基于PCA-XGBoost的差分微带滤波器的设计.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116011310A(43)申请公布日2023.04.25(21)申请号202111634179.2(22)申请日2021.12.29(71)申请人上海海事大学地址201306上海市浦东新区临港新城海港大道1550号(72)发明人张友俊徐雯雯(51)Int.Cl.G06F30/27(2020.01)G06F30/33(2020.01)G06F30/367(2020.01)G06N20/00(2019.01)H01P11/00(2006.01)H01P1/20(2006.01)权利要求书2页说明书5页附图5页(54)发明名称基于PCA-XGBoost的差分微带滤波器的设计(57)摘要本发明提供了一种将非线性赋权的极限梯度提升(eXtremeGradientBoosting,XGBoost)应用到微带滤波器的结构参数估计上，提出了一种基于PCA‑XGBoost的差分微带滤波器的设计方法。通过改进的阶梯阻抗谐振器差分微带带通滤波器的实例化，用网格搜索和10折交叉验证优化参数后，得到模型的均方误差为0.82，平均绝对误差为0.52，准确率为92.29％，训练时间为0.58s。并将支持向量机(SVM)算法模型，卷积神经网络(CNN)算法模型，XGBoost算法模型和PCA‑XGBoost算法模型的评价指标对比，得出PCA‑XGBoost算法模型不仅有较高的准确率，而且训练时间最短，验证了PCA‑XGBoost模型在微带滤波器参数估计上的可行性和有效性，据此设计出一个单频差分滤波器和一个双频带差分滤波器。CN116011310ACN116011310A权利要求书1/2页1.一种基于PCA‑XGBoost的差分微带滤波器的设计方法，其特征在于，包括以下步骤：步骤S1,利用微波技术设计基于阶跃阻抗谐振器差分微带电路,确定基本的拓扑结构和初始的结构参数；步骤S2,使用HFSS添加参数扫描，仿真结束后，导出S参数和结构参数Y1,Y2,Y3的相关数据，共获得n个样本，每个样本具有m‑3特征和3个标签Y1，Y2，Y3；步骤S3,数据预处理，先把数据集进行归一化处理，然后用PCA降维把特征降到80个，再按8：2划分为训练集和测试集；步骤S4,将处理过的数据集放入到PCA‑XGBoost中进行训练，采用网格搜索和10折交叉验证的方法对模型的超参数进行优化，计算均方误差，平均绝对误差和R2_Score作为模型的评价指标；步骤S5,当评价指标达到要求后保存PCA‑XGBoost模型，对目标S参数值对应的结构参数Y1,Y2,Y3的数值进行预测，得到结构参数Y1,Y2,Y3的预测值；步骤S6,在HFSS中，将Y1,Y2,Y3的值设置为得到的预测值进行仿真，验证并微调后完成差分微带滤波器的设计。2.根据权利要求1所述的基于PCA‑XGBoost的差分微带滤波器的设计方法，其特征在于，步骤S1中所述滤波器的拓扑结构是基于阶跃阻抗谐振器的结构进行的改进，改进的阶跃阻抗谐振器包含三条不同的阻抗线，在常规的低阻抗线Z1(θ1)和高阻抗线Z2(θ2)之间加入一条开放式短截线Z3(θ3)。3.根据权利要求2所述的差分微带滤波器的拓扑结构与传统的二分阶跃阻抗谐振器相比，新设计的阶跃阻抗谐振器不仅有更多用于谐振频率控制的结构参数，而且通过把微带线弯曲，减小了滤波器布局的整体尺寸，差分滤波器的布局上下左右结构沿中心线均对称。4.根据权利要求3所述的差分微带滤波器的拓扑结构，其特征在于：所述谐振器，开路枝节，耦合线和馈线材质均为铜箔。5.根据权利要求1所述的基于PCA‑XGBoost的差分微带滤波器的设计方法，其特征在于，步骤S2把通过HFSS完成差分滤波器的仿真后的结构参数值和滤波器性能描述的参数作为数据集。6.根据权利要求1所述的基于PCA‑XGBoost的差分微带滤波器的设计方法，其特征在于，步骤S3为了提高模型运算速度，采用PCA降维的方法处理数据，再把数据划分为训练集和测试集。7.根据权利要求1所述的基于PCA‑XGBoost的差分微带滤波器的设计方法，其特征在于，步骤S4将处理过的数据集放入到XGBoost中进行训练，采用网格搜索和10折交叉验证的方法对模型的超参数进行优化。8.根据权利要求7所述的采用网格搜索和10折交叉验证的方法对模型的超参数进行优化，其特征在于PCA‑XGBoost模型优化的超参数包括learning_rate，n_estimators，max_depth,Alpha，colsample_bytree。9.根据权利要求8所述的优化参数的评价指标为均方误差，平均绝对误差和R2_score，2CN116011310A权利要求书2/2页计算方式如下：式中，yi为样本的实际值；yi′样本的预测值