学术探讨 | 基于卷积神经网络的高效去嵌入技术
学术探讨 | 基于卷积神经网络的高效去嵌入技术
摘要:被测器件(DUT)测量 s 参数时,需要通过去嵌入技术消除夹具的影响。文章提出了一种结合时域反射技术(TDR)与卷积神经网络(CNN)的去嵌入方法,无需测试标准件。通过截取夹具 + DUT的TDR,消除夹具在时域的影响。截取得到的TDR曲线作为CNN输入,CNN的输出被设定为DUT等效电路中的元件参数,而不是DUT的 s 参数,从而提高CNN的效率。CNN利用基于某一夹具仿真得到的数据集进行训练,训练好的网络可直接应用于不同的实际夹具(电路板走线或电缆)的去嵌入。数值与实测结果表明,相比传统去嵌入方法,该方法在效率与精度上具有明显优势,尤其是处理阻抗不匹配的夹具。