共查询到19条相似文献,搜索用时 328 毫秒
1.
2.
3.
4.
5.
6.
PIN光探测器的小信号电路模型参数的提取 总被引:1,自引:0,他引:1
提出了一种利用自适应遗传算法提取p-i-n光探测器小信号电路模型参数的方法.文章首先根据p-i-n光探测器的物理结构确定其等效电路模型,进而采用自适应遗传算法对测量的S参数进行拟合,提取模型参数.自适应遗传算法自动优化交叉概率和变异概率,避免了以往遗传算法中易早熟的缺点.利用该法成功提取出模型的10个参数,建立光探测器小信号电路模型.在130 MHz~20 GHz范围内的实验结果表明,模型仿真结果和测量结果相吻合,证明了这种参数提取方法的可靠性. 相似文献
7.
《中国无线电电子学文摘》2004,(4)
TN7 2004040451用遗传算法实现信号转换电路的非线性校正/温秀兰,宋爱国,崔建伟,(2{高桂本(东南大学)11数据采集与处理一2003,18(3)一306一309采用了遗传算法的最新成果,提出了一种新颖的基于实数编码的改进遗传算法用以校正信号转换电路的非线性误差.该算法采用基于代沟最小的 相似文献
8.
针对开关电流存储电路存在固有误差和电路器件参数需要大量手工迭代计算等难题,提出基于遗传算法的开关电流存储电路设计方法.其主要思想是以Class AB栅极接地存储电路为基础,对其进行小信号模型分析,借助遗传算法对电路的电荷注入误差和时间响应性能进行多目标优化,获取电路中器件参数的最优Pareto解.采用0.5μm CMOS工艺参数,对电路进行PSPICE仿真测试.结果表明,优化设计的电路具有存储精度高、响应速度快等优点. 相似文献
9.
提出了一种基于真值表变量分离技术的数字电路进化设计方法.该方法旨在减少待进化系统的输入输出位数,将较难实现的整体进化系统分解成几个容易实现的进化子系统,从而实现较大规模数字电路的进化设计.同时结合多目标遗传算法,优化电路结构.并以加法器和乘法器为设计实例,结果证明了该方法能有效进化出较大规模的数字电路,得到的进化电路资源更少,时延更短. 相似文献
10.
11.
基于遗传算法的数字电路测试生成方法 总被引:3,自引:0,他引:3
本文提出了一种基于遗传算法的数字电路测试图形生成方法,首先把被测电路的门级描述转化为易于计算的非线性网络,然后用遗传算法找到网络能量函数的最优解,从而得到被测电路的测试集.这种方法对可测故障都能生成测试,能方便地产生多故障的测试图形,同时具有较好的并行性,易于在多处理机上实现. 相似文献
12.
13.
14.
15.
16.
该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。 相似文献
17.
以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。 相似文献
18.
Satyabrata Dash Deepak Joshi Ayushparth Sharma Gaurav Trivedi 《Analog Integrated Circuits and Signal Processing》2018,94(1):27-47
This paper presents a multi-objective analog circuit design optimization tool using genetic algorithm based on hierarchical mutation scheme. The idea is to improve the convergence and diversity of genetic algorithm by incorporating hierarchy during polynomial mutation operation. In this regard, a theoretical framework of proposed genetic algorithm is presented using Markov chain principle. To investigate the effectiveness of hierarchy in polynomial mutation operator, the scheme is compared with six different mutation strategies. Experiments are performed for different function evaluations to evaluate the performance of hierarchical polynomial mutation operator. Further, to showcase the improvement in genetic algorithm, numerous experiments are performed on twelve different test functions and two design examples. The proposed genetic algorithm shows competitive performance over other standard optimization techniques in terms of both convergence and diversity of solutions. 相似文献