[发明专利]一种基于随机森林的螺旋电感建模方法

说明书

本发明公开了一种基于随机森林的螺旋电感建模方法，包括如下步骤：1、ANSYS HFSS电磁仿真软件得到螺旋电感的结构参数和与之对应性能参数，构建螺旋电感原始数据集。2、对螺旋电感原始数据集进行归一化处理。3、将归一化后的原始数据集随机划分到原始训练样本集和测试样本集中；4、对训练样本集用随机森林算法进行训练，螺旋电感的结构参数作为输入，性能参数作为输出，获得训练好的螺旋电感预测模型；5、测试样本集输入到训练好的螺旋电感预测模型，得到相应的螺旋电感性能参数，评估模型预测精度。建立了一种基于随机森林的螺旋电感建模方法，简化了设计人员对螺旋电感的开发和优化，提高研究效率，节约成本，加速集成电路设计。

技术领域

本发明涉及一种基于随机森林的螺旋电感建模方法，属于无线通信领域。

背景技术

螺旋电感器是RF IC设计中最常用的无源组件之一，缺乏类似CAD的快速准确的计算机辅助设计工具仍然是RF电路设计的瓶颈之一。为了满足RF片上螺旋电感器的设计需求，快速而准确的电路模型是必不可少的。螺旋电感的传统建模方法诸如时域有限差分法FDTD)，矩量法MOM)和有限元方法FEM)等数值方法操作繁琐并且计算非常费时，分析和经验建模技术可以有效节约时间，但计算的精度不够准确。此外，材料参数的微小变化可能需要重新进行仿真模拟。近些年来，有些研究人员提出如遗传算法、粒子群算法、蚁群算法、神经网络等智能优化算法对电路参数进行优化。这类算法在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，很大程度上节省设计的时间和成本。智能算法引入到螺旋电感设计中，加快设计速度和减少人力成本的同时能够设计出性能最优的螺旋电感，以满足各种各样的电路，对集成电路的发展具有重大意义；但任不足以满足电路设计需求。

发明内容

为了解决现有技术的缺陷，本发明的目的是提供一种基于随机森林的螺旋电感建模方法，用于提高螺旋电感设计的速度和计算结果的精度。

为实现上述目的，本发明提供的技术方案包括以下步骤：

步骤1：采用ANSYS HFSS电磁仿真软件得到螺旋电感的结构参数和与之对应的性能参数，构建螺旋电感原始数据集；

步骤2：对螺旋电感原始数据集进行归一化处理，

计算公式如下：y＝(x-MinValue)/(MaxValue-MinValue)

其中，x是初始值，y是转换后的值，MinValue和MaxValue是数据集中同一维数据的最小值和最大值，取值范围为[0,1]；

步骤3：将归一化后的原始数据集随机划分到原始训练样本集和测试样本集中；

步骤4：对训练样本集用随机森林算法进行训练，螺旋电感的结构参数作为输入，性能参数作为输出，获得训练好的螺旋电感预测模型；

步骤5：测试样本集输入到训练好的螺旋电感预测模型，得到相应的螺旋电感性能参数，评估模型预测精度。

所述的步骤1中螺旋电感的结构参数指标包括圈数N、外径Dout、线宽W和线间距s，性能参数包括电感值L，品质因素Q，自谐振频率SRF；

以相等的间隔对每个参数进行均匀采样，电感值L，品质因数Q和自谐振频率SRF，可以用Y参数表示如下；

Y₁₁是双端口Y参数的输入导纳，f为工作频率，Q值为零时的频率点为SRF的值。

所述的步骤3中对归一化后螺旋电感原始数据集按4:1的比例进行划分为原始训练样本集和测试样本集；

对原始训练样品集有放回地重复随机抽取k个样本组成新的训练样本集，没有被抽到的样本组成k个袋外数据，多次进行生成样本集合。