摘要：提出了一种基于卷积神经网络的微带带通滤波器的参数预测方法,针对一个三频带带通滤波器进行预测。首先利用HFSS电磁仿真软件训练数据得到S参数的数据集作为真实值数据集,将微带滤波器的S参数作为输入,物理结构参数作为输出,通过卷积神经网络进行训练,最后将目标S参数作为输入进行参数预测。相比于简单的全连接神经网络,卷积神经网络不仅能够大幅度地减少网络参数,还有效避免了过拟合情况的出现,解决了全连接神经网络耗时长的问题,并且由于卷积神经网络对于结构参数的预测是直接的,即使对于初学者也可以节省大量设计时间。仿真结果表明,目标S参数与卷积神经网络预测后得到的S参数拟合程度很高,证明了该方法对微带滤波器物理结构参数的预测有较高的准确率。

摘要：通过使用多项式法和电路法共同构造短路导纳矩阵的方式综合出滤波器的N+2耦合矩阵,并以一个四阶交叉耦合的腔体滤波器为例,利用ADS中的电路仿真验证了耦合矩阵综合的正确性。然后在HFSS中建立滤波器的全波仿真模型,通过曲线拟合的方法对其进行优化,有效地缩短了调试时间,提高了设计效率。从实测结果来看,该滤波器在通带内(1 371 MHz~1 413 MHz)插入损耗小于0.1 dB,驻波比小于1.725,基本可以满足性能指标要求。