CN116136938B - 声表面波器件仿真参数的快速拟合方法、系统及相关设备 - Google Patents
声表面波器件仿真参数的快速拟合方法、系统及相关设备 Download PDFInfo
- Publication number
- CN116136938B CN116136938B CN202310412122.0A CN202310412122A CN116136938B CN 116136938 B CN116136938 B CN 116136938B CN 202310412122 A CN202310412122 A CN 202310412122A CN 116136938 B CN116136938 B CN 116136938B
- Authority
- CN
- China
- Prior art keywords
- error
- simulation
- simulation parameters
- acoustic wave
- surface acoustic
- 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
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000010897 surface acoustic wave method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 230000003068 static effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Surface Acoustic Wave Elements And Circuit Networks Thereof (AREA)
Abstract
本发明适用于无线通讯技术领域,提供了一种声表面波器件仿真参数的快速拟合方法、系统及相关设备,所述方法包括:确定声表面波器件仿真的仿真参数;获取声表面波器件的实测导纳曲线,并确定导纳曲线特征;将仿真参数与导纳曲线特征进行匹配,并对仿真参数进行解耦合处理,构建关于仿真参数与导纳曲线特征之间的误差参数的单目标优化问题;利用梯度估计的方法对单目标优化问题进行迭代求解,直到误差参数满足预设误差区间约束,得到仿真参数可行解;根据仿真参数可行解对声表面波器件进行优化。本发明在不降低仿真参数的解的可行度的前提下,能够提高仿真参数可行解的求解效率,且相较于现有技术更具有解的稳定性。
Description
技术领域
本发明适用于无线通讯技术领域,尤其涉及一种声表面波器件仿真参数的快速拟合方法、系统及相关设备。
背景技术
随着无线通讯技术的发展,各类电子消费产品对射频器件的需求越来越大。相对应的,在射频器件设计过程中,设计人员对仿真软件扫频效率与准确度的要求也越来越高。不同的仿真算法在仿真精度与仿真速度方面各有优劣,其中耦合模(Coupling-of-modes,简称COM)方法凭借其极快的仿真速度,以及COM参数确定后良好的仿真精度成为了学术界与工业界较为主流的声表面波器件仿真、设计工具。
COM方法经过相关研究的发展,现已具有较为完善的理论体系,并且决定COM方法仿真精度的COM参数提取技术也趋于完善,使用有限单元法(Finite Element Method,简称FEM)提取COM参数也成为了学术界与工业界主流的COM参数提取方法。现有的FEM及其衍生方法提取COM参数的流程中,COM参数的取值取决于FEM方法的输入材料参数,即弹性常数、压电常数、介电常数等。
但是,由于原材料及代工厂的工艺问题,FEM提取COM参数的时需要加入一些用于修正的仿真参数对仿真结果进行修正,而这些新增的仿真参数由于包含材料、工艺的误差,无法通过FEM仿真获得,且FEM类算法对于传播损耗、电极损耗等现象仿真精度较差,因此大量仿真参数也只能通过在实测数据上使用传统的启发式算法进行优化获得。
传统的启发式算法,如遗传算法(Genetic Algorithm,简称GA)、粒子群算法(Particle Swarm Optimization,简称PSO)、中心演化算法(Evolutionary CentersAlgorithm,简称ECA)等是基于直观、经验构造的算法。通过启发式算法获得仿真参数的过程中,由于仿真参数众多且可行解在搜索空间中的占比较低,因此通过优化算法获得可行仿真参数的过程往往需要较长的时间,且具有较大的不稳定性。
发明内容
本发明实施例提供一种声表面波器件仿真参数的快速拟合方法、系统及相关设备,旨在解决现有技术使用启发式算法获得仿真参数的过程耗时长、稳定性不足的技术问题。
第一方面,本发明实施例提供一种声表面波器件仿真参数的快速拟合方法,所述快速拟合方法包括以下步骤:
确定用于声表面波器件仿真的仿真参数;
获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征;
将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题;
利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解;
根据所述仿真参数可行解对所述声表面波器件进行优化。
更进一步地,所述仿真参数包括相对介电常数、参考波速/>、传播损耗/>、相对电极电阻/>和机电耦合调整系数/>;所述导纳曲线特征包括谐振点频率/>、反谐振点频率/>、谐振点导纳/>、反谐振点导纳/>、参考静态电容/>;所述误差参数包括谐振点频率误差/>、反谐振点频率误差/>、谐振点导纳误差/>、反谐振点导纳误差/>和参考静态电容误差/>。
