CN116031604A - 基于响应特征提取的微波滤波器自动调试方法 - Google Patents
基于响应特征提取的微波滤波器自动调试方法 Download PDFInfo
- Publication number
- CN116031604A CN116031604A CN202211703384.4A CN202211703384A CN116031604A CN 116031604 A CN116031604 A CN 116031604A CN 202211703384 A CN202211703384 A CN 202211703384A CN 116031604 A CN116031604 A CN 116031604A
- Authority
- CN
- China
- Prior art keywords
- matrix
- zero
- debugging
- preset
- coupling
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004044 response Effects 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 116
- 230000008878 coupling Effects 0.000 claims abstract description 66
- 238000010168 coupling process Methods 0.000 claims abstract description 66
- 238000005859 coupling reaction Methods 0.000 claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005304 joining Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 16
- 230000003071 parasitic effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000024241 parasitism Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- 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
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本发明公开了基于响应特征提取的微波滤波器自动调试方法,所述方法包括:设置待调试滤波器的S参数目标值,所述S参数目标值包括S11与S21的目标极点和S11与S21的目标零点;获取所述待调试滤波器的S11与S21的采样值并提取耦合矩阵;根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度;构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标,对所述优化目标进行优化,得到微扰矩阵;根据所述微扰矩阵对有限个物理可调节结构施加调试。本发明用于自动或手动调试微波滤波器的电性能。
Description
技术领域
本发明属于滤波器调试技术领域,尤其涉及基于响应特征提取的微波滤波器自动调试方法。
背景技术
在整个无线通信系统中,微波滤波器有着非常重要的地位,并且广泛应用各种无线通信系统中。微波滤波器在实际生产过程中由于加工误差等非理想因素的影响,其电性能往往与预期性能不一致,所以在使用前需要对滤波器的物理可调节结构进行调试,这一过程过去往往有调试员人工完成,而人工调试效率较低,限制了生产力的提高。
目前常见的计算机辅助调试方法都是基于耦合矩阵理论来实现的,其基本思路是从计算机从矢量网络分析仪或仿真软件中读取滤波器的S参数表达式,然后通过耦合矩阵综合算法提取耦合矩阵,接着将提取的耦合矩阵与目标矩阵进行对比,根据滤波器物理与电磁性质的对应关系确定调试方向和调节量,最后指导机器手或人工完成调试。
基于耦合矩阵的调试策略虽然效率比较高,但是现有调试策略都是建立在物理结构与预设模板相一致的假设上,而滤波器实际物理上往往存在温漂,寄生等非理想因素,现有方法提取的耦合矩阵带有预设拓扑之外的寄生参数,导致金模板失效,无法准确获得下一步的调试方向,同时现有方案没有考虑到机械的误差给调试造成的影响,经常会出现反复调试同一耦合结构的现象,严重影响了调试效率。
发明内容
本发明的目的在于,为克服现有技术缺陷,提供了基于响应特征提取的微波滤波器自动调试方法,可以克服寄生耦合与重复调试对计算机辅助调试过程的影响,提高调试效率。
本发明目的通过下述技术方案来实现:
一种基于响应特征提取的微波滤波器自动调试方法,所述方法包括:
设置待调试滤波器的S参数目标值,所述S参数目标值包括S11与S21的目标极点和S11与S21的目标零点;
获取所述待调试滤波器的S11与S21的采样值并提取耦合矩阵;
根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度;
构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标,对所述优化目标进行优化,得到微扰矩阵;
根据所述微扰矩阵对有限个物理可调节结构施加调试。
进一步的,所述根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度具体包括:
通过计算矩阵束广义特征值得到S11与S21的当前零极点,再通过S11的当前零极点对应的广义特征向量计算预设拓扑元素。
进一步的,所述构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标具体包括:
构造下列平方损失函数C1为:
加入约束项构造的优化目标为:
C=C1+μΣ|Mi,j|;
其中μ表示一个常数,|Mi,j|表示预设拓扑元素的绝对值。
进一步的,所述对所述优化目标进行优化,得到微扰矩阵具体包括:
计算拓扑(i,j)位置的元素Mi,j对损失函数C1的导数;
通过拟牛顿算法,求解C=C1+μΣ|Mi,j|,求解优化后的耦合矩阵M*,然后计算耦合矩阵的微扰矩阵ΔM为
ΔM=M*-M1。
进一步的,所述根据所述微扰矩阵对有限个物理可调节结构施加调试具体包括:
根据所述微扰矩阵的扰动数值调节微扰矩阵中非零位置对应的物理可调节结构。
进一步的,所述方法还包括:
调试结束后,判断滤波器电性能是否满足工程指标,若满足则结束调试,若不满足则重新给出S参数目标值继续调试。
另一方面,本发明还提供了一种滤波器零极点调试装置,所述装置包括:
目标值设置模块,所述目标值设置模块用于设置待调试滤波器的S参数目标值,所述S参数目标值包括S11与S21的目标极点和S11与S21的目标零点;
耦合矩阵提取模块,所述耦合矩阵提取模块用于获取所述待调试滤波器的S11与S21的采样值并提取耦合矩阵;
零极点和梯度获取模块,所述零极点和梯度获取模块用于根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度;
微扰矩阵计算模块,所述微扰矩阵计算模块用于构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标,对所述优化目标进行优化,得到微扰矩阵;
调试模块,所述调试模块用于根据所述微扰矩阵对有限个物理可调节结构施加调试。
另一方面,本发明还提供了一种计算机设备,计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述的任意一种基于响应特征提取的微波滤波器自动调试方法。
另一方面,本发明还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现上述的任意一种基于响应特征提取的微波滤波器自动调试方法。
本发明的有益效果在于:
(1)本发明给出了一种针对零极点的调试方法,该调试方法能够非常高效的调试滤波器回波与带外抑制指标。
(2)本发明对耦合矩阵的零极点提取和逼近过程是通过预设的耦合元素进行的,可以有效解决寄生参数对调试的影响,提高调试效率。
(3)本发明给出了寻找关键耦合元素的方法,实现单次只调节少数几个的物理可调节结构的调试策略,避免重复调试已经调试完成的物理可调节结构,有效减少了调试时间。
附图说明
图1是本发明实施例提供的基于响应特征提取的微波滤波器自动调试方法流程示意图;
图2是本发明实施例耦合矩阵中的寄生参数示意图;
图3是本发明实施例7阶滤波器未进行调试时的S参数响应曲线;
图4是本发明实施例7阶滤波器调试完成后的S参数响应曲线;
图5是本发明实施例提供的滤波器零极点调试装置结构框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有调试策略都是建立在物理结构与预设模板相一致的假设上,而滤波器实际物理上往往存在温漂,寄生等非理想因素,现有方法提取的耦合矩阵带有预设拓扑之外的寄生参数,导致金模板失效,无法准确获得下一步的调试方向,同时现有方案没有考虑到机械的误差给调试造成的影响,经常会出现反复调试同一耦合结构的现象,严重影响了调试效率。
为了解决上述技术问题,提出了本发明基于响应特征提取的微波滤波器自动调试方法的下述各个实施例。
实施例1
参照图1,如图1所示是本实施例提供的基于响应特征提取的微波滤波器自动调试方法流程示意图,该方法具体包括以下步骤:
作为一种实施方式,本实施例预设传输函数零极点的目标值需要通过已经调试成功的滤波器实测结果中获取,或是通过广义切比雪夫综合算法获取。
本实施例中S11与S21指S参数矩阵的元素,S11代表了从1端口反射情况,S21代表了1端口到2端口的传输情况,它们描述了滤波器的滤波性能。
步骤(2):提取的当前滤波器响应的耦合矩阵。具体方法为计算机从矢量网络分析仪中读取调试前状态的S2P格式文件,获得S11和S21的采样值,然后对采样值作低通映射,将采样频率映射至-1到1,然后通过曲线拟合算法将S11和S21采样值转化为S11与S21数学表达式,根据S11与S21数学表达式,通过耦合矩阵综合算法提取耦合矩阵M,M除了具有预设拓扑的耦合外还具有寄生耦合。参照图2,如图2所示是本实施例耦合矩阵中的寄生参数示意图。
步骤(3):根据步骤(2)提取的耦合矩阵M,通过QZ分解算法,分别计算S11,S21的极点zp,S11的零点zr与S21的零点zt,同时计算矩阵M在预设拓扑(i,j)位置的元素Mi,j对零极点的梯度。
具体地,步骤(3)包括以下子步骤:
步骤(3a):利用耦合矩阵M构造回路矩阵U与矩阵W为
U=diag{0,1,1,...,1,0}
W=R+jM,R=diag{1,0,0,...,0,1}
通过QZ分解算法,计算矩阵W对矩阵U的广义特征值λp和对应的广义特征向量xp,根据耦合矩阵理论,矩阵W对矩阵U的广义特征值λp等于S11和S21的极点zp。
n=1,2,...,N
其中xp,i与xp,j分别对应广义特征向量xp的第i项和第j项元素。
步骤(3c):构造矩阵Wr为
Wr=Rr+jM,Rr=diag{-1,0,0,...,0,1}
根据步骤(3b)计算得到的回路矩阵U,通过QZ分解算法算矩阵Wr对矩阵U的广义特征值λr和对应的广义特征向量xr,根据耦合矩阵理论,矩阵U与矩阵Wr的广义特征值λr等于S11的零点zr。同时根据矩阵求导法则,可以得到矩阵M在预设拓扑(i,j)位置的元素Mi,j对S11零点zr的梯度为
