Nuevas técnicas basadas en redes neuronales para el diseño de filtros de microondas multicapa apantallados

  1. PASCUAL GARCIA, JUAN
Dirigida por:
  1. Alejandro Álvarez Melcón Director
  2. Fernando Daniel Quesada Pereira Codirector

Universidad de defensa: Universidad Politécnica de Cartagena

Fecha de defensa: 05 de febrero de 2010

Tribunal:
  1. Vicente Enrique Boria Esbert Presidente/a
  2. Juan Hinojosa Jiménez Secretario
  3. Jesús Cid Sueiro Vocal
  4. Santiago Cogollos Borrás Vocal
  5. Juan Zapata Pérez Vocal
Departamento:
  1. Tecnologías de la Información y las Comunicaciones

Tipo: Tesis

Resumen

En la presente tesis se ha desarrollado un método de análisis de circuitos apantallados multicapa basado en redes neuronales. Una de las técnicas más utilizadas y exitosas en el análisis de este tipo de circuitos es la Ecuación Integral (IE) resuelta mediante el Método de los Momentos (MoM). La mayor carga computacional en la resolución de la IE proviene de la evaluación numérica de las funciones de Green de los potenciales relevantes del medio. En este trabajo se ha conseguido acelerar drásticamente el análisis circuital gracias a la aproximación de las funciones de Green mediante redes neuronales. Una vez entrenadas, las redes neuronales sustituyen a las funciones de Green en la IE. Se han utilizado dos tipos de redes neuronales: las Redes neuronales de funciones de base radial (RBFNN) y las Redes neuronales de Chebychev. Gracias principalmente a dos operaciones ha sido posible la correcta aproximación de las funciones de Green. Por un lado, se ha desarrollado un método de división del espacio de entrada muy efectivo. Por otro lado, la eliminación de la singularidad posibilita la aproximación de funciones de variación lenta. Se han aplicado dos estrategias de eliminación de la singularidad de las funciones de Green. La primera está basada en la multiplicación por la distancia entre punto fuente y observación. La segunda técnica supera con creces a la anterior y consiste en la extracción de dos capas de imágenes espaciales del sumatorio total de imágenes. Respecto a las Redes neuronales de Chebychev se ha aplicado de modo novedoso el algoritmo de entrenamiento OLS. Este método permite el diseño óptimo de este tipo de redes, de modo que el rendimiento de estas redes ha superado en gran medida al de las RBFNNs. En ambas redes neuronales, la ganancia conseguida en el tiempo de análisis convierte en rentable al método neuronal. El tiempo invertido en la división del espacio de entrada y en el entrenamiento del conjunto de redes neuronales llega a ser despreciable con tan solo unos pocos análisis circuitales. Como demostración práctica de la habilidad de los métodos neuronales de análisis programados se han desarrollado dos nuevos procedimientos de diseño de filtros encapsulados. El primer método utiliza los Algoritmos genéticos para optimizar un filtro inicial que no cumple las especificaciones prefijadas. Con el objetivo de asegurar la convergencia del proceso de optimización se ha definido una nueva función de rendimiento especialmente adecuada para el diseño de filtros. Esta nueva función mide el grado de cumplimiento de las especificaciones e impide la aparición del problema de la convergencia prematura. El segundo método se basa en la aproximación con redes neuronales de las relaciones entre los parámetros eléctricos, que definen la respuesta de un filtro, y las dimensiones físicas que sintetizan dichos parámetros. Las redes neuronales entrenadas con estos datos pueden ser usadas en el diseño de muchos filtros en una estructura dada. Ambos métodos han demostrado su validez en el diseño de filtros prácticos. http://repositorio.bib.upct.es/dspace/