-
公开(公告)号:CN119272627A
公开(公告)日:2025-01-07
申请号:CN202411380654.1
申请日:2024-09-30
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种增量多保真度机器学习辅助的混合优化方法与系统,方法主要包括初始设置与初始样本获取、全局低保真度代理模型#imgabs0#与残差模型#imgabs1#训练、全局优化、局部代理模型训练与优化、低保真度全波仿真并更新代理模型#imgabs2#再预测与高保真度仿真等步骤。该方法在训练和更新代理模型的过程中引入多保真度模型和自适应增量学习,可以有效降低采样和训练的计算复杂度,同时在优化的过程中采用全局多目标与局部单目标的混合优化算法,能够提升算法搜索的效率。该方法可用于设计参数在20‑50维的中等规模天线、阵列、滤波器等多目标电磁器件的优化设计等领域。
-
公开(公告)号:CN119227514A
公开(公告)日:2024-12-31
申请号:CN202411247100.4
申请日:2024-09-06
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/27 , G06F30/367
Abstract: 本发明公开了一种机器学习辅助的片上变压器自动综合方法,首先设定片上变压器电参数目标和工艺约束;使用逆向人工神经网络快速预测得到一组结构参数作为初始解;接着对结构参数进行随机采样,其中一部分样本空间为初始解周围浮动得到,并进行全波电磁仿真获取样本;将样本全波仿真数据进行压缩,进而引入片上变压器先验知识训练GPR代理模型,使得模型的维度降低且预测准确度更高;然后进行全局优化,通过初始解约束优化范围,并进一步采用不同置信下限常数带来的多路径优化增强算法的收敛性和探索性。本发明采用逆向网络和正向优化相结合的算法,在保证准确度的同时具有更低的计算成本和更高的优化速度,推动了片上无源器件设计的自动化和智能化。
-
公开(公告)号:CN118944626A
公开(公告)日:2024-11-12
申请号:CN202411135416.4
申请日:2024-08-19
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: H03H7/18
Abstract: 本发明公开了一种面向5G毫米波应用的片上无源宽带数控移相器,移相步进为5.625°,能够实现从0°到354.375°范围内的共64种状态的移相。该移相器由180°、90°、45°、22.5°、11.25°、5.625°六位移相单元级联构成,180°移相单元采用开关切换π型高通网络和π型低通网络的结构,90°移相单元采用开关切换T型高通网络和π型低通网络的结构,45°、22.5°、11.25°移相单元采用开关切换π型低通网络和带通网络的结构,5.625°移相单元采用单个电感外加一个旁路开关的结构。本发明通过精心选择和设计各个移相单元电路结构,并对连接顺序进行精心设计,在5G毫米波频段内实现6比特高精度移相,在20%相对带宽内保持良好的均方根相位误差和均方根幅度误差性能。
-
公开(公告)号:CN118862794A
公开(公告)日:2024-10-29
申请号:CN202411135411.1
申请日:2024-08-19
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/373
Abstract: 本发明公开了一种结合先验知识的机器学习辅助运算放大器优化方法。本发明针对机器学习辅助运算放大器优化时维度升高后优化难以实现的问题,提出了一种结合先验知识的改进方法,引入中间变量直流参数(跨导gm/漏电流id与id),先学习晶体管尺寸与直流参数的关系,再学习直流参数与电性能之间的关系,同时在每一级代理模型的建立过程中进行特征选择降维,结合先验知识的代理模型在高维取得了较好的预测精度;最后通过全局优化算法进行全局优化得到符合性能要求的设计参数。实验表明,本发明方法在较高维的运算放大器优化中能获得更好的性能。
-
公开(公告)号:CN119180258A
公开(公告)日:2024-12-24
申请号:CN202411247104.2
申请日:2024-09-06
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/398 , G06F30/392
Abstract: 本发明公开了一种片上变压器自动绘制方法,可适用多种结构,包括交错互绕变压器、对称互绕变压器和对称叠层变压器。本发明的片上变压器自动绘制方法可实现任意多边形、不同结构、多种匝比的变压器绘制,可在任意位置增加抽头结构,能覆盖常见射频电路应用场景。相较于传统手动绘制,本发明只需提供所需的结构参数和结构类型,即可快速输出变压器版图,极大地提高了无源器件的设计效率。同时,本发明结合了几何先验知识对绘制结构进行预筛选,自动建模成功率可达100%。本发明所述方法在保证成功率的同时推动了射频电路设计的自动化和智能化。
-
公开(公告)号:CN115801526B
公开(公告)日:2025-01-03
申请号:CN202211437603.9
申请日:2022-11-17
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种非线性放大三维信号调制解调方法及装置。该方法利用无线传输系统实现具有斯托克斯约束的三维调制,发射端由三维调制产生的两路信号分别独立正交通过工作在非线性放大的功率放大器和天线进行信号发射。接收端通过极化正交的天线或单天线获取存在非线性畸变的接收信号。利用两路调制符号的斯托克斯约束关系,对接收信号幅度和相位的非线性畸变进行估计和补偿。本发明可应用于单载波频域均衡无线传输系统,利用具有斯托克斯约束的三维调制进行信息传输。即使功率放大器工作在非线性区甚至于饱和放大区,所提方法使得无线接收机仍然实现高性能接收,从而显著提升无线通信系统的功率效率。
-
公开(公告)号:CN113609677B
公开(公告)日:2024-01-23
申请号:CN202110895938.4
申请日:2021-08-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于多路径的机器学习辅助天线设计方法,该方法利用深度高斯过程回归机器学习算法对多保真度训练集数据进行学习,得到代理模型;基于置信下界预筛分的方法,提出多路径的策略,在利用进化算法对代理模型进行全局最优值预测时,不同的置信下界常数动态权衡算法的收敛性和探索性,以多条路径进行全局最优解的搜索。该方法保证算法收敛速度的同时具体有鲁棒性。
-
公开(公告)号:CN116341360A
公开(公告)日:2023-06-27
申请号:CN202310044507.6
申请日:2023-01-30
Applicant: 东南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06N20/00 , G06N3/048
Abstract: 本发明公开了一种采用机器学习辅助优化的天线拓扑像素优化设计方法。该方法基于迭代式的机器学习辅助优化的算法架构,在算法的每次迭代中,引入卷积神经网络,建立像素化的天线拓扑和天线性能间的代理模型,并引入二进制的进化算法对代理模型进行优化,而后对优化结果进行验证并由此判断算法是否终止,若未终止,则将优化及验证结果加入数据集对神经网络进行重新训练,进行下一次算法迭代。相较于传统的仅基于进化类算法的天线拓扑像素优化方法,该方法大大提升了优化的收敛速度,并在同等时间内实现了优化结果的大幅度提升。该方法可用于不同种类天线的拓扑优化领域。
-
公开(公告)号:CN115801526A
公开(公告)日:2023-03-14
申请号:CN202211437603.9
申请日:2022-11-17
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种非线性放大三维信号调制解调方法及装置。该方法利用无线传输系统实现具有斯托克斯约束的三维调制,发射端由三维调制产生的两路信号分别独立正交通过工作在非线性放大的功率放大器和天线进行信号发射。接收端通过极化正交的天线或单天线获取存在非线性畸变的接收信号。利用两路调制符号的斯托克斯约束关系,对接收信号幅度和相位的非线性畸变进行估计和补偿。本发明可应用于单载波频域均衡无线传输系统,利用具有斯托克斯约束的三维调制进行信息传输。即使功率放大器工作在非线性区甚至于饱和放大区,所提方法使得无线接收机仍然实现高性能接收,从而显著提升无线通信系统的功率效率。
-
公开(公告)号:CN112054972B
公开(公告)日:2022-10-28
申请号:CN202010721612.5
申请日:2020-07-24
Applicant: 东南大学
IPC: H04L25/02
Abstract: 本发明公开了一种利用多极化宽带扩展阵列响应的密集多径参数估计方法,该方法首先通过多极化天线阵列发送多组不同的发送信号序列,根据已知的发送信号处理多个快拍的接收数据,获得多极化天线分量在频带内所有频点的信道响应,并将获得的多个快拍下的多频点信道响应矩阵扩展成一个大的二维信道响应矩阵;然后利用参考点阵元获得多径传播的时延参数,并利用频域平滑降维后的信道矩阵估计二维离开角和到达角;后对估计的离开角与到达角进行配对,再利用已估计参数估计获得子径的交叉极化比、初始相位和幅度参数,最终实现多维参数估计。本发明可以实现密集多径环境中多维子径参数的估计,可用于电波传播测量、室内定位等领域。
-
-
-
-
-
-
-
-
-