基于神經(jīng)網(wǎng)絡(luò)的微波均衡器建模與仿真

大功率行波管等微波管是雷達(dá)等電子裝備的核心器件，其技術(shù)水平?jīng)Q定了電子裝備的戰(zhàn)術(shù)性能。但是由于大功率微波管的增益波動較大，在等激勵輸入的情況下，不能使頻帶內(nèi)所有點(diǎn)均達(dá)到飽和輸出，這樣會造成輸入信號產(chǎn)生諧波和互調(diào)分量，導(dǎo)致微波真空管次品率上升，更重要的是直接影響了現(xiàn)代電子設(shè)備的性能，特別是難以滿足現(xiàn)代戰(zhàn)爭的高環(huán)境可靠性要求。因此，需要使用大功率微波管均衡技術(shù)，即增加一個微波網(wǎng)絡(luò)，使其傳輸特性與微波管的傳輸特性相補(bǔ)償，這樣行波管的輸出功率波動減至最小，該微波網(wǎng)絡(luò)就是微波均衡器。
　　而多諧振腔結(jié)構(gòu)的均衡器是具有復(fù)雜微波結(jié)構(gòu)的器件，由于其結(jié)構(gòu)的復(fù)雜性使得其嚴(yán)格數(shù)學(xué)表示非常復(fù)雜，無論用解析方法還是數(shù)值方法，直接的求解都很難進(jìn)行，而對各種非理想因素進(jìn)行簡化后的計(jì)算結(jié)果誤差又太大，實(shí)用價(jià)值不高。在無法得到其準(zhǔn)確電磁特性的條件下，無法對調(diào)試工作進(jìn)行有效的指導(dǎo)，優(yōu)化設(shè)計(jì)更無從談起。這一問題對于目前微波工程中普遍應(yīng)用的復(fù)雜微波結(jié)構(gòu)來講，也是普遍存在的，而且也是一個急需解決的問題，因此為了提高設(shè)計(jì)速度，節(jié)省設(shè)計(jì)成本，對均衡器建立模型，用于計(jì)算機(jī)輔助設(shè)計(jì)顯得越來越重要。
　　微波均衡器的傳輸特性主要決定于它本身的結(jié)構(gòu)尺寸和頻率，它們構(gòu)成非線性映射關(guān)系，而神經(jīng)網(wǎng)絡(luò)可以對任何線性和非線性的函數(shù)關(guān)系進(jìn)行快速、準(zhǔn)確的模擬，并且具有良好的聯(lián)想能力。故可以采用人工神經(jīng)網(wǎng)絡(luò)對均衡器進(jìn)行建模。雖然神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程需要花費(fèi)一定的時(shí)間，但是神經(jīng)網(wǎng)絡(luò)模型一旦訓(xùn)練完成，就可以在很短的時(shí)間內(nèi)得出結(jié)果，且不會犧牲精度，因此采用神經(jīng)網(wǎng)絡(luò)模型輔助微波均衡器的設(shè)計(jì)將會大大提高設(shè)計(jì)速度，節(jié)省調(diào)試時(shí)間。
1 均衡器基本單腔子結(jié)構(gòu)
　　圖1是吸收型同軸微波幅度均衡器的單子結(jié)構(gòu)圖，多子結(jié)構(gòu)級聯(lián)的情況以此為基礎(chǔ)。同軸諧振腔的一端與主傳輸線相連，另一端是可調(diào)短路活塞，它可調(diào)節(jié)諧振腔腔長，諧振腔內(nèi)是插入主傳輸線的可調(diào)耦合探針，通過探針將主傳輸線內(nèi)的能量耦合入諧振腔，改變諧振腔腔長和探針插入深度可調(diào)節(jié)諧振腔的諧振頻率和品質(zhì)因數(shù)Q值等。另外，還可以在諧振腔側(cè)壁的適當(dāng)位置插入吸收材料制成的衰減棒等。

但由于單子結(jié)構(gòu)帶寬和吸收衰減幅度的有限性，為了能在較寬頻帶內(nèi)實(shí)現(xiàn)對大功率微波管的高精度均衡，必須采用多級子結(jié)構(gòu)級聯(lián)的形式。所以在工程實(shí)踐中，針對均衡器的復(fù)雜特性提出了以海量數(shù)據(jù)庫為基礎(chǔ)的網(wǎng)絡(luò)子結(jié)構(gòu)互聯(lián)分析方法。在數(shù)據(jù)庫的建立過程中，利用網(wǎng)絡(luò)分析儀對均衡器單腔子結(jié)構(gòu)進(jìn)行S參數(shù)的測量，建立相應(yīng)的S參數(shù)測量數(shù)據(jù)庫。此數(shù)據(jù)庫中每個測量點(diǎn)對應(yīng)的均衡器物理參數(shù)為：諧振腔的腔長Lc，耦合探針插入傳輸線深度Ls，介質(zhì)微擾插入諧振腔深度La。由工程實(shí)踐可知，三個物理參數(shù)對諧振頻率點(diǎn)的頻率影響是有規(guī)律可循的。通常，諧振頻率隨Lc的增大而降低；諧振頻率隨Ls的增大而降低，同時(shí)衰減增大；諧振頻率隨La的增大而降低，同時(shí)衰減減小。
2 神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)
2.1 RBF神經(jīng)網(wǎng)絡(luò)
　　RBF（Radius Base Function）是最近十年興起的一種新型的神經(jīng)網(wǎng)絡(luò)，它具有網(wǎng)絡(luò)結(jié)構(gòu)簡單、網(wǎng)絡(luò)訓(xùn)練速度快（與BP算法相比，RBF網(wǎng)絡(luò)的訓(xùn)練算法可以快一個數(shù)量級）、仿真精度高等優(yōu)點(diǎn)。RBF網(wǎng)絡(luò)同時(shí)具有良好的局部性，能提供平滑、性能優(yōu)秀的離散數(shù)據(jù)內(nèi)插特性，由該網(wǎng)絡(luò)構(gòu)成的系統(tǒng)是有界、穩(wěn)定的。
　　RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示，它是一種兩層網(wǎng)絡(luò)，第一層由RBF神經(jīng)元作為隱神經(jīng)元（傳輸函數(shù)為高斯函數(shù)），圖中a1i的表示向量a1的第i個元素；b1i表示向量b1的第i個元素(即第i個RBF神經(jīng)元的方差)；iW1表示矩陣W1的第i行，即第i個神經(jīng)元的中心。第二層由線性神經(jīng)元(傳輸函數(shù)為線性函數(shù))作為輸出神經(jīng)元。其中S1、S2分別表示第一層和第二層神經(jīng)元的數(shù)目。