基于统一噪声训练集的射频设备深度学习建模方法
信号处理
2024-12-06 v1 机器学习
摘要
随着集成电路规模和复杂度的不断增长，传统建模方法正在难以应对射频（RF）芯片中非线性挑战。深度学习正逐渐被应用于 RF 器件建模。本文提出一种基于统一噪声训练集的射频设备深度学习建模方法，旨在对射频器件的非线性特性进行建模和拟合。我们假设统一噪声信号可以涵盖频率和幅度两个维度上的全部特征，而深度学习模型能够有效捕捉和学习这些特征。基于这一假设，论文设计了一个基于测量数据的完整集成电路建模流程，包括数据收集、处理和神经网络训练。以射频放大器 PW210 为案例实验验证了所提方法。实验结果表明，统一噪声训练集使模型能够捕捉射频器件的非线性特性，而训练得到的模型能够预测其从未遇到的波形模式。使用统一噪声训练集的本文提出的射频设备深度学习建模方法展现出强大的泛化能力和优异的训练性能，具有高度的实际应用价值。
引用
@article{arxiv.2412.03936,
title = {Deep Learning Modeling Method for RF Devices Based on Uniform Noise Training Set},
author = {Zhaokun Hu and Yindong Xiao and Houjun Wang and Jiayong Yu and Zihang Gao},
journal= {arXiv preprint arXiv:2412.03936},
year = {2024}
}
备注
9 pages,11 figures