本发明适用于数值优化,尤其涉及一种声表面波滤波器参数的优化方法、系统及相关设备。
背景技术:
1、声表面波(saw)滤波器凭借其小型化、低成本、高选择性等特点,成为了智能手机中不可或缺的元件。设计声表面波滤波器需要仿真工具,通常需要借助mbvd(modifiedbutterworth-van dyke,改善型巴特沃斯-范戴克)等效电路模型,com(couple of model)模型及有限元方法进行仿真。在射频rx频段(receive)中需要低插损和高带外抑制滤波器,这种滤波器需要双模声表面波(double mode saw,dms)谐振器和梯形谐振器(ladder)共同完成,而mbvd模型无法进行双模声表面波谐振器的仿真,需要使用有限元方法进行仿真,但基于有限元方法的仿真速度较慢,极大地限制了rx滤波器的设计迭代速度。com模型精度准仿真速度快,得到了广泛的应用,但是进行滤波器设计时,十分依赖设计人员的设计经验,这极大的限制了产品迭代速度。例如,对于一个典型的接受双工band34+39频段,变量个数大约有50至80个,由于变量个数过多,设计人员需要大量的时间去调整各个参数,以达到性能最佳。
2、因此,迫切需要一种数值优化方法来辅助进行声表面波滤波器的设计。对于典型的滤波器设计问题,可以分为优化和基础计算2个问题。对于优化需要面对10几个目标,50-80个设计变量,这对于优化来讲已经是个很棘手的问题;而对于基础计算,需要得到10几个谐振器的仿真参数,且其中双模声表面波谐振器仿真更慢。因此如何提高仿真速度,降低优化寻优难度为滤波器设计的关键问题。
技术实现思路
1、本发明提供一种声表面波滤波器参数的优化方法、系统及相关设备,旨在解决现有技术在对滤波器参数优化时因为数据量大导致的com模型计算慢、仿真设计效率低的问题。
2、第一方面,本发明提供一种声表面波滤波器参数的优化方法,所述优化方法包括以下步骤:
3、s1、根据需要优化的声表面波滤波器的参数构建优化模型,并基于所述优化模型对所述参数进行优化计算,得到优化参数;
4、s2、构建能够并行计算粒子适应度的自适应粒子群优化算法,所述粒子适应度包括速度和位置;
5、s3、以包含所述优化参数的粒子群作为所述自适应粒子群优化算法的输入进行迭代计算,得到所述参数对应的参数优化结果。
6、更进一步地,所述优化模型满足以下关系式:
7、min il(x);
8、s.t. lb≤x≤ub;
9、g(x)≤0;
10、其中,il表示所述声表面波滤波器的插损,x表示所述参数,lb和ub分别表示所述参数的上限和下限,g(x)表示所述声表面波滤波器的预设附加参数。
11、更进一步地,所述自适应粒子群优化算法包括以下子步骤:
12、s21、以多个数据作为粒子群的初值,并设置最优解的边界以初始化粒子的速度和位置;
13、s22、根据所述初值以并行的方式计算所述粒子群中粒子的适应度,得到局部最优解和全局最优解;
14、s23、根据所述局部最优解和所述全局最优解以并行的方式计算所述粒子群中粒子的适应度,得到当前局部最优解和当前全局最优解;
15、s24、判断所述当前局部最优解和/或所述当前全局最优解是否到达所述边界,若是,扩大所述边界的值,并返回步骤s23;若否,执行步骤s25;
16、s25、判断所述当前局部最优解和所述当前全局最优解是否满足预设收敛条件,若是,执行步骤s26;若否,将所述当前局部最优解和所述当前全局最优解分别更新为所述局部最优解和所述全局最优解,并返回步骤s23;
17、s26、输出所述当前局部最优解和所述当前全局最优解。
18、更进一步地,步骤s24中,定义所述边界的值为l,扩大后的所述边界的值。
19、更进一步地,所述参数包括周期长度、金属化率、孔径、间距、根数的其中至少一种。
20、更进一步地,步骤s1中,基于所述优化模型对所述参数进行优化计算的步骤,对每一所述参数分别进行优化计算,并将分别计算的结果进行转化和级联。
21、第二方面,本发明还提供一种声表面波滤波器参数的优化系统,包括:
22、参数耦合模块,用于根据需要优化的声表面波滤波器的参数构建优化模型,并基于所述优化模型对所述参数进行优化计算,得到优化参数;
23、粒子群优化模块,用于构建能够并行计算粒子适应度的自适应粒子群优化算法,所述粒子适应度包括速度和位置;
24、联合优化模块,用于以包含所述优化参数的粒子群作为所述自适应粒子群优化算法的输入进行迭代计算,得到所述参数对应的参数优化结果。
25、更进一步地,所述优化模型满足以下关系式:
26、min il(x);
27、s.t. lb≤x≤ub;
28、g(x)≤0;
29、其中,il表示所述声表面波滤波器的插损,x表示所述参数,lb和ub分别表示所述参数的上限和下限,g(x)表示所述声表面波滤波器的预设附加参数。
30、第三方面,本发明还提供一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的声表面波滤波器参数的优化方法中的步骤。
31、第四方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中任意一项所述的声表面波滤波器参数的优化方法中的步骤。
32、本发明所达到的有益效果,在于提出了一种针对不同结构的滤波器模型变量的耦合问题的参数优化方法,并结合集群并行的粒子群优化算法,利用多个初值驱动及动态调整优化变量上下限范围,解决了参数优化过程中寻优困难及优化效率低下的问题,提高了滤波器参数优化的计算效率,进一步优化了仿真流程。
1.一种声表面波滤波器参数的优化方法,其特征在于,所述优化方法包括以下步骤:
2.如权利要求1所述的声表面波滤波器参数的优化方法,其特征在于,所述优化模型满足以下关系式:
3.如权利要求1所述的声表面波滤波器参数的优化方法,其特征在于,所述自适应粒子群优化算法包括以下子步骤:
4.如权利要求3所述的声表面波滤波器参数的优化方法,其特征在于,步骤s24中,定义所述边界的值为l,扩大后的所述边界的值。
5.如权利要求1所述的声表面波滤波器参数的优化方法,其特征在于,所述参数包括周期长度、金属化率、孔径、间距、根数的其中至少一种。
6.如权利要求1所述的声表面波滤波器参数的优化方法,其特征在于,步骤s1中,基于所述优化模型对所述参数进行优化计算的步骤,对每一所述参数分别进行优化计算,并将分别计算的结果进行转化和级联。
7.一种声表面波滤波器参数的优化系统,其特征在于,包括:
8.如权利要求7所述的声表面波滤波器参数的优化系统,其特征在于,所述优化模型满足以下关系式:
9.一种计算机设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-6中任意一项所述的声表面波滤波器参数的优化方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6中任意一项所述的声表面波滤波器参数的优化方法中的步骤。