n=1,2,…,N
步骤(3d):根据步骤(3a)得到的回路矩阵U与矩阵W,去除矩阵U与矩阵W的第一行与第一列,得到子矩阵Ut与矩阵Wt,通过QZ分解算法,计算矩阵Wt对矩阵Ut的广义特征值λt和对应的广义特征向量xt,由耦合矩阵理论,矩阵Wt对矩阵Ut的广义特征值λt等于S21的零点zt。同时根据矩阵求导法则,计算矩阵M在预设拓扑(i,j)位置的元素Mi,j对S21的零点zt的梯度为
步骤(4):构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素的L1范数约束项来构造优化目标,保持寄生耦合元素不变,通过拟牛顿算法进行优化预设拓扑耦合的数值,优化过程将使耦合矩阵M在尽可能少元素变化条件下收敛到预设零极点。
将提取耦合矩阵的算S11的零点zr,S21的零点zt与S11,S21的极点zp与理想的S11的零点S21的零点与极点的平方损失函数作为优化目标,同时在优化目标加入对预设拓扑耦合Mi,jL1范数约束项μ∑|Mi,j|,根据步骤(2)计算获得的梯度,通过拟牛顿算法计算待微扰耦合的拓扑位置与微扰数值。
具体地,步骤(4)包括以下子步骤:
步骤(4b):为了使预设拓扑耦合的变化项尽可能少,构造预设拓扑耦合Mi,j的L1范数约束项C2为
C2=μ∑|Mi,j|;
步骤(4c):根据步骤(4a)与步骤(4b)的损失函数C1与C2,计算总的损失函数C为
C=C1+μ∑|Mi,j|;
其中μ表示一个常数,|Mi,j|表示预设拓扑元素的绝对值。
步骤(4d):根据步骤(4c)得到的损失函数C,利用步骤(3b)-步骤(3d)计算的预设拓扑(i,j)位置的元素Mi,j对零极点的导数,依照链式求导法则,计算拓扑(i,j)位置的元素Mi,j对损失函数C1的导数为
步骤(4e):根据步骤(4d)求得的梯度信息,构造雅可比矩阵,然后设置优化退出的误差阈值ε和最大迭代步骤K,并将当前提取的耦合矩阵M作为初值,通过拟牛顿算法对步骤(4c)所述的目标函数C进行求解,得到优化后的耦合矩阵M*,然后计算耦合矩阵的微扰矩阵为
ΔM=M*-M1;
上述微扰矩阵ΔM是仅有少部分非零项稀疏矩阵。
通过优化C,可以得到预设拓扑元素Mi,j的改变量ΔMi,j,和耦合矩阵的改变量ΔM,预设拓扑元素的改变量就是耦合矩阵在预设拓扑位置的数值改变量。同时由于在优化目标中加入了约束项,导致ΔM只有少部分元素是非0的,因此为微扰矩阵。
步骤(5):根据步骤(4)计算得到的微扰矩阵ΔM,提出ΔM的非零项,在实施例一中,耦合大小与调节量的大小近似为线性关系,调节量可通过ΔM与灵敏度的比值来确定,然后令计算机控制机器手调节对应的物理可调节结构,由于ΔM是稀疏的,所以只需要调节某几个物理可调节结构。调试完成后,判断滤波器电性能是否满足工程指标,若满足则结束调试,若不满足则转到步骤(1)继续调试。
需要说明的是,本实施例中微扰矩阵对应着耦合矩阵的改变量,而且微扰矩阵只有少数几个元素是非0的。那么就可以忽略数值为0项的影响,只对微扰矩阵的非0项进行处理,调试微扰矩阵中的非0项对应的实际拓扑位置,反应到滤波器上就是调试对应的可调节结构,耦合矩阵每一个拓扑元素都对应着滤波器的一个可调节结构。
参照图3和图4,如图3所示是7阶滤波器未进行调试时的S参数响应曲线,如图4所示是7阶滤波器调试完成后的S参数响应曲线。可以看到,调试完成后的S11都在20dB以下,即通过使用本方法调试后可获得良好的S参数响应曲线。
实施例2
参照图2,如图2所示是本实施例提供的滤波器零极点调试装置结构框图,该装置具体包括以下结构:
目标值设置模块,目标值设置模块用于设置待调试滤波器的S参数目标值,S参数目标值包括S11与S21的目标极点和S11与S21的目标零点;
耦合矩阵提取模块,耦合矩阵提取模块用于获取待调试滤波器的S11与S21的采样值并提取耦合矩阵;
零极点和梯度获取模块,零极点和梯度获取模块用于根据耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度;
微扰矩阵计算模块,微扰矩阵计算模块用于构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标,对优化目标进行优化,得到微扰矩阵;
调试模块,调试模块用于根据微扰矩阵对有限个物理可调节结构施加调试。
实施例3
本优选实施例提供了一种计算机设备,该计算机设备可以实现本申请实施例所提供的基于响应特征提取的微波滤波器自动调试方法任一实施例中的步骤,因此,可以实现本申请实施例所提供的基于响应特征提取的微波滤波器自动调试方法的有益效果,详见前面的实施例,在此不再赘述。
实施例4
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。为此,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的基于响应特征提取的微波滤波器自动调试方法中任一实施例的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的任一基于响应特征提取的微波滤波器自动调试方法实施例中的步骤,因此,可以实现本发明实施例所提供的任一基于响应特征提取的微波滤波器自动调试方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于响应特征提取的微波滤波器自动调试方法,其特征在于,所述方法包括:
设置待调试滤波器的S参数目标值,所述S参数目标值包括S11与S21的目标极点和S11与S21的目标零点;
