基于神经网络的阻抗合成技术在多探头谐波调谐器中的应用

《IEEE Latin America Transactions》：Neural Network-Based Impedance Synthesis for Multi-Probe Harmonic Tuners

　　

摘要：

本文提出了一种深度神经网络（DNN）方法，用于解决在射频负荷牵引测量中使用的多探头谐波阻抗调谐器中的逆向调谐器控制问题。在该问题中，需要指定调谐器参考平面上的期望反射系数，并确定相应的探头位置。所提出的方法解决了多探头系统中固有的复杂非线性交互问题，其中单个探头的移动会改变多个谐波的阻抗，这使得传统的暴力搜索方法因可能的探头配置数量过多而不可行。设计并训练了两种具有六个隐藏层的前馈DNN架构，用于预测在调谐器参考平面上合成目标阻抗所需的电机步进。使用Focus Microwaves iMPT-1818-TC调谐器在3 GHz基本频率下进行的实验验证表明，预测的幅度准确率为96.61%，相位准确率为94.03%。此外，一个同时控制3 GHz和6 GHz的多谐波模型在基本频率下的幅度准确率为90.15%，相位准确率为87.78%；在第二谐波下的幅度准确率为88.12%，相位准确率为74.92%。通过用预测模型替代基于迭代VNA的搜索方法，所提出的方法显著减少了调谐器的预特性化时间，并提高了射频晶体管负荷牵引测量的效率。