更进一步地,将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题的步骤,具体为:
定义所述参考静态电容误差与所述相对介电常数/>之间存在匹配关系,所述谐振点频率误差/>与所述参考波速/>之间存在匹配关系,所述反谐振点导纳误差/>与所述传播损耗/>之间存在匹配关系,所述谐振点导纳误差/>与所述相对电极电阻/>之间存在匹配关系,所述反谐振点频率误差/>与所述机电耦合调整系数/>之间存在匹配关系,所述单目标优化问题满足以下关系式:
其中,min[ ]为取最小值函数。
更进一步地,所述利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差满足预设误差区间约束,并通过求解所述单目标优化问题输出仿真参数可行解的步骤中:
定义存在相互匹配关系的所述仿真参数与所述误差参数分别为Xw、Yv,所述梯度估计的方法的迭代次数为n,所述梯度估计的方法满足以下关系式:
第二方面,本发明实施例还提供一种声表面波器件仿真参数的快速拟合系统,所述快速拟合系统包括:
参数确定模块,用于确定声表面波器件仿真的仿真参数;
实测模块,用于确定获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征;
解耦合模块,用于确定将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题;
估计模块,用于确定利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解;
优化模块,用于确定根据所述仿真参数可行解对所述声表面波器件进行优化。
第三方面,本发明实施例还提供一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的声表面波器件仿真参数的快速拟合方法中的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机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实施例中任意一项所述的声表面波器件仿真参数的快速拟合方法中的步骤。
本发明所达到的有益效果,在于提出了一种用于声表面波器件仿真过程中对仿真参数进行解耦合后的梯度优化方法,该方法通过将声表面波器件的导纳曲线中的指标与各个仿真参数解耦合并一一绑定,并通过梯度信息对仿真参数进行优化,从快速确定仿真中的仿真参数,通过这样的方法,在不降低仿真参数的解的可行度的前提下,能够提高仿真参数可行解的求解效率,且相较于现有技术更具有解的稳定性。
附图说明
图1是本发明实施例提供的声表面波器件仿真参数的快速拟合方法的步骤流程示意图;
图2是本发明实施例提供的实测导纳曲线示意图;
图3是本发明实施例提供的仿真导纳曲线对比示意图;
图4是本发明实施例提供的声表面波器件仿真参数的快速拟合系统200的结构示意图;
图5是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参照图1,图1是本发明实施例提供的声表面波器件仿真参数的快速拟合方法的步骤流程示意图,所述快速拟合方法包括以下步骤:
S1、确定用于声表面波器件仿真的仿真参数。
S2、获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征。
在本发明实施例中,所述导纳曲线特征包括谐振点频率、反谐振点频率/>、谐振点导纳/>、反谐振点导纳/>、参考静态电容/>,示例性的,请参照图2,图2是本发明实施例提供的实测导纳曲线示意图,图2中对应的导纳曲线特征分别为:谐振点频率、反谐振点频率/>、谐振点导纳/>、反谐振点导纳/>、参考静态电容/>。在本发明实施例中,对于声表面波器件的仿真,其目的在于使仿真参数拟合完成后进行仿真得到的曲线在某些特征上与用于拟合的实测导纳曲线保持一致、或误差不超过一定范围。
S3、将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间误差参数的单目标优化问题。
在本发明实施例中,仿真参数仿真得到的导纳曲线特征表示为,而实测导纳曲线特征表示为/>,两者之差即为所述误差参数,所述误差参数包括谐振点频率误差/>、反谐振点频率误差/>、谐振点导纳误差/>、反谐振点导纳误差/>和参考静态电容误差/>,如参考静态电容误差具体通过以下关系式得到:
一般的,声表面波器件的仿真过程遵循以下物理特性约束:
在现有技术中,上述参数的优化是一个多变量的多目标优化问题,即:
而在本发明实施例中,通过假定各个约束存在一个主要的决定变量,具体通过:定义所述参考静态电容误差与所述相对介电常数/>之间存在匹配关系,所述谐振点频率误差/>与所述参考波速/>之间存在匹配关系,所述反谐振点导纳误差/>与所述传播损耗/>之间存在匹配关系,所述谐振点导纳误差/>与所述相对电极电阻/>之间存在匹配关系,所述反谐振点频率误差/>与所述机电耦合调整系数/>之间存在匹配关系,从而将多变量的多目标优化问题转化为五个单变量的单目标优化问题,所述单目标优化问题满足以下关系式:
其中,min[ ]为取最小值函数。
S4、利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解。
具体的,梯度估计是一种对函数问题中某个参数的矢量在某一方向上的取值进行估计的的方法,在本发明实施例中,定义存在相互匹配关系的所述仿真参数与所述误差参数分别为Xw、Yv,所述梯度估计的方法的迭代次数为n,所述梯度估计的方法满足以下关系式:
