用于太赫兹有源器件的神经网络建模方法

摘要

本发明公开了一种用于太赫兹有源器件的神经网络建模方法，涉及太赫兹器件建模方法技术领域。所述方法在单纯神经网络建模的基础上加上空间映射的方法，将粗模型的输入电压通过神经网络映射到最终的精确模型的输入电压，由太赫兹有源器件的粗模型、输入端的神经网络修正模块、输出端的神经网络修正模块以及各个流控电流源和流控电压源等构成。所述方法针对传统经验模型在太赫兹频段的缺陷，通过神经网络的学，自动地映射新、旧模型的输入和输出关系以修正粗模型，使得新模型与器件在太赫兹频段的测量特性相吻合，得到适用于太赫兹频段的神经网络模型，且新模型可定标。

主权项

一种用于太赫兹有源器件的神经网络建模方法，其特征在于所述方法包括如下步骤：1）通过直流和太赫兹频段的S参数建立太赫兹有源器件的粗模型（1），作为神经网络修正前的模型；2）通过训练和映射的方法学习太赫兹有源器件的测试数据，并同非线性粗模型的仿真数据进行对比，构建粗模型的输入端口神经网络修正模块（2）和输出端口神经网络修正模块（3）；3）通过输入端口神经网络修正模块（2）和输出端口神经网络修正模块（3）分别对粗模型（1）的输入端口电压和输出端口电压进行修正的方式将测试和仿真的数据误差进行修正，得到一组神经网络修正参数，将得到的修正参数写入到输入端口神经网络修正模块（2）和输出端口神经网络修正模块（3）内；4）粗模型（1）输入端的第一流控电压源（4）将输入端口神经网络修正模块（2）产生的修正数据传输到粗模型（1）的输入端端口，粗模型（1）输出端的第二流控电压源（5）将输出端口神经网络修正模块（3）产生的修正数据传输到粗模型的输出端端口；5）第一流控电流源（6）和第二流控电流源（7）将修正后的粗模型（1）输出的电流通过第一传送端口（8）和第二传输端口（9）传送到粗模型（1）的外部，从而得到适用于太赫兹频段的有源器件神经网络新模型。