获取所述待调试滤波器的S11与S21的采样值并提取耦合矩阵;
根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度;
构造提取的零极点与预设零极点的平方损失函数,并加入预设拓扑元素约束项来构造优化目标,对所述优化目标进行优化,得到微扰矩阵;
根据所述微扰矩阵对有限个物理可调节结构施加调试。
2.如权利要求1所述的基于响应特征提取的微波滤波器自动调试方法,其特征在于,所述根据所述耦合矩阵的耦合元素提取S11与S21的当前零极点和矩阵的预设拓扑元素对零极点的梯度具体包括:
通过计算矩阵束广义特征值得到S11与S21的当前零极点,再通过S11的当前零极点对应的广义特征向量计算预设拓扑元素。
4.如权利要求3所述的基于响应特征提取的微波滤波器自动调试方法,其特征在于,所述对所述优化目标进行优化,得到微扰矩阵具体包括:
计算拓扑(i,j)位置的元素Mi,j对损失函数C1的导数;
通过拟牛顿算法,求解C=C1+μΣ|Mi,j|,求解优化后的耦合矩阵M*,然后计算耦合矩阵的微扰矩阵ΔM为
ΔM=M*-M1。
5.如权利要求1所述的基于响应特征提取的微波滤波器自动调试方法,其特征在于,所述根据所述微扰矩阵对有限个物理可调节结构施加调试具体包括:
根据所述微扰矩阵的扰动数值调节微扰矩阵中非零位置对应的物理可调节结构。
6.如权利要求5所述的基于响应特征提取的微波滤波器自动调试方法,其特征在于,所述方法还包括:
调试结束后,判断滤波器电性能是否满足工程指标,若满足则结束调试,若不满足则重新给出S参数目标值继续调试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211703384.4A CN116031604A (zh) | 2022-12-28 | 2022-12-28 | 基于响应特征提取的微波滤波器自动调试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211703384.4A CN116031604A (zh) | 2022-12-28 | 2022-12-28 | 基于响应特征提取的微波滤波器自动调试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116031604A true CN116031604A (zh) | 2023-04-28 |
Family
ID=86070037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211703384.4A Pending CN116031604A (zh) | 2022-12-28 | 2022-12-28 | 基于响应特征提取的微波滤波器自动调试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116031604A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0172499A2 (en) * | 1984-08-23 | 1986-02-26 | Hewlett-Packard Company | Apparatus for determining poles and zeroes of the transfer function of a device |
KR20050045438A (ko) * | 2003-11-11 | 2005-05-17 | 한국전자통신연구원 | 다중 통과대역 특성을 갖는 정규 구조 필터 구현 방법 |
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 |
CN110852009A (zh) * | 2019-11-06 | 2020-02-28 | 中国电子科技集团公司第二十九研究所 | 一种基于遗传算法的滤波器耦合矩阵解耦变换方法 |
CN115422499A (zh) * | 2022-08-16 | 2022-12-02 | 苏州朗普达科技有限公司 | 基于有理式拟合与矩阵变换的耦合矩阵提取方法及设备 |
-
2022
- 2022-12-28 CN CN202211703384.4A patent/CN116031604A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0172499A2 (en) * | 1984-08-23 | 1986-02-26 | Hewlett-Packard Company | Apparatus for determining poles and zeroes of the transfer function of a device |
KR20050045438A (ko) * | 2003-11-11 | 2005-05-17 | 한국전자통신연구원 | 다중 통과대역 특성을 갖는 정규 구조 필터 구현 방법 |
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 |
CN110852009A (zh) * | 2019-11-06 | 2020-02-28 | 中国电子科技集团公司第二十九研究所 | 一种基于遗传算法的滤波器耦合矩阵解耦变换方法 |
CN115422499A (zh) * | 2022-08-16 | 2022-12-02 | 苏州朗普达科技有限公司 | 基于有理式拟合与矩阵变换的耦合矩阵提取方法及设备 |
Non-Patent Citations (4)
Title |
---|
PING ZHAO ET AL.: "Matrix Synthesis for Filters With Cascaded Extracted-Pole Sections", 《IEEE MICROWAVE AND WIRELESS COMPONENTS LETTERS》, vol. 32, no. 12, 4 July 2022 (2022-07-04) * |
YIMIN YANG ET AL.: "Advanced Synthesis Technique for Extracted Pole and NRN Filters", 《2016 IEEE MTT-S INTERNATIONAL MICROWAVE SYMPOSIUM (IMS)》, 11 August 2016 (2016-08-11) * |
周春霞等: "自均衡双通带微带滤波器综合与设计", 《电子学报》, vol. 37, no. 12, 31 December 2009 (2009-12-31) * |
申凯等: "一种结构新颖的双通带滤波器的仿真设计", 《中国电子科学研究院学报》, vol. 7, no. 2, 30 April 2012 (2012-04-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102582515B1 (ko) | 양자 컴퓨팅 장치의 비선형 교정 | |
CN109063374B (zh) | 一种基于参数优化的耦合矩阵提取方法、设备及存储设备 | |
CN111832195B (zh) | 一种微带直接耦合滤波器的建模与智能设计方法 | |
US6453308B1 (en) | Non-linear dynamic predictive device | |
Forssell et al. | A projection method for closed-loop identification | |
And et al. | Unbiased parameter estimation of linear systems in the presence of input and output noise | |
CN105789812B (zh) | 一种腔体滤波器自动调节方法及系统 | |
WO2002067297A2 (en) | Run-to-run control method for proportional-integral-derivative (pid) controller tuning for rapid thermal processing (rtp) | |
Åström et al. | Analysis of a scheme for iterated identification and control | |
CN110555231A (zh) | 一种动力学仿真模型修正方法 | |
CN113190969A (zh) | 一种基于信息评估机制的锂电池模型参数辨识方法 | |
CN116031604A (zh) | 基于响应特征提取的微波滤波器自动调试方法 | |
Thomassin et al. | Subspace method for continuous-time fractional system identification | |
Sirisena et al. | Multivariable pole-zero placement self-tuning controller | |
Zhang et al. | Non-fragile sliding mode observer based fault estimation for interval type-2 fuzzy singular fractional order systems | |
Alkhafaji et al. | A novel PID robotic for speed controller using optimization based tune technique | |
CN116088303A (zh) | 一种不确定复杂动态网络状态时变递推估计方法 | |
Pekař et al. | Algebraic optimal control in RMS ring: A case study | |
WO2003036396A1 (en) | Non-linear dynamic predictive device | |
Min et al. | Constructing confidence sets after lasso selection by randomized estimator augmentation | |
Savant et al. | Integrated structure/control design based on model validity and robustness margin | |
CN114079131B (zh) | 一种腔体滤波器调试方法 | |
CN112152198B (zh) | 电力系统低模型依赖性智能步长调整状态估计方法及系统 | |
Viswanathan et al. | Process identification from closed-loop response using optimization methods | |
Juang et al. | On computing the spectral radius of the Hankel plus Toeplitz operator |
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 |