买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于深度学习的毫米波与太赫兹放大器设计方法及相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119830839B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411926390.5，技术领域涉及：G06F30/373；该发明授权基于深度学习的毫米波与太赫兹放大器设计方法及相关装置是由权星;陈卓;吴炎辉;高晓强;董乐;张胜洲;詹劲松设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于深度学习的毫米波与太赫兹放大器设计方法及相关装置在说明书摘要公布了：本发明公开了基于深度学习的毫米波与太赫兹放大器设计方法及相关装置，属于毫米波与太赫兹集成电路设计领域，所述放大器设计方法包括以下步骤：将多个任意嵌入补偿网络结构进行像素化并构建对应的二维矩阵；将所述二维矩阵输入网络参数预测模型中得到对应的嵌入网络S参数；构建所述嵌入网络S参数和放大器的Y参数之间的关系后，对所述嵌入网络S参数进行全局优化得到最优嵌入补偿网络结构，根据所述最优嵌入补偿网络结构进行设计得到放大器。本发明能够解决嵌入补偿网络的求解空间受限并与工作频率强相关的问题。

本发明授权基于深度学习的毫米波与太赫兹放大器设计方法及相关装置在权利要求书中公布了：1.基于深度学习的毫米波与太赫兹放大器设计方法，其特征在于，包括以下步骤： 将多个任意嵌入补偿网络结构进行像素化并构建对应的二维矩阵； 将所述二维矩阵输入网络参数预测模型中得到对应的嵌入网络S参数； 构建所述嵌入网络S参数和放大器的Y参数之间的关系后，对所述嵌入网络S参数进行全局优化得到最优嵌入补偿网络结构，根据所述最优嵌入补偿网络结构进行设计得到放大器； 所述网络参数预测模型的建立过程为：对像素化后的多个任意嵌入补偿网络结构进行电磁仿真，得到二维矩阵及对应的嵌入网络S参数，将所述二维矩阵和嵌入网络S参数分别作为卷积神经网络的输入和输出，对所述卷积神经网络训练验证得到所述网络参数预测模型； 采用遗传算法对所述嵌入网络S参数进行全局优化得到最优嵌入补偿网络结构，具体包括以下步骤： 将所述多个任意嵌入补偿网络结构对应的二维矩阵构成父代，并将所述嵌入网络S参数和预期S参数之间的均方差作为代价函数； 根据代价函数计算所述嵌入网络S参数和预期S参数之间的误差，筛选出若干最小误差对应的所述二维矩阵作为第一子集合； 在父代中随机选择若干所述二维矩阵并在其中筛选两个最小误差对应的二维矩阵交叉产生一个子代，重复该步骤直至所述子代的数目等于所述父代的数目，所述子代构成第二子集合； 融合所述第一子集合和第二子集合作为新种群以迭代所述父代，重复上述步骤直至达到预设迭代次数后，得到最优嵌入补偿网络结构； 构建所述嵌入网络S参数和放大器的Y参数之间的关系的步骤，具体包括： 放大器的Y参数由嵌入补偿网络结构的Y参数和晶体管的Y参数构成； 根据所述嵌入网络S参数和单位矩阵得到嵌入补偿网络结构的Y参数； 根据所述嵌入补偿网络结构的Y参数和单位矩阵，并结合晶体管的Y参数，得到所述嵌入网络S参数和放大器的Y参数之间的关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。