以参考静态电容误差与相对介电常数/>这组匹配参数的拟合过程为例,当第n-1次迭代的相对介电常数为/>时,其参考静态电容误差为/>;而第n次迭代的相对介电常数为/>时,其参考静态电容误差为/>,根据梯度估计的关系式,通过将静态电容误差/>随相对介电常数/>的变化/>进行线性近似,从而决定第n+1次迭代时的相对介电常数/>,并期望第n+1次迭代时参考静态电容误差为/>,因此,参考静态电容误差/>与相对介电常数/>的拟合过程满足:
S5、根据所述仿真参数可行解对所述声表面波器件进行优化。
如图3所示,图3为经过梯度优化的仿真参数得到的仿真导纳曲线与图2所示的实测导纳曲线的对比示意图,可以看出仿真导纳曲线与实测导纳曲线具有极高的吻合性,证明了本发明实施例使用的声表面波器件仿真参数的快速拟合方法对于仿真参数优化的可用性。
本发明所达到的有益效果,在于提出了一种用于声表面波器件仿真过程中对仿真参数进行解耦合后的梯度优化方法,该方法通过将声表面波器件的导纳曲线中的指标与各个仿真参数解耦合并一一绑定,并通过梯度信息对仿真参数进行优化,从快速确定仿真中的仿真参数,通过这样的方法,在不降低仿真参数的解的可行度的前提下,能够提高仿真参数可行解的求解效率,且相较于现有技术更具有解的稳定性。
本发明实施例还提供一种声表面波器件仿真参数的快速拟合系统,请参照图4,图4是本发明实施例提供的声表面波器件仿真参数的快速拟合系统200的结构示意图,所述快速拟合系统200包括:
参数确定模块201,用于确定声表面波器件仿真的仿真参数;
实测模块202,用于确定获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征;
解耦合模块203,用于确定将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题;
估计模块204,用于确定利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解;
优化模块205,用于确定根据所述仿真参数可行解对所述声表面波器件进行优化。
所述系统200能够实现如上述实施例中的方法中的步骤,且能实现同样的技术效果,参上述实施例中的描述,此处不再赘述。
本发明实施例还提供一种计算机设备,请参照图5,图5是本发明实施例提供的计算机设备的结构示意图,所述计算机设备300包括:存储器302、处理器301及存储在所述存储器302上并可在所述处理器301上运行的计算机程序。
所述处理器301调用所述存储器302存储的计算机程序,执行本发明实施例提供的声表面波器件仿真参数的快速拟合方法中的步骤,请结合图1,具体包括以下步骤:
S1、确定用于声表面波器件仿真的仿真参数。
S2、获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征。
S3、将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题。
更进一步地,所述仿真参数包括相对介电常数、参考波速/>、传播损耗/>、相对电极电阻/>和机电耦合调整系数/>;所述导纳曲线特征包括谐振点频率/>、反谐振点频率/>、谐振点导纳/>、反谐振点导纳/>、参考静态电容/>;所述误差参数包括谐振点频率误差/>、反谐振点频率误差/>、谐振点导纳误差/>、反谐振点导纳误差/>和参考静态电容误差/>。
更进一步地,将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的参数误差的单目标优化问题的步骤,具体为:
定义所述参考静态电容误差与所述相对介电常数/>之间存在匹配关系,所述谐振点频率误差/>与所述参考波速/>之间存在匹配关系,所述反谐振点导纳误差/>与所述传播损耗/>之间存在匹配关系,所述谐振点导纳误差/>与所述相对电极电阻/>之间存在匹配关系,所述反谐振点频率误差/>与所述机电耦合调整系数/>之间存在匹配关系,所述单目标优化问题满足以下关系式:
其中,min[ ]为取最小值函数。
S4、利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解。
更进一步地,所述利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差满足预设误差区间约束,得到仿真参数可行解的步骤中:
定义存在相互匹配关系的所述仿真参数与所述误差参数分别为Xw、Yv,所述梯度估计的方法的迭代次数为n,所述梯度估计的方法满足以下关系式:
更进一步地,所述利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差满足预设误差区间约束,并通过求解所述单目标优化问题输出仿真参数可行解的步骤中,对所述仿真参数Xw设置取值区间,且满足以下关系式:
S5、根据所述仿真参数可行解对所述声表面波器件进行优化。
本发明实施例提供的计算机设备300能够实现如上述实施例中的声表面波器件仿真参数的快速拟合方法中的步骤,且能实现同样的技术效果,参上述实施例中的描述,此处不再赘述。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例提供的声表面波器件仿真参数的快速拟合方法中的各个过程及步骤,且能实现相同的技术效果,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器(Random AccessMemory,简称RAM)等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,所揭露的仅为本发明较佳实施例而已,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式用等同变化,均属于本发明的保护之内。
