摘要
本发明涉及一种基于机器学习的体声波滤波器自动化设计方法及装置,用多个谐振器组合仿真体声波滤波器实现体声波滤波器设计,所述方法包括以下步骤:S1、构建机器学习模型,通过体声波滤波器S参数数据集和体声波滤波器零点数据集训练所述机器学习模型;S2、输入符合设计性能要求体声波滤波器S参数给所述机器学习模型,获得符合设计性能要求体声波滤波器零点;S3、计算每个谐振器的谐振点和静态电容,所述谐振点包括串联谐振频率和并联谐振频率;S4、通过体声波滤波器Mason模型倒推符合设计性能要求体声波滤波器结构参数。有益效果是由体声波滤波器性能直接得到谐振器参数、时间成本小、能准确描述BAW滤波器特性。
技术关键词
自动化设计方法
Mason模型
体声波滤波器结构
构建机器学习模型
综合算法
切比雪夫
模式搜索算法
参数
神经网络架构
串联谐振器
电容
频率
上电极
矩阵
系统为您推荐了相关专利信息
强度预测方法
支持向量机模型
锚杆
支持向量机SVM方法
最佳参数组合
价值分配方法
多源异构数据
大数据分析工具
线性规划算法
构建机器学习模型
样本
构建机器学习模型
随机森林模型
员工离职倾向预测
企业人力资源管理
逻辑回归模型
蛋白
样本
随机森林模型
监测肾脏疾病
乙烯裂解装置
收率
构建机器学习模型
XGBoost算法
机器学习算法