基于封裝的射頻系統(tǒng)數(shù)值仿真與實(shí)驗(yàn)研究.pdf

1、隨著無線通訊事業(yè)的發(fā)展，射頻工程師和封裝工程師面臨著產(chǎn)品向更高密度、更高穩(wěn)定度和更多功能的挑戰(zhàn)。射頻SiP(system in package系統(tǒng)封裝)是解決這一問題很好的方案，精確的電磁仿真和有效的設(shè)計(jì)方法是發(fā)展這一技術(shù)的關(guān)鍵。 本文針對(duì)基于LTCC(low temperature co-fired ceramic，低溫共燒陶瓷)射頻SiP中的無源器件的建模和優(yōu)化設(shè)計(jì)問題提出有效的解決方法，并給出了DBF雷達(dá)通道接收機(jī)SiP系

2、統(tǒng)的完整的設(shè)計(jì)。 結(jié)合基于SM(space mapping，空間映射)的神經(jīng)網(wǎng)絡(luò)建模技術(shù)，本文提出了利用S-B AFS(adaptive frequency sampling，自適應(yīng)頻率采樣)加速FSMN(frequency space mapped neuromodeling，頻率空間映射神經(jīng)網(wǎng)絡(luò)建模)技術(shù)，在建模過程中利用S-BAFS進(jìn)行細(xì)模型的采樣掃頻減少了掃頻時(shí)間；在FPSMN(frequency partial spa

3、ce mapped neuromodeling，頻率部分空間映射神經(jīng)網(wǎng)絡(luò)建模)技術(shù)中，我們采用版圖級(jí)綜合的電路模型作為粗模型，它準(zhǔn)確反映了元件的主參數(shù)和寄生參數(shù)是一種高質(zhì)量的粗模型，因而提高了建模的精度并減小了神經(jīng)網(wǎng)絡(luò)的復(fù)雜性。這一方法對(duì)LTCC電路設(shè)計(jì)尤其有效。 在NISM(neural inverse space mapping，神經(jīng)網(wǎng)絡(luò)逆空間映射)優(yōu)化方法中，采用版圖級(jí)綜合的電路模型作為粗模型；引入神經(jīng)網(wǎng)絡(luò)空間作為粗、細(xì)模

4、型之間的緩沖空間克服了傳統(tǒng)的空間映射技術(shù)中粗、細(xì)模型空間必須一致的缺點(diǎn)，拓寬了空間映射技術(shù)的使用范圍。由于利用了Broyden迭代公式，細(xì)模型很快收斂；利用S-B AFS進(jìn)行細(xì)模型掃頻采樣減少掃頻時(shí)間，這種優(yōu)化方法尤其能提高復(fù)雜LTCC無源電路設(shè)計(jì)效率。 利用多層耦合帶線諧振結(jié)構(gòu)設(shè)計(jì)小型化LTCC濾波器，由于利用四個(gè)多層帶線耦合諧振單元和DGS(defected ground structure，缺陷地結(jié)構(gòu))，設(shè)計(jì)的濾波器具有較