Claims (7)
1.一种声表面波器件仿真参数的快速拟合方法,其特征在于,所述快速拟合方法包括以下步骤:
确定用于声表面波器件仿真的仿真参数;
获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征;
将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题;
利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解;
根据所述仿真参数可行解对所述声表面波器件进行优化:
其中,定义存在相互匹配关系的所述仿真参数与所述误差参数分别为Xw、Yv,所述梯度估计的方法的迭代次数为n,所述梯度估计的方法满足以下关系式:
3.如权利要求2所述的声表面波器件仿真参数的快速拟合方法,其特征在于,将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题的步骤,具体为:
定义所述参考静态电容误差与所述相对介电常数/>之间存在匹配关系,所述谐振点频率误差/>与所述参考波速/>之间存在匹配关系,所述反谐振点导纳误差/>与所述传播损耗/>之间存在匹配关系,所述谐振点导纳误差/>与所述相对电极电阻/>之间存在匹配关系,所述反谐振点频率误差/>与所述机电耦合调整系数/>之间存在匹配关系,所述单目标优化问题满足以下关系式:
其中,min[ ]为取最小值函数。
5.一种声表面波器件仿真参数的快速拟合系统,其特征在于,所述快速拟合系统包括:
参数确定模块,用于确定声表面波器件仿真的仿真参数;
实测模块,用于确定获取所述声表面波器件的实测导纳曲线,并确定导纳曲线特征;
解耦合模块,用于确定将所述仿真参数与所述导纳曲线特征进行匹配,并对所述仿真参数进行解耦合处理,构建关于所述仿真参数与所述导纳曲线特征之间的误差参数的单目标优化问题;
估计模块,用于确定利用梯度估计的方法对所述单目标优化问题进行迭代求解,直到所述误差参数满足预设误差区间约束,得到仿真参数可行解,其中,定义存在相互匹配关系的所述仿真参数与所述误差参数分别为Xw、Yv,所述梯度估计的方法的迭代次数为n,所述梯度估计的方法满足以下关系式:
优化模块,用于确定根据所述仿真参数可行解对所述声表面波器件进行优化。
6.一种计算机设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的声表面波器件仿真参数的快速拟合方法中的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机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1-4中任意一项所述的声表面波器件仿真参数的快速拟合方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310412122.0A CN116136938B (zh) | 2023-04-18 | 2023-04-18 | 声表面波器件仿真参数的快速拟合方法、系统及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310412122.0A CN116136938B (zh) | 2023-04-18 | 2023-04-18 | 声表面波器件仿真参数的快速拟合方法、系统及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116136938A CN116136938A (zh) | 2023-05-19 |
CN116136938B true CN116136938B (zh) | 2023-07-04 |
Family
ID=86334725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310412122.0A Active CN116136938B (zh) | 2023-04-18 | 2023-04-18 | 声表面波器件仿真参数的快速拟合方法、系统及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116136938B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116341398B (zh) * | 2023-05-31 | 2023-08-11 | 深圳飞骧科技股份有限公司 | 多声表面波器件的组合仿真方法、系统及相关设备 |
CN116579284B (zh) * | 2023-07-12 | 2024-04-12 | 深圳飞骧科技股份有限公司 | 声表面波滤波器频段的设计方法、系统及相关设备 |
CN117057168B (zh) * | 2023-10-11 | 2024-02-13 | 广州市艾佛光通科技有限公司 | 声表面波谐振器横向模式仿真方法及相关设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455745A (zh) * | 2022-11-09 | 2022-12-09 | 深圳飞骧科技股份有限公司 | 自适应频点采样的扫频方法、系统及相关设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1926210A3 (en) * | 2004-12-03 | 2013-04-17 | Seiko Epson Corporation | Surface acoustic wave device |
