基于双参数波形数字滤波器的电路元件改进型神经网络建模

《IEEE Transactions on Cognitive and Developmental Systems》：Improved Neural Network Modeling of Circuit Elements With Biparametric Wave Digital Filters

　　

摘要：

近期研究表明，将波形数字滤波器与神经网络结合用于建模非线性电路是有效的。在这种方法中，神经网络用于近似非线性元件的散射方程，而基于波形数字滤波器的线性网络则用于表示电路的其余部分。然而，为获得完全显式结构所需的适配条件可能会导致不理想的参数值，从而严重扭曲波域中非线性特性的表现。在建模滞后现象（或其他具有记忆特性的非线性现象）时，这一问题尤为突出，因为经过变换后的特性可能会使滞后回路的各个分支相互重叠，进而阻碍精确的学习。在本研究中，我们提出使用双参数波形数字滤波器来克服这些限制。通过利用双参数形式所提供的额外自由度，可以获得更合适的非线性波域表示，从而简化神经网络建模任务。此外，我们还表明，这种方法只需少量修改即可集成到现有的波形数字滤波器结构中，因此即便在处理复杂电路时也能轻松应用。