(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111484853.3 (22)申请日 2021.12.07 (71)申请人 中国电子科技 集团公司第二十九研 究所 地址 610036 四川省成 都市金牛区营康西 路496号 (72)发明人 张晏铭　李阳阳　董乐　李杨　 李紫鹏　向玮伟　曾策　侯奇峰　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 代理人 孙元伟 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种微波射频工艺IP仿真模型高保真建模 方法及系统 (57)摘要 本发明公开了涉及射频电性能仿真技术领 域， 公开了一种微波射频工艺IP仿真模 型高保真 建模方法及系统， 该建模方法， 包括以下步骤： S1， 选定微波射频传输结构， 将选定的微波射频 传输结构参数化； S2， 建立微波射频传输结构的 电磁仿真模 型,基于仿真样本数据建立预训练神 经网络模型， 然后求取预训练神经网络模型的伴 随神经网络模型； S3， 根据实物样 件， 建立实测神 经网络模型； S4， 采用预训练神经网络模型的伴 随神经网络模型与实测神经网络模型对微波射 频传输结构进行融合预测。 本发 明解决了现有技 术存在的样件数量需求大、 提参成本高、 难以获 得工艺IP仿真建模所需的精确足量的数据等问 题。 权利要求书2页 说明书6页 附图7页 CN 114239389 A 2022.03.25 CN 114239389 A 1.一种微波射频工艺 IP仿真模型高保真 建模方法， 其特 征在于， 包括以下步骤： S1， 选定微波射频传输结构， 将选 定的微波射频传输结构参数化； S2， 建立微波射频传输结构的电磁仿真模型,基于仿真样本数据建立预训练神经网络 模型， 然后求取 预训练神经网络模型的伴随神经网络模型； S3， 根据实物样件， 建立实测 神经网络模型； S4， 采用预训练神经网络模型的伴随神经网络模型与实测神经网络模型对微波射频传 输结构进行融合预测。 2.根据权利要求1所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S2包括以下步骤： S2‑1， 设置M个仿真样本； S2‑2， 测量实物样本的工艺 参数和散射 参数； S2‑3， 基于仿真样本数据， 训练神经网络获得 预训练神经网络模型A； S2‑4， 求取A的伴随神经网络模型A ’； 其中， M为整数且M＞1。 3.根据权利要求2所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S3包括以下步骤： S3‑1， 选取步骤S2 ‑1中的N个仿真样本制备N个实物样件； S3‑2， 设置实测工艺 参数和实测散射 参数； S3‑3， 基于实物样件数据， 训练神经网络获得实测 神经网络模型B； 其中， N为整数、 N＞1且N＜M 。 4.根据权利要求3所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S4包括以下步骤： S4‑1， 设置需要 进行预测的射频传输结构的工艺 参数值； S4‑2， 利用伴随神经网络模型A ’计算出由于工艺参数值波动带来的相对于基准参考工 艺参数值的散射 参数变化 量ΔS1； S4‑3， 利用实测 神经网络模型B计算出基准 参考工艺参数情况 下的实测散射 参数值S0； S4‑4， 将S0与ΔS1相加， 得到校正后的预测散射 参数值。 5.根据权利要求1至4任一项所述的一种微波射频工艺IP仿真模型高保真建模方法， 其 特征在于， 步骤S1中， 选定微带传输线、 共面波导、 带状传输线、 多层垂直互联过孔、 金丝互 联传输结构和/或类同轴传输结构。 6.根据权利要求5所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S2中， 采用电磁场全波仿真算法或高频算法建立电磁仿真模型， 获取仿真样本数据。 7.根据权利要求6所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S2中， 不同类型工艺 参数的样本点组合形成正交 空间。 8.根据权利要求7所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S2中， 不同类型工艺 参数的样本点组合形成正交 空间并均匀分布。 9.根据权利要求8所述的一种微波射频工艺IP仿真模型高保真建模方法， 其特征在于， 步骤S2中， 若存在与电性能强非线性耦合的工艺参数， 则增加正交空间中该工艺参数 的样 本点数。权　利　要　求　书 1/2 页 2 CN 114239389 A 210.一种微波射频工艺IP仿真模型高保真建模系统， 其特征在于， 基于权利要求1至9任 一项所述的一种微波射频工艺 IP仿真模型高保真 建模方法， 包括以下模块： 参数化模块， 用以： 选 定微波射频传输结构， 将选 定的微波射频传输结构参数化； 仿真伴随模型制作模块， 用以： 基于仿真样本数据建立预训练神经网络模型， 然后求取 预训练神经网络模型的伴随神经网络模型； 实测模型制作模块， 用以： 根据实物样件， 建立实测 神经网络模型； 融合预测模块， 用以： 采用预训练神经网络模型的伴随神经网络模型与实测神经网络 模型对微波射频传输结构进行融合预测。权　利　要　求　书 2/2 页 3 CN 114239389 A 3