[发明专利]一种基于小信号知识型封装晶体管的神经网络建模方法

权利要求书

1.一种基于小信号知识型封装晶体管的神经网络建模方法，包括下列步骤：

步骤1：将封装晶体管模型分为三部分：输入封装电路模块、核心电路模块、输出封装电路模块。核心电路模块模拟封装晶体管的直流特性，输入/输出封装电路模块和核心电路模块模拟封装晶体管的小信号特性；

步骤2：搭建直流模型，选用知识型模型表示现有的晶体管模型，神经网络(ANN₁)作为输入映射网络，将知识型模型的输入映射到核心电路上，构成直流模型；

步骤3：搭建S参数模型，分别为输入封装电路、核心电路、输出封装电路构建小信号模块，并根据散射矩阵实现了封装晶体管及其三部分之间的S参数的计算。基于直流模型，核心模块由知识型模型和ANN₁构成代表核心电路的小信号特征，偏置电压和频率是输入信号，S参数的实部和虚部是输出信号；两个神经网络(ANN₂和ANN₃)分别表示输入/输出封装电路的特性，封装模块的唯一输入是频率，ANN₂的输出信号和是输入封装电路S₁₁，S₁₂和S₂₂的实部和虚部。类似地，和是ANN₃的输出封装电路的输出信号；

步骤4：训练模型时首先初始化神经网络(ANN₁、ANN₂和ANN₃)，避免本发明所提出的模型降低知识型模型的性能，从而得到初始变量和

步骤5：优化变量至使得直流仿真中所提出的模型与设备数据相匹配；

步骤6：优化变量至至使得S参数仿真中所提出的模型与设备数据相匹配；

步骤7：微调权重至使得训练误差尽可能小，进一步改善所提出模型的性能。

2.根据权利要求1所述的一种基于小信号知识型封装晶体管的神经网络建模方法，其特征在于，步骤2中，神经网络用于描述知识型模型与被建模设备的信号之间的非线性关系：

f_ANN表示多层前馈神经网络，w₁表示神经网络f_ANN内部权重。

3.根据权利要求1所述的一种基于小信号知识型封装晶体管的神经网络建模方法，其特征在于，步骤3中，输入/输出封装模块表示频率与S参数之间的非线性关系分别为：

h_ANN和g_ANN表示多层前馈神经网络，w₂和w₃分别表示神经网络h_ANN和g_ANN内部权重。