欢迎来到天天文库
浏览记录
ID:32034937
大小:2.27 MB
页数:70页
时间:2019-01-30
《【硕士论文】空间映射技术在微波无源器件优化设计中的应用研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、硕士论文空间映射技术在微波无源器件优化设计中的应用研究摘要本文通过为空间映射技术(sPaceMapping,SM)提供“粗”模型,从而丰富了空间映射技术,使得微波无源电路的设计和优化更为简单。刀口力礴‘;在1994年提出的空间映射算法是通过建立“粗”模型(如快速计算的电路模型等)与“细”模型(如全波仿真模型等)之间的映射关系来优化微波电路,到目前为止已经发展出多种算法,本文主要讨论了其中四种算法:原始空间映射算法、渐进空间映射算法(Ag衅sivesP狱maPing,As峋、置信区间渐进空间映射算法(T几以.RegionAggressivesP姗M
2、即ping,仪一AsM)和隐式空间映射算法(加pllcitspaceMapplng,IsM)。渐进空间映射算法和原始空间映射算法相比,不同之处在于:原始空间映射算法需要足够多的“细”模型响应以建立满秩的映射矩阵,而ASM可能利用每一个“细”模型响应,通过刀几,山月更新,从第一步开始预测“细”模型设计参量;置信区间渐进空间映射算法通过要求迭代步落在置信区间里面来保证建立的线性映射关系的可靠性.另外,双一ASM算法同时也增加了多点递归参数提取(AggresiveMulti一intPaI’meterEx坛加tj叽八MpE)来增强参数提取的可靠性;隐式空
3、间映射算法充分利用了预选参数伊reassignedP~eter)来建立粗模型域与细模型域之间的映射关系。通过对预选参数进行参数提取来得到增强的粗模型,随着增强模型的建立,粗模型和细模型之间的映射关系也得到了更新。本文中,微带线不连续性等效电路被选为“粗”模型。该等效电路的提出旨在提供一种能分析微带电路中常见的不连续性,如阶梯结构、T型结构等.结合传输线理论,该等效电路分析的精度与全波分析软件相比虽有一定的误差,但是执行效率很好。采用这种等效电路与空间映射算法结合来分析和设计微波无源器件,通过较少的优化迭代步就能获得满足指标的优化结果。本文选用Ze
4、land公司的IE3D作为细模型,结合不同的SM算法对微波无源器件进行了设计优化,其优化结果都很好的满足了设计指标。这使得微波无源电路的设计优化变得更为简单。关键词:空间映射,微带线,不连续性,ASM,TR.ASM,IsM硕士论文空间映射技术在徽波无源器件优化设计中的应用研究AbstraCtT比sthesicon川butestosuPPlya“CO吟model”se】ectionforSP暇m越扣mg(s娜technolog”助dmakingthe面cro研旧LvePaS滋veco侧penentsdesigneasier.sp暇几旧pping叩伪
5、吐迈掀ion.addre,ed妙云口扭办即恤1994,.imsatefideDuy叩t俪血9而crowavec流山tsbyusingm咧同“加肛se”models(理川川lycomPUtatio班山y丘以曲℃nit-b愁edmo山ls)toalgn侧th‘七ne”models(t即icalycPUintensive似卜waved。油闰幽即以Ic(EM)s汕ulations).Severa]SMalgo对thms恤webeendevelo侧刃inthelast山岁川es,butoulyfourofth。旧arediscu‘scdinthe如ese,
6、比ey眼OriginaISMaigori由叭阮AggressiveSMalgorithm(AS峋,于旧成.regionAggressiveSMaigorithm(TR.AS峋的dlinplicitSMalgorithm(ISM)·hioriginalsp创笼maPpmg,alinear双坦pingbe幻刀eentheco吟助d6neSP出笼515evai“atedbyaleastsquaJ陷ssolutionoftheequat1onswhichresult丘omassoclatingpoints(山阳)inthetwosPa侧招.Comp曰吧d
7、俪thorigilla]SPa“maPP川g.theASMexPloitseV。叹av目ableEManalysius吨thec俪51司刀几沙公洲uPdate,少阅ucing由肚Datic邝su】tsright五”mthe丘叫就印.Forthel,R一SMalgorithnl,itin加别血sa切阴treglonmethod01ogy俪thASM。pt址山对1呱Thelten对foniscon6nedtoa七ustre砂oninwblchtheutil劝笼dlin倪的zationcanbetrusted.TR.ASMaisoexPloitsana
8、ggresivemulti.peintP别ra习leterextractlon(AN[PE)雍Ptoenbancethe口山quenso
此文档下载收益归作者所有