CN114297922A

CN114297922A - 基于贝叶斯优化的多倍频程功率放大器设计方法

Info

Publication number: CN114297922A
Application number: CN202111601660.1A
Authority: CN
Inventors: 蔡佳林; 郭佳
Original assignee: Hangzhou Dianzi University
Current assignee: Hangzhou Dianzi University
Priority date: 2021-12-24
Filing date: 2021-12-24
Publication date: 2022-04-08

Abstract

本发明公开了基于贝叶斯优化的多倍频程功率放大器设计方法，构建新的采集函数，使用贝叶斯优化算法进行多倍频程功率放大器的设计。通过数据训练，模型拟合，预测点分类，以及采样等过程获得一组最优的参数，作为功率放大器系数。应用本方法，使得PA在较短的优化时间内获得了可观的性能。在0.6‑2.8GHz范围内，功率放大器的输出功率大于40.3dBm，PAE大于62％，增益大于10.3dB。本发明首次将采集函数CG‑GPUCB作为采集函数构成贝叶斯优化算法应用到PA电路的优化中，克服了优化时间长的缺点，在较短的优化时间内，设计得到的PA在输出功率，功率附加效率，增益等均符合指标要求的条件下，具备更宽的带宽。

Description

基于贝叶斯优化的多倍频程功率放大器设计方法

技术领域

本发明属于射频功率放大器设计领域，具体涉及基于贝叶斯优化算法的多倍频程功率放大器的设计方法。

背景技术

目前，无线通信技术正朝着宽频带，多载波方向发展。射频功率放大器作为无线通信系统的关键模块以及主要耗能元件，提高其性能变得越来越重要。如室内宽带无线通信系统,要求功率放大器具备较宽的带宽，同时在输出功率，效率，增益等方面也达到可观的指标。为满足新的通信系统对功率放大器带宽的需求，研究者已经提出很多设计方法。如连续模式的功率放大器，谐波调谐的功率放大器等。

应用这些技术，多倍频程功率放大器也被成功设计。然而，采用上述方法设计得到的功率放大器，其结构都相对比较复杂，而复杂的结构会导致后续的优化过程变得非常困难。因此，选择一种合适的优化方法，对于成功设计高性能的宽带功率放大器十分重要。目前，自动电路优化处理器被广泛应用于优化设计中，如Advance Design System(ADS)。不可否认的是，自动优化器在优化滤波器以及天线等无源电路时，其优化效果是令人满意的。然而，ADS优化器在优化有源电路时，如功率放大器电路，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。

发明内容

针对现有技术的不足，本发明提出了一种新的采集函数即聚类分析引导的-高斯过程上限置信度(CG-GPUCB)构成的贝叶斯优化算法，来优化功率放大器电路。在原有贝叶斯优化算法的基础上，对其采集函数做了改进，使得优化时间进一步缩短，提高了优化效率，设计得到的功率放大器在带宽方面有了明显的提升。

基于贝叶斯优化的多倍频程功率放大器设计方法，具体包括以下步骤：

步骤一、获取晶体管最优阻抗匹配区域

在特定输入功率以及频带范围内，获取满足输出功率、功率附加效率等性能要求的晶体管对应的最优阻抗匹配区域。

步骤二、搭建偏置网络，稳定网络，以及阻抗匹配网络构成初始功率放大器电路。

在特定频率下，设计由1/4波长传输线构成的偏置网络，搭建稳定网络来保证晶体管的正常工作，并根据最优阻抗匹配点设计合适的阻抗匹配电路。

步骤三、应用以CG-UCB作为采集函数构成的贝叶斯优化算法，对步骤二得到的初始功率放大器电路进行优化。

s3.1获取训练数据

以初始功率放大器电路中微带线的参数作为初始输入参数。在初始输入参数附近进行采样，获得多组输入参数，将多组输入参数送入ADS中，设置目标函数，通过仿真获取多组输入参数对应的目标值。将输入参数与对应的目标值组成训练数据。

s3.2模型训练

采用概率代理模型，对s3.1得到的训练数据进行训练以及预测，计算每个预测点对应的后验均值与后验方差，从而对电路模型进行拟合。

作为优选，所述概率代理模型为高斯过程回归模型。

s3.3对预测点进行分类以及采样

通过聚类分析算法对s3.2得到的预测点进行分类，在分类后得到的最优预测集中进行采样，得到采样点对应的输入参数以及预测值。并将采样点对应的输入参数导入到ADS中进行电路仿真，获取采样点对应的实际输出值。再将这一组采样点对应的输入参数和实际输出值组成新的训练数据送入MATLAB中对概率代理模型进行更新。

