| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容及主要贡献 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第二章 微波器件建模技术 | 第18-36页 |
| 2.1 矢量拟合方法 | 第18-19页 |
| 2.2 等效电路建模 | 第19-22页 |
| 2.2.1 Angelov模型 | 第20-21页 |
| 2.2.2 改进型Angelov模型 | 第21-22页 |
| 2.3 人工神经网络 | 第22-32页 |
| 2.3.1 人工神经网络概述 | 第22-25页 |
| 2.3.2 动态神经网络类型 | 第25-30页 |
| 2.3.3 神经网络外推技术 | 第30-32页 |
| 2.4 建模相关软件 | 第32-35页 |
| 2.4.1 NeuroModelerPlus_V2.1E | 第32-34页 |
| 2.4.2 先进设计系统 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于时间延迟神经网络的新型微波器件建模方法 | 第36-54页 |
| 3.1 适用于微波器件建模的新型时间延迟神经网络建模方法 | 第36-43页 |
| 3.1.1 直流公式 | 第37-38页 |
| 3.1.2 小信号公式 | 第38-39页 |
| 3.1.3 大信号公式 | 第39-40页 |
| 3.1.4 NeuroModelerPlus模块 | 第40-43页 |
| 3.2 新型时间延迟神经网络建模实例 | 第43-53页 |
| 3.2.1 GaAsMESFET的新型时间延迟神经网络建模 | 第43-49页 |
| 3.2.2 GaAsHEMT的新型时间延迟神经网络建模 | 第49-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 新型维纳型动态神经网络的微波器件建模方法 | 第54-82页 |
| 4.1 新型维纳型动态神经网络模型结构 | 第54-59页 |
| 4.1.1 维纳系统 | 第54-55页 |
| 4.1.2 新型简化线性动态方程的方法 | 第55-59页 |
| 4.1.3 新型维纳型动态神经网络结构 | 第59页 |
| 4.2 新型维纳型动态神经网络模型公式 | 第59-63页 |
| 4.2.1 直流公式 | 第60-61页 |
| 4.2.2 小信号公式 | 第61-62页 |
| 4.2.3 大信号公式 | 第62-63页 |
| 4.3 新型维纳型动态神经网络的灵敏度分析 | 第63-68页 |
| 4.3.1 直流的灵敏度分析 | 第63-64页 |
| 4.3.2 小信号的灵敏度分析 | 第64-67页 |
| 4.3.3 大信号的灵敏度分析 | 第67-68页 |
| 4.4 实例验证新型维纳类型动态神经网络结构 | 第68-81页 |
| 4.4.1 GaAspHEMT的新型维纳型动态神经网络结构 | 第70-72页 |
| 4.4.2 GaAsHEMT的新型维纳型动态神经网络结构 | 第72-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 新型维纳类型动态神经网络训练算法 | 第82-106页 |
| 5.1 新型维纳型动态神经网络的训练算法 | 第82-89页 |
| 5.1.1 线性动态方程训练的系数的初始值 | 第82-83页 |
| 5.1.2 建立新型维纳型动态神经网络模型的步骤 | 第83-84页 |
| 5.1.3 直流和小信号训练框图 | 第84-85页 |
| 5.1.4 大信号训练框图 | 第85-86页 |
| 5.1.5 算法实现 | 第86-89页 |
| 5.2 新型维纳型动态神经网络算法实例验证 | 第89-104页 |
| 5.2.1 仿真GaAsMESFET的新型维纳型动态神经网络模型 | 第89-98页 |
| 5.2.2 实测GaAspHEMT的新型维纳型动态神经网络模型 | 第98-104页 |
| 5.3 本章小结 | 第104-106页 |
| 第六章 总结和展望 | 第106-110页 |
| 6.1 全文的工作总结 | 第106-107页 |
| 6.2 未来工作的展望 | 第107-110页 |
| 参考文献 | 第110-120页 |
| 附录 调用矢量拟合处理Y参数程序 | 第120-122页 |
| 发表论文和参加科研情况说明 | 第122-124页 |
| 致谢 | 第124-125页 |
