0A 2019-11-11 2019-11-11 一种滤波器s参数去相位加载方法、系统、介质和设备 Active CN110781609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911092774.0A CN110781609B (zh) 2019-11-11 2019-11-11 一种滤波器s参数去相位加载方法、系统、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911092774.0A CN110781609B (zh) 2019-11-11 2019-11-11 一种滤波器s参数去相位加载方法、系统、介质和设备

Publications (2)

Publication Number Publication Date
CN110781609A CN110781609A (zh) 2020-02-11
CN110781609B true CN110781609B (zh) 2022-11-22

Family

ID=69390567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911092774.0A Active CN110781609B (zh) 2019-11-11 2019-11-11 一种滤波器s参数去相位加载方法、系统、介质和设备

Country Status (1)

Country Link
CN (1) CN110781609B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417794B (zh) * 2020-12-04 2024-03-08 深圳华大九天科技有限公司 一种散射参数计算方法
CN112986747B (zh) * 2021-05-08 2021-10-12 华南理工大学 等效电路参数的生成方法、多工器去载方法、装置
CN113270707A (zh) * 2021-06-01 2021-08-17 苏州芯迈智能科技有限公司 一种介质滤波器的智能辅助调试方法及装置
CN114818580B (zh) * 2022-06-27 2022-10-18 华南理工大学 滤波器件等效电路提取方法及系统、参数重构方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619952A (zh) * 2003-11-18 2005-05-25 电子科技大学 滤波器中交叉耦合的设计与制备方法
CN101365953A (zh) * 2006-01-09 2009-02-11 Nxp股份有限公司 用于确定非线性特性的方法和装置
CN109063374A (zh) * 2018-08-31 2018-12-21 中国地质大学（武汉） 一种基于参数优化的耦合矩阵提取方法、设备及存储设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201513395D0 (en) * 2015-07-30 2015-09-16 Europ Agence Spatiale Multiport distribution network

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619952A (zh) * 2003-11-18 2005-05-25 电子科技大学 滤波器中交叉耦合的设计与制备方法
CN101365953A (zh) * 2006-01-09 2009-02-11 Nxp股份有限公司 用于确定非线性特性的方法和装置
CN109063374A (zh) * 2018-08-31 2018-12-21 中国地质大学（武汉） 一种基于参数优化的耦合矩阵提取方法、设备及存储设备

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
EXTRACTING COUPLING MATRIX AND UNLOAD Q FROM SCATTERING PARAMETERS OF LOSSY FILTERS;R. Wang et al;《Progress In Electromagnetics Research》;20110405;第115卷;第303-315页 *
基于MATLAB的腔体滤波器耦合矩阵诊断调试;姚远等;《电子元件与材料》;20161230;第第36卷卷(第01期);第44-47页 *
基于遗传优化与矢量拟合的滤波器参数提取;蒋廷利 等;《压电与声光》;20150815;第37卷(第4期);第701-706页 *
多模馈电网络阻抗变换器三端口网络参数的获取;杜晓燕等;《信息工程大学学报》;20080315;第第9卷卷(第01期);第53-58页 *
用周期Green函数方法全面提取耦合模式模型参量;林基明 等;《中国科学》;20030420;第33卷(第4期);第357-364页 *
矢量拟合法在滤波器参数提取中的应用;董坤坤等;《空间电子技术》;20100625(第02期);第96-101页 *
非合作无源探测系统接收机设计;刘志强等;《数据采集与处理》;20080515;第第23卷卷(第03期);第372-376页 *

Also Published As

Publication number Publication date
CN110781609A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
CN110781609B (zh) 一种滤波器s参数去相位加载方法、系统、介质和设备
CN111832195B (zh) 一种微带直接耦合滤波器的建模与智能设计方法
Giordano et al. An improved method for Wiener–Hammerstein system identification based on the fractional approach
Benoist Natural parametrization of SLE: the Gaussian free field point of view
Victor et al. System identification of MISO fractional systems: parameter and differentiation order estimation
CN106372348B (zh) 一种线性系统中基于误差控制的矢量拟合模型降阶方法
Caenepeel et al. Efficient and automated generation of multidimensional design curves for coupled-resonator filters using system identification and metamodels
CN114239698A (zh) 数据处理方法、装置及设备
Berthon Why the MUSCL–Hancock Scheme is L 1-stable
CN111832213B (zh) 一种基于混合寻优算法的滤波器耦合矩阵解耦变换方法
Mohammed et al. Design and optimization of microwave coaxial bandpass filter based on cauchy method and aggressive space mapping technique
Panayirci Efficient solution for Galerkin-based polynomial chaos expansion systems
CN115524658B (zh) 电能表运行误差确定方法及装置
CN108108557B (zh) 基于矢量匹配法的nport问题自适应拟合与仿真方法
Li et al. Maximum matchings in scale-free networks with identical degree distribution
CN115422499A (zh) 基于有理式拟合与矩阵变换的耦合矩阵提取方法及设备
Amouzad Mahdiraji et al. A new method for simplification and reduction of state estimation’s computational complexity in stability analysis of power systems
CN108416164A (zh) 基于有限数目温度传感器的三维片上网络温度重建系统
CN113536567A (zh) 一种用于多目标矢量拟合的方法
CN111062157B (zh) 基于概率不确定性的残余力向量损伤识别方法
CN101663587A (zh) 用于表征电气部件的线性特性的频率相关性的迭代方法
Na et al. Recent advances in automated multilayer ANN model generation for microwave components
CN113505827B (zh) 一种机器学习分类方法
Waclaw et al. Counting metastable states of Ising spin glasses on arbitrary graphs
CN115577623A (zh) 一种耦合矩阵提取方法、装置、设备及应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant