本发明属于pin限幅器,尤其涉及一种基于特征提取和随机噪声注入的二极管结构预测方法。
背景技术:
1、强电磁脉冲保护是电路板设计中的关键组成部分,作为限幅器中核心半导体器件,其中pin二极管的设计尤为重要。传统的设计方法通常是前向驱动的,基于预先存在的设备结构进行优化,以产生高性能的设备。然而,实际应用中获取pin二极管的内部结构具有挑战性,需要解剖器件,用隧道电扫、x光显微镜等技术反推内部结构、材料成分等。鉴于通过注入实验可直接获取pin二极管的响应曲线,如果能通过其响应推断内部结构,可以极大的提升防护设计的效率。然而,基于大量器件的实验数据获取成本十分昂贵且复杂,因此开发准确的pin二极管结构预测模型时面临着数据稀缺的挑战。许多研究提出了不同的器件结构预测方法,但他们依赖大量数据曲线,对数据的利用不够高效,并不能用于pin二极管的结构预测上,本发明提出一种新方法,在数据稀缺的情况下利用特征提取和数据增广来实现pin二极管结构的准确预测。
技术实现思路
1、为解决上述技术问题,本发明提出了一种基于特征提取和随机噪声注入的二极管结构预测方法,通过数据增强策略,提高pin二极管结构预测的精度,从而利用少量的数据进行高质量的预测。
2、为实现上述目的,本发明提供了一种基于特征提取和随机噪声注入的二极管结构预测方法包括:
3、获取二极管中限幅器的初始数据;
4、基于所述初始数据,获取样本特征;
5、对所述样本特征,进行数据增强;
6、基于增强后的数据,对梯度提升模型进行训练,获取二极管结构的预测模型;
7、基于所述预测模型,进行所述二极管结构的预测。
8、可选的,所述初始数据包括:限幅器的损伤时间和损伤温度。
9、可选的,获取所述样本特征包括:
10、对所述初始数据进行预处理,获取样本点;
11、对所述样本点进行特征提取,获取所述样本特征;
12、可选的,获取所述样本点包括:
13、对所述初始数据进行转置处理;
14、基于转置后的数据,进行标准化处理,获取所述样本点。
15、可选的,对所述样本点进行特征提取,获取所述样本特征包括:
16、基于核主成分分析,获取所述初始样本点高维空间的特征;
17、对所述高维空间的特征进行降维处理,获取所述初始样本点的主要特征;
18、采用随机森林对所述主要特征进行选择,获取高重要性特征;
19、基于所述高重要性特征,获取所述样本点。
20、可选的,获取所述初始样本点高维空间的特征包括:
21、基于核主成分分析,获取特征值和特征向量;
22、将所述特征值从大到小进行排序,选取前预设数量的所述特征值和特征向量;
23、基于选取后的所述特征值和特征向量,获取数据矩阵;
24、基于所述数据矩阵,获取所述初始样本点高维空间的特征。
25、可选的,所述数据矩阵为:
26、
27、其中,y为数据矩阵,ak为前k个特征向量组成的矩阵,λk为前k个特征值组成的对角矩阵。
28、可选的,进行数据增强包括:
29、在所述数据特征中注入噪声扰动,调节所述噪声扰动的随机抖动系数和标准差,进行数据增强。
30、可选的,所述数据增强为:
31、xaug=x+∈*σ
32、其中,xaug是增强数据,x是原始数据,∈是随机抖动系数,σ是数据的标准差。
33、与现有技术相比,本发明具有如下优点和技术效果:
34、本研究通过精心设计的实验和详细的数据分析,清楚地揭示了本发明的方法在改善pin二极管反向结构预测性能方面的优越性,从而充分证明了本发明方法的技术效果。与此同时,本发明的方法还具有良好的鲁棒性和可扩展性,能够有效地应对不同规模和复杂度的数据集,使得本发明的方法在实际应用中具有广泛的前景。
1.一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,所述初始数据包括:限幅器的损伤时间和损伤温度。
3.根据权利要求1所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,获取所述样本特征包括:
4.根据权利要求3所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,获取所述样本点包括:
5.根据权利要求3所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,对所述样本点进行特征提取,获取所述样本特征包括:
6.根据权利要求5所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,获取所述初始样本点高维空间的特征包括:
7.根据权利要求6所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,所述数据矩阵为:
8.根据权利要求1所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,进行数据增强包括:
9.根据权利要求8所述的一种基于特征提取和随机噪声注入的二极管结构预测方法,其特征在于,所述数据增强为: