Исследование и разработка методов проектирования пассивных планарных СВЧ устройств

• Автор: Юдин, Павел Николаевич
• Шифр специальности: 05.12.07
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Санкт-Петербург
• Количество страниц: 173 с. : ил.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ
Глава 1. МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМ ПАРАМЕТРИЧЕСКОЙ
ОПТИМИЗАЦИИ ПЛАНАРНЫХ СВЧ УСТРОЙСТВ
1.1. Выбор поисковых методов
1.2. Метод случайного поиска
1.3. ЛП-поиск
1.4. Последовательности Холтона
1.5. Генетические алгоритмы
1.6. Выводы по главе
Глава 2. РЕАЛИЗАЦИЯ САПР ПАССИВНЫХ СВЧ УСТРОЙСТВ
2.1. Модель микрополосковой линии
2.2. Модель многосвязных линий передачи
2.3. Расчет 3-параметров многосвязных планарных линий (МПЛ)
2.4. Учет анизотропии диэлектрической подложки (сапфира)
2.5. Алгоритм расчета пассивных СВЧ устройств на многосвязных планарных линиях передачи
2.6. Программа расчета "Микрополосковые фильтры"..
2.7. Примеры расчета характеристик пассивных СВЧ устройств
2.8. Оптимизация топологической структуры микро-полосковых фильтров и резонаторов
2.9. Выводы по главе
ГЛАВА 3. ИЗВЛЕЧЕНИЕ ПАРАМЕТРОВ ФЕНОМЕНОЛОГИЧЕСКОЙ МОДЕЛИ
ПОВЕРХНОСТНОГО ИМПЕДАНСА ВТСП ПЛЕНОК

3.1. Использование ВТСП в СВЧ технике
3.2. Модель поверхностного сопротивления пленки высокотемпературного сверхпроводника
3.3. Реализация программы извлечения модельных параметров ВТСП пленок
3.4. Анализ чувствительности модели поверхностного импеданса ВТСП пленок к изменению параметров
3.5. Примеры извлечения параметров модели поверхностного импеданса ВТСП пленок
3.6. Выводы по главе
ГЛАВА 4. ИЗВЛЕЧЕНИЕ МОДЕЛЬНЫХ ПАРАМЕТРОВ
ДИЭЛЕКТРИЧЕСКОЙ ПРОНИЦАЕМОСТИ СЕГНЕТО-ЭЛЕКТРИЧЕСКИХ ПЛЕНОК
4.1. Основные свойства сегнетозлектриков и их применение в СВЧ электронике
4.2. Феноменологическая модель диэлектрической проницаемости сегнетоэлектрической пленки
4.3. Расчет емкости сегнетоэлектрического планарного конденсатора
4.4. Алгоритм и реализация программы извлечения модельных параметров тонкой сегнетоэлектрической пленки из экспериментальных характеристик
4.5. Примеры извлечения модельных параметров
4.6. Выводы по главе

ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ 1. Рекуррентный алгоритм генерации точек ЛПґ-
последовательности
ПРИЛОЖЕНИЕ 2. Символьная модель простого генетического
алгоритма
ПРИЛОЖЕНИЕ 3. Теорема шим

шансов сойтись к локальному оптимуму и робастно функционируют на многоэкстремальном ландшафте.
Конечно, такие предположения не предсказывают строго, когда ГА будет эффективной процедурой поиска, конкурирующей с другими процедурами. Эффективность ГА сильно зависит от таких деталей, как метод кодировки решений, операторы, настройки параметров, частный критерий успеха.
При построении символьной модели генетического алгоритма множество допустимых решений представляется в виде конечной популяции особей (см. Приложение 2) . Каждая особь в популяции обладает мерой приспособленности к окружающей среде. Процесс поиска оптимального решения описывается процессом моделируемой "эволюции", целью которой является нахождение особи (или множества особей), имеющей максимальную приспособленность, т.е. особи, соответствующей оптимальному значению. Более детально внутренние механизмы работы ГА рассмотрены в Приложении 3.
Каждая особь представлена в виде набора некоторого числа генов (битовых строк заданной длины) называемого хромосомой. Число генов в хромосоме соответствует размерности решаемой задачи; каждый ген используется для кодирования небольшого интервала значений одного из параметров модели. По существу, такая кодировка соответствует разбиению пространства параметров на гиперкубы, которым соответствуют уникальные комбинации битов в хромосоме (генотип).
Таким образом, ген представляет собой бинарный код одного из оптимизируемых параметров. Хромосома - это совокупность генов. Число генов в хромосоме для конкретной задачи соответствует максимуму оптимизируемых параметров, т.е. случаю оптимизации по всему набору параметров.