项目名称: 空间映射方法研究及其在微波LTCC电路设计中的应用

项目编号: No.60801025

项目类型: 青年科学基金项目

立项/批准年度: 2009

项目学科: 武器工业

项目作者: 邓建华

作者单位: 电子科技大学

项目金额: 19万元

中文摘要: LTCC 技术领域及相关领域具备许多其它基板技术所没有的优势,也因此在近年来得到前所未有的广泛关注。但目前面临的问题不少,其中比较突出的是LTCC 多层无源电路建模和优化设计技术。如果仅应用传统方法对微波多层电路进行设计面临着严重挑战。因此需要发展新的理论方法与技术手段来实现LTCC 微波多层电路快速、准确的优化设计。空间映射方法是一种结合电路仿真快速性与电磁仿真准确性的新优化方法,对解决复杂、高成本电磁场仿真优化问题非常有效特别是LTCC 电路。本项目对空间映射方法进行深入的理论研究,重点探索一些改进、新颖空间映射算法。研制优化效率高、应用领域广、高度自动化的空间映射优化系统实用软件与模型库,并将空间映射方法及其研究成果应用于LTCC 实际电路设计工作中,解决LTCC 电路设计步骤烦琐、优化困难、模型库缺乏、开发效率低等关键难题,对已开发的空间映射软件和模型库进行充分的功能和性能验证。

中文关键词: 空间映射;优化技术;微波电路;LTCC

英文摘要: Low temperature co-fired ceramic (LTCC) multilayer technology is becoming more and more popular for the production of highly integrated, complex multiplayer modules and circuits. However, the design of LTCC encounters some difficulties now, marked one of that is the modeling and optimization technology for LTCC circuits. There will be a serious challenge if only traditional ways used in the LTCC circuit designs.To optimize and design the LTCC circuits accurately and efficiently, some novel design concepts and technologies are desirable. Space Mapping (SM) is a novel optimization scheme combining the speed of circuit simulators with the accuracy of EM simulations, and it is an efficient method to solve comolex and high cost EM problems such as LTCC multi-layers especially.We researched the SM theories and technologies in depth,and presented some novel and improved SM algorithms in this project.To promote the methodology widely applied to actual LTCC circuit designs, a space mapping based hybrid parallel optimization system (SMOS) software and a LTCC passive model library were developed in the project. These research achievements resolved many key difficulties including complex procedures, model library absence, and low efficiency in the LTCC design process success, which validated good effects of the parallel optimization system and model library.

英文关键词: Space mapping; optimization technology; Microwave circuits; LTCC

成为VIP会员查看完整内容
0

相关内容

深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
轻量化神经网络卷积设计研究进展
专知会员服务
55+阅读 · 2021年10月24日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
55+阅读 · 2021年9月18日
图表示学习在药物发现中的应用,48页ppt
专知会员服务
98+阅读 · 2021年4月30日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
75+阅读 · 2020年8月31日
专知会员服务
78+阅读 · 2020年8月4日
2022最新图嵌入模型综述
机器学习与推荐算法
3+阅读 · 2022年1月18日
DARPA | 世界上最大的“5G+AI+仿真”探索项目
走向智能论坛
30+阅读 · 2019年7月29日
研究SLAM,对编程的要求有多高?
计算机视觉life
24+阅读 · 2019年2月18日
清华大学图神经网络综述:模型与应用
机器之心
74+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
197+阅读 · 2018年12月26日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Arxiv
22+阅读 · 2021年12月19日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
轻量化神经网络卷积设计研究进展
专知会员服务
55+阅读 · 2021年10月24日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
55+阅读 · 2021年9月18日
图表示学习在药物发现中的应用,48页ppt
专知会员服务
98+阅读 · 2021年4月30日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
75+阅读 · 2020年8月31日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
2022最新图嵌入模型综述
机器学习与推荐算法
3+阅读 · 2022年1月18日
DARPA | 世界上最大的“5G+AI+仿真”探索项目
走向智能论坛
30+阅读 · 2019年7月29日
研究SLAM,对编程的要求有多高?
计算机视觉life
24+阅读 · 2019年2月18日
清华大学图神经网络综述:模型与应用
机器之心
74+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
197+阅读 · 2018年12月26日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Arxiv
22+阅读 · 2021年12月19日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
23+阅读 · 2018年10月1日
微信扫码咨询专知VIP会员