一种LTCC带通滤波器研制与实现

低温共烧陶瓷（LTCC）技术作为一种新兴的集成封装技术,已广泛应用于各个电子领域,而建模分析和优化综合是叠层LTCC滤波器设计的关键。在此利用智能方法对叠层LTCC滤波器的建模及优化,采用LTCC工艺技术制备多层结构的LTCC滤波器,从而实现了滤波器优良的高频、高速传输特性和滤波器的小型化和高可靠性。     

一种LTCC带通滤波器的研制与实现

低温共烧陶瓷（LTCC）技术作为一种新兴的集成封装技术,以其优良的高频、高速传输特性及小型化、高可靠而备受关注。而建模分析和优化综合是叠层LTCC滤波器设计的关键。该文利用智能方法对叠层LTCC滤波器建模与优化,采用LTCC技术制备多层结构的LTCC滤波器。该结构滤波器的尺寸显著减小,从而有利于实现电路的小型化。     

FBAR建模及用于MIMO终端的滤波器设计

薄膜体声波谐振器(FBAR)是优良的射频频率器件.用基本Mason模型对FBAR器件进行建模,并分析阐述了FBAR射频滤波器的结构和设计方法.在此模型和设计方法基础上,对多输入多输出(MIMO)的1900MHz个人通信服务(PCS)频段和800 MHz蜂窝(Cellular)频段终端的FBAR射频多工滤波器进行了设计和性能分析.滤波器用ADS软件进行仿真和优化,仿真结果表明,本设计比Avago公司主流产品ACFM-7101性能要好,特别是带内纹波.     

LTCC片式LC带通滤波器的设计与实现

介绍了基于LTCC(低温共烧陶瓷)共烧技术和厚膜技术工艺特点进行集成式L和C元件建模、LTCC集成式LC滤波器的设计技术.根据LTCC集成元件体积小寄生参数较大的特点,将常规LC滤波器的电路拓扑进行诺顿变换,并利用LTCC片式LC滤波器进行整体建模优化仿真出合格参数曲线.利用LTCC工艺,最终制造出体积为4 mm×6.5 mm×1.6 mm的片式带通滤波器.该滤波器具有带宽宽,阻带抑制度高且宽的特点,非常适合目前使用传统LC滤波器的应用场合,减小了安装面积,增加了整体电路可靠性,同时由于采用LTCC技术,非常适合批量生产.     

BPNN辅助KF的MEMS陀螺仪数据处理方法

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况,提出了误差反馈（BP）神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知,当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理,首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q;再把新息、滤波增益、量测噪声方差输入神经网络,把Q作为神经网络的输出,神经网络优化系统噪声协方差矩阵得到Q*;最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明,在建模不精确的情况下该方法也能有效提高陀螺仪的精度。     

基于DGS 与半集总结构的新型LTCC 超宽带滤波器

设计了一款基于低温共烧陶瓷(LTCC)技术的新型超宽带(UWB,)带通滤波器.该款滤波器结合了半集总高通结构与缺陷地(DGS)结构,利用半集总结构实现截止频率为3.1GHz的高通滤波器,再结合DGS在高端产生阻带,从而实现通带为3.1～ 10.6GHz的带通滤波器,尺寸仅为3.2mm×1.6mm×1.2mm.实测结果表明:插入损耗＜1.5dB,反射损耗＜12dB,群时延＜0.8ns,带外抑制＞15dB(11.5～17GHz).测试与仿真结果较为吻合.此种LTCC滤波器结构具有尺寸小、插损小、群时延小等优点,而且结构简单,带宽和中心频率容易控制,相对带宽可做到150％以上,特别适合用于极宽带通信系统的频率选择.     

一种叠层带状线电调滤波器的设计

滤波器在无线通信系统中起选通频带和信道的作用,且能滤除谐波,抑制杂散。随着电子系统集成化的发展,平面耦合滤波器因体积大而不能适应现代无线移动通讯系统小型化、轻型化的要求。该文设计了一款基于低温共烧陶瓷(LTCC)技术的抽头式叠层带状线电调滤波器。该滤波器基于宽边耦合原理,比传统电调滤波器尺寸减小50%以上,由于该滤波器采用叠层结构,能在滤波器的通带两端各产生一个传输零点,使其能得到较高的带外抑制度。该叠层带状线滤波器的中心频率为2.4GHz,调谐范围为2.1~2.7GHz。整个频段内驻波比小于1.25,插损小于1.3dB,尺寸仅为4.8mm×4.5mm×0.6mm,同时满足了小型化和高性能的要求。     

一种识别雷达用半集总参数LTCC双工器

介绍了一种基于低温共烧陶瓷(LTCC)工艺研制而成的小型化半集总高隔离度双工器.该双工器由L波段集总参数低通滤波器和X波段阶跃阻抗( SIR)分布参数带通滤波器组成.通过电磁仿真软件的仿真优化,实际加工滤波器的测试结果与软件仿真结果吻合.其中低通滤波器1dB截止频率为1.46GHz,带通滤波器中心频率为8.3GHz,1dB带宽为0.6GHz,通带内插损小于3.5dB,X波段端口对L波段端口隔离度大于60dB.该小型化LTCC双工器已成功应用于某毫米波战场识别系统的T/R组件中.     

X波段三维LTCC 1/4功分器的试验研究

低温共烧陶瓷(LTCC)技术是实现微波电路与系统小型化、高密度的重要组装和互连技术。文中设计了一个X波段三维结构LTCC 1/4功分器,面积仅为10×15mm2,比常规相同波段1/4功分器体积减少了1/3。利用三维电磁场分析软件HFSS对功分器三维结构进行了建模分析和仿真优化,仿真优化结果较好,试验样品的测试结果与仿真结果基本吻合。     

基于神经网络与NSGA-Ⅱ算法的LTCC基板成型工艺优化

低温共烧陶瓷(LTCC)基板制作工艺复杂,产品质量对工艺参数十分敏感,微小的成型缺陷就会影响其功能特性.文章将BP神经网络和多目标遗传算法——NSGA-Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ)相结合用于LTCC基板在层压和烧结工艺过程中的工艺参数优化.根据LTCC基板成型过程中出现的微通道变形、互联金属柱错位、基板翘曲三种主要成型缺陷与相关工艺参数的正交仿真实验结果,对神经网络模型进行训练,建立了三种成型缺陷与工艺参数之间的神经网络预测模型.在此基础上,采用多目标遗传算法对三种成型缺陷相关工艺参数进行多目标优化求解,得到了较优的工艺参数组合,用于指导相关产品制作工艺设计.     

融合遗传算法与BP神经网络的气象威胁度建模与评估

针对无人飞行器航迹规划中的气象威胁要素模糊性强、复杂多变等特点,提出一种融合遗传算法与BP神经网络的气象威胁度评估方法。利用遗传算法的全局寻优能力优化BP神经网络的初始参数及结构,结合GA-BP神经网络对气象威胁度进行建模与评估。通过Matlab仿真验证,结果表明该方法能够准确评估气象威胁度,与BP神经网络相比,具有更快的收敛速度、更好的全局收敛性,提高了评估效率与准确度。     

混沌神经网络建模及仿真应用研究

简要的介绍了混沌神经网络的基本理论,对混沌神经网络与非线性建模问题进行了分析．以船舶发电机这一大型非线性系统为例,对其进行混沌神经网络仿真建模研究,提出了用混沌神经网络仿真建模的一般思路和方法．结果显示,将混沌神经网络应用于大型非线性系统的仿真建模是十分成功的．     

分形细胞神经网络用于联想记忆

本文提出了分形细胞神经网络，并成功地应用于联想记忆，从模拟结果看，分形细胞神经网络的联想记忆能力好于Ｂａｒａｍ提出的分形神经网络。     

LTCC无源滤波器的研究现状及进展

低温共烧陶瓷(LTCC)技术是实现微波组件小型化、轻量化、高性能和高可靠的有效方法。首先通过多芯片组件技术(MCM)引出了低温共烧陶瓷(LTCC)技术及其应用,接着介绍了LTCC无源滤波器的基本原理和设计方法,分析了目前国内外LTCC无源滤波器的研究概况,并列举了一些典型的应用,最后展望了LTCC无源滤波器的发展前景。基于LTCC的三维集成微波组件在雷达和通讯等技术领域具有广泛的应用前景。     

基于神经网络的宽带功放动态非线性行为建模

文章主要讨论了如何利用神经网络对宽带功放进行动态非线性行为建模的问题。首先简述了功放的动态非线性特性及行为建模的方法。然后回顾了基于实数时延前馈神经网络、径向基函数神经网络等浅层神经网络构建的功放动态非线性行为模型。在此基础上,针对5G/6G宽带功放具有更强的记忆效应的问题,重点分析了如何使用长短期记忆(LSTM)神经网络对功放的动态非线性进行精确的行为建模。最后展望了构建具有普适性的功放非线性行为模型将是5G/6G通信时代功放非线性建模的一个重要发展方向。     

基于神经网络的混合电路故障检测

随着电路越来越走向集成化和模块化,大多数电路都同时包含数字和模拟的混合信号,数模混合电路故障诊断技术也因此成为一个重要的课题。提出了利用小波分析和神经网络对混合集成电路故障进行检测的方法。基本思想是通过小波变换对原始采样信号进行检测,再利用神经网络对小波变换的结果进行分类,最后给出故障的信息。通过MATLAB仿真实验,证明该方法对混合电路的故障检测非常有效。     

STABILITY CONTROL AND ANALYSIS OF ASYMMETRIC CONTINUOUS NEURAL NETWORKS

A new method for analyzing dynamics of continuous neural networks is proposed,and the necessary convergence conditions for a class of associative networks are obtained. Basedon the stability criterion and the equations of equilibrium set of the network, synthesis of aclass of associative neural networks is given. The stability control model of asymmetric unstablenetworks is suggested, which is also a valid way for optimization and dynamic control of stableneural networks.     

An artificial intelligence-based spectrum sensing methodology for LoRa and cognitive radio networks

The artificial intelligence-based spectrum sensing approach is extremely important in terms of effective bandwidth utilization for low power wide area networks (LPWANs) based on cognitive radio networks (CRNs). Most studies perform spectrum detection with CRNs using optimization or deep neural network methods. However, optimization-based spectrum detection approaches based on current LPWANs are scarce. For this purpose, in this study, a hybrid optimization methodology integrated with CRNs is proposed for LoRa, which is one of the most compatible LPWAN technologies in the Internet of Things (IoTs) recently. In the particle swarm optimization (PSO) part of this hybrid methodology, agent users are created so that secondary users (SUs) could use the licensed band of primary users (PUs) in cognitive radio. On the genetic algorithm side, LoRa error rates are minimized in order to further improve the performance of the proposed method. In this way, effective spectrum sensing is performed in the LoRa network. Various LoRa-CRN experiments have been carried out in the simulation environment, and the probability of detection and false alarm performances have been compared with both theoretical and proposed approaches in terms of quality estimation parameters. It is clear from the results that the proposed methods give successful results for the LoRa-CRNs.