s3.4重复步骤s3.1～s3.3，直到迭代过程结束，得到优化后的功率放大器的电路参数。

本发明具有以下有益效果：

1、采用新的采集函数构成的优化算法在优化效率上有了进一步提升。

2、该方法设计得到的功率放大器的有效带宽更宽，在多倍频程范围内，其输出功率、功率附加效率以及增益均符合要求。

附图说明

图1为实施例中晶体管最优负载阻抗匹配区域图；

图2为实施例设计的功率放大器初始拓扑图；

图3为实施例中本方法优化过程示意图；

图4为实施例得到不同的功率放大器示意图；

图5为实施例得到不同的功率放大器实测试数据对比图；

具体实施方式

以下结合附图对本发明作进一步的解释说明；

基于贝叶斯优化的多倍频功率放大器设计，具体包括以下步骤：

步骤一、获取晶体管最优阻抗匹配区域

在偏置为V_gs＝-2.7V,V_ds＝28V,输入功率为30dBm的条件下，扫描在0.6GHz-3.0GHz频率范围内，晶体管满足输出功率大于40dBm，功率附加效率大于60％，增益大于10dB的输出阻抗区域图，如图1所示。

步骤二、搭建偏置网络、稳定网络以及匹配网络构成初始功率放大器电路。

为了实现射频扼流，偏置电路采用1/4波长阻抗变换线，所取的中心频率为1.8GHz。由于在工作频带内，晶体管不能保证持续稳定，因此需要搭建稳定网络。在PA中加入了一个电阻与电容并联组成的稳定网络，使得该网络只对低频段有衰减作用，而对高频段影响不大。根据牵引得到的最优阻抗点，采用阶梯阻抗变换结构，设计了初始阻抗匹配网络。将偏置电路、稳定网络和阻抗匹配电路进行组合，得到的功率放大器的初始拓扑结构如图2所示。

步骤三、以CG-CGUCB构成的贝叶斯优化算法对初始PA电路进行优化

3.1获取训练数据。

如图3所示，将初始PA中微带线的值作为初始参数，随后在MATLAB中采用拉丁超立方抽样方法在初始点附近采样，获得测试集。在测试集中随机选择50组数据，即50组微带线的长宽数值，将其导入ADS中。通过仿真获得由不同参数构成的功率放大器在0.6GHz-3.0GHz频率范围内，对应的基波输出功率P_out的均方根Y₁、功率附加效率PAE的均方根Y₂，将50组输入参数X以及对应的目标函数Y作为训练数据中导入MATLAB中。

其中，n为频率点个数，f表示频率。

3.2模型训练

目标函数Y与输入参数X之间的关系为：

可以视为一个黑箱函数。其中w代表权重向量，上标T表示转置。

采用贝叶斯定理，通过模型训练获取后验均值与后验方差，从而实现模型预测：

D_1:t代表训练数据，P(f(x)|D_1:t)表示后验概率，P(D_1:t|f(x))表示似然函数，P(f(x))表示先验概率，P(D_1:t)表示训练数据点的概率。

本实施例中选择高斯过程回归模型作为概率代理模型，在高斯过程回归模型的预测中，关键步骤为计算后验均值与后验方差。

3.3对预测点进行分类以及采样

a.用k-means聚类算法将3.2得到的预测集点在μ-σ平面上分为k类。

b.将每一类数据点中质心对应的σ轴截距最大的点所在的类作为最佳聚类C_i*。

c.在最佳聚类中采样，并在ADS中对采样点进行仿真，本方法改进的采集函数CG-GPUCB如公式(6)所示：

其中，X_t+1表示采样点，μ_t(x)表示预测数据点的均值，σ_t(x)表示预测数据点的方差，β_t表示权衡系数。

3.4重复3.1～3.3，迭代20次后，得到本方法优化后的功率放大器的电路参数。

步骤四、对步骤二得到的初始功率放大器分别通过ADS进行自动优化以及采用以EI*PI构成的贝叶斯优化算法进行优化。

4.1对初始功率放大器电路使用ADS自动优化处理器对其进行优化。设置对应的工作频带为0.6GHz-3.0GHz。优化目标为基波输出功率大于40dBm，功率附加效率大于60％。

