基于ADS的KBNN在带通滤波器优化设计中的应用

现有的知识神经网络的先验知识大部分是由经验公式推导得到的,而电磁问题中公式的推导比较繁杂,且对于复杂的电磁问题,推导出相应的公式几无可能.因此,提出了一种将仿真软件ADS仿真结果作为先验知识的方法,以解决现有先验知识获取困难的问题.采用神经网络与仿真软件相结合的方法,将ADS和三维电磁仿真软件HFSS仿真结果分别作为先验知识和教师信号,并运用粒子群算法对神经网络进行训练,构建了相应的知识神经网络(knowledge-based neural network,KBNN)模型,有效地降低了神经网络结构的复杂度.利用该方法设计的网络对微带抽头型发卡带通滤波器进行优化设计,该滤波器满足设计指标,表明该方法的有效性和优越性.