CN104198963B (zh) * | 2014-09-15 | 2017-05-03 | 电子科技大学 | 一种磁电声表面波磁场传感器及其制备方法 |
CN113609815B (zh) * | 2021-09-16 | 2022-05-13 | 芯和半导体科技(上海)有限公司 | 一种电路仿真优化方法、装置、计算机设备及存储介质 |
CN115495995B (zh) * | 2022-10-25 | 2023-07-07 | 深圳飞骧科技股份有限公司 | 仿真测试拟合工艺参数方法、系统、设备和存储介质 |
-
2023
- 2023-04-18 CN CN202310412122.0A patent/CN116136938B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455745A (zh) * | 2022-11-09 | 2022-12-09 | 深圳飞骧科技股份有限公司 | 自适应频点采样的扫频方法、系统及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116136938A (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116136938B (zh) | 声表面波器件仿真参数的快速拟合方法、系统及相关设备 | |
Feng et al. | Multifeature-assisted neuro-transfer function surrogate-based EM optimization exploiting trust-region algorithms for microwave filter design | |
KR101987761B1 (ko) | 마이크로웨이브 필터들에서의 소자 제거 설계 | |
JP6906606B6 (ja) | 音波フィルタ・デバイスの2次元有限要素法シミュレーションにおける階層的カスケード | |
CN110765651A (zh) | 一种微带直接耦合滤波器的建模与智能设计方法 | |
CN106712738B (zh) | 根据频率响应要求设计声微波滤波器的方法 | |
CN115470735B (zh) | Saw物理仿真的方法、系统和相关设备 | |
CN107562990B (zh) | 基于bvd模型的baw滤波器设计方法、装置及设备 | |
WO2024099061A1 (zh) | 自适应频点采样的扫频方法、系统及相关设备 | |
CN112597610B (zh) | 机械臂结构轻量化设计的优化方法、装置及设备 | |
CN112380774B (zh) | 一种基于残差回声状态网络的动态建模方法及系统 | |
Yang et al. | A modified lattice configuration design for compact wideband bulk acoustic wave filter applications | |
Groenwold et al. | Approximated approximations for SAO | |
Jin et al. | Advanced cognition-driven EM optimization incorporating transfer function-based feature surrogate for microwave filters | |
Wang et al. | Accurate microwave filter design based on particle swarm optimization and one‐dimensional convolution autoencoders | |
CN115329974A (zh) | 仿真方法、装置、设备及存储介质 | |
CN115906741A (zh) | 一种基于高性能计算的射频电路寻优设计方法 | |
Koziel et al. | Response correction techniques for surrogate‐based design optimization of microwave structures | |
Nyka | Diagonalized macromodels in finite element method for fast electromagnetic analysis of waveguide components | |
Lamecki et al. | Effect of mesh deformation on the accuracy of 3D FEM electromagnetic analysis | |
CN116362093B (zh) | 基于多物理场分离自由度的仿真方法、系统及相关设备 | |
CN117236276B (zh) | 基于贝叶斯优化设计滤波器参数的方法、系统及相关设备 | |
CN115828819B (zh) | 一种高精度传输线高频耦合电流计算方法及系统 | |
CN104300938B (zh) | 均衡由耦合损耗引起的失真的方法及利用其生产的滤波器 | |
Fu et al. | Feature-Assisted Neural Network Surrogate-Based Multiphysics Optimization for Microwave Filters |
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 |