4.2对初始功率放大器电路采用由EI*PI作为采集函数构成的贝叶斯优化算法对其进行优化。在优化过程中，将步骤3.3中采集函数变为EI*PI,且省略对预测集分类的过程，该采集函数采样范围为所有的预测集。其余步骤均与步骤三一致。

步骤五、实物测试与对比分析

在罗杰斯RO4350基片上进行加工,得到如图4所示的功率放大器。其中(a)、(b)、(c)、(d)分别为没有优化过的初始功率放大器、采用ADS自动优化方法设计得到的功率放大器、采用EI*PI作为采集函数构成的贝叶斯优化算法设计得到的功率放大器，以及采用本方法设计得到的功率放大器。

分别对加工后的功率放大器测试其基波输出功率、功率附加效率、增益，测试结果如图5(a)、(b)、(c)所示。由图5可知，与初始参数设计得到的功率放大器相比，优化后的功率放大器在基波输出功率、功率附加效率以及增益等方面都有明显的提升。具体的，初始功率放大器电路在0.6GHz-1.8GHz频带内，输出功率在38.8dBm以上，功率附加效率在50.1％以上，增益大于8.8dB.经过ADS自动优化后的功率放大器在带宽为1.5GHz范围内，其输出功率均大于40.2dBm，功率附加效率均大于60％，增益均大于10.2dB，但是该方法所需的优化时间较长，优化效率较低。如表1所示，采用贝叶斯优化算法设计得到的功率放大器与ADS自动优化相比，其优化时间明显缩短。

表1

采用本申请的优化方法优化得到的功率放大器与另一种采集函数构成的贝叶斯优化算法设计得到的功率放大器相比，其有效带宽拓宽了800MHz，且优化时间也明显缩短，这证明本方法对于功率放大器电路的优化是有效的，且其性能较好。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。

Claims

1.基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：该方法包括以下步骤：

应用以CG-CGUCB作为采集函数构成的贝叶斯优化算法，对初始功率放大器电路进行优化；

步骤一、获取训练数据

以初始功率放大器电路中微带线的参数作为初始输入参数；在初始输入参数附近进行采样，获得多组输入参数，将多组输入参数送入ADS中，设置目标函数，通过仿真获取多组输入参数对应的目标值；将输入参数与对应的目标值组成训练数据；

步骤二、模型训练

采用概率代理模型，对步骤一中的训练数据进行训练，得到每组输入参数对应的预测点；计算每个预测点对应的后验均值与后验方差，从而对电路模型进行拟合；

步骤三、对预测点进行分类以及采样

通过聚类分析算法对步骤二得到的预测点进行分类，在分类后得到的最优预测集中进行采样，得到采样点对应的输入参数以及预测值；并将采样点对应的输入参数导入到ADS中进行电路仿真，获取采样点对应的实际输出值；再将这一组采用点对应的输入参数和实际输出值组成新的训练数据送入MATLAB中对概率代理模型进行更新；

步骤四、重复步骤一～三，直到迭代过程结束，得到优化后的功率放大器的电路参数。

2.如权利要求1所述的基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：所述概率代理模型为高斯过程回归模型。

3.如权利要求1所述的基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：所述聚类分析算法为k-means聚类算法，将预测点在均值-方差平面上分为k类，将每一类中预测点质心对应的方差轴截距最大的点所在的类作为最优预测集。

4.如权利要求1所述的基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：本方法设计得到一个带宽为0.6～2.8GHz的多倍频程功率放大器。

5.如权利要求1所述的基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：初始功率放大器电路的设计方法包括以下步骤：

s1、获取晶体管最优阻抗匹配区域

在特定输入功率以及频带范围内，获取满足输出功率，功率附加效率等性能要求的晶体管对应的最优阻抗匹配区域；

s2、搭建偏置网络，稳定网络，以及匹配网络构成初始功率放大器电路；

在特定频率下，设计由1/4波长传输线构成的偏置网络，搭建稳定网络，根据最优阻抗匹配点设计合适的匹配电路。

6.如权利要求5所述基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：获取最佳阻抗匹配区域的条件设置为：输入频率为0.6-3.0GHz，偏置条件为Vgs＝-2.7v，Vds＝28v，输入功率为30dBm。

7.如权利要求1～6任一所述基于贝叶斯优化的多倍频程功率放大器设计方法，其特征在于：实现该功率放大器使用的晶体管为Cree公司的10W GaN HEMT晶体管。