之前我们已经讲过插入损耗法设计各种滤波器的流程。其实我们的ads软件已经集成了滤波器自动设计组件，我们可以使用这些组件更方便、更高效地设计滤波器。下面我们我们以低通滤波器为例，首先介绍一下如何使用自动设计组件。 首先新建一个原理图，打开“DesignGuide”菜单，如图： 接着，点击“Filter”，会出现一个对话框，选择第一个，点击ok，会弹出“Filter DesignGuide”窗口

  上篇文章为大家简单介绍了自动设计组件的使用方法，这篇文章将为大家具体介绍如何使用ads的自动设计组件设计低通滤波器。 一、最平坦低通滤波器设计   设计指标我们使用我们之前文章中的指标，具体指标如下： 最平坦低通滤波器 截止频率为1GHz 阻抗为75Ω 在2GHz时插入损耗至少为30dB 首先打开“Filter DesignGuide”，放置低通滤波器元件，在“Filter DesignG

  上篇文章，我们介绍了如何使用ads自动设计功能设计低通滤波器，这篇文章我将为大家介绍使用ads自动设计组件设计高通滤波器的方法。 设计指标如下： 3dB等波纹 高通滤波器 截止频率为1GHz 阻抗为50Ω 0.6GHz插入损耗至少为40dB 指标同文章插入损耗法设计高通滤波器中的指标相同。 打开滤波器设计窗口： 拖入高通滤波器组件 在Filter DesignGuide中选择高通滤波器

  本文是该系列的最后一篇文章，将为大家介绍如何使用ads自动设计组件设计带通和带阻滤波器 一、带通滤波器设计 设计指标如下： 3dB等波纹特性的带通滤波器 中心频率为2GHz 带宽10% 阻抗为50Ω 在2.2GHz所需衰减至少为20dB 同样，设计指标与文章插入损耗法设计带通滤波器中的指标相同，这是为了方便对比。 首先，将带通滤波器组件拖入原理图，如图： 接着，打开Filter Desi

  之前的文章为大家介绍了什么是功率放大器和如何进行直流特性分析以及如何进行稳定性分析。本篇文章继续为大家介绍功率放大器的步骤。 一、为什么需要LoadPull   我们知道，功率放大器不同于小信号放大器，输出与输入总是成线性关系，因为功率放大器的功放管工作趋近于饱和区，其s参数会随着输入功率的变化而变化。一般情况下，我们只需要满足输出与输入的共轭匹配，即可满足最大功率输出的条件。但是，由于输入功

一、前言   什么是机器学习？机器学习的本质就是函数的拟合，也就是我们这篇文章的主题——拟合。举个例子，比如人脸识别就是拟合出这样一个函数：输入为人脸图片，输出为这张脸的主人；又或者是语音识别的目标是拟合出这样一个函数：输入为一条语音，输出为这条语音所含的信息。本篇文章，将考虑最简单的一元线性回归的情况，为大家介绍一下处理回归问题的基本方法。 二、损失函数   我们需要用一个函数来衡量机器的输出与

  之前，我们介绍了关于回归的相关内容，并成功地拟合出一条直线。本篇文章我们将使用回归模型进行房价预测。本次我们的预测任务是：根据房屋面积对房价进行预测。这是一个一元回归任务，较为简单。下面我们一起来看一下回归模型在房价预测上的表现。 一、数据集介绍   如图：该数据集以行为单位，第一列为房屋的面积，第二列为房屋的价格，一共870条数据。   我们将数据集划分为600条训练集和270条测试集。首

  在上一篇文章中，我们介绍了如何使用线性回归模型进行房价预测。我们发现虽然结果能够预测数据的走向，但是并不能很好地贴合数据。因此我们将尝试使用更加复杂的模型对数据进行预测，观察预测结果并尝试分析并解决随之而来的诸多问题。 一、使用二次模型进行预测   线性回归模型中，我们用来拟合数据的函数模型为直线函数，格式为y=ax+b，该模型一共有两个参数a，b。二次模型中，拟合的函数模型为y=ax^2+b

  之前，我们分别使用线性模型以及二次模型对数据进行拟合，发现模型复杂度越高，越能贴合数据，预测精度越高。因此，我们是否可以认为只要算力条件充足，我们就可以尽可能地使用高复杂度模型进行函数的拟合？这就是本文讨论的主题：使用更复杂的模型会出现的问题以及解决方式。本文将分别使用线性模型、二次模型、五次模型以及七次模型分别进行房价数据的拟合，观察训练集和测试集的分布，以得到模型复杂度与模型性能的关系。

  上篇文章，我们分析了模型复杂度与模型性能的关系，我们发现，模型越复杂，模型在训练集上的误差会越小，但是在测试集上的误差并不一定变小，甚至有可能变大。上述现象我们称为发生了过拟合。下面我们将详细介绍过拟合现象的产生原因以及解决方法。 一、过拟合现象的产生原因   过拟合现象是指一个模型在训练集上表现优异，但在测试集上表现一般，甚至无法正确预测测试集数据的现象。举个生动的例子：我们在玩网络游戏时，

  机器学习有两大任务：回归与分类。回归任务是我们求解一个函数式，使其能够对某一个输入有正确的输出，例如我们之前文章中介绍的房价预测，便是给定输入（面积），有正确地输出（正确地预测房价）。分类任务是要求机器对于给定的输入，能够正确地将其归类，比如猫狗识别，我们输入一个小动物，机器需要判定其是猫还是狗。两者本质上都是需要机器拟合出一个关系式，对于某一个输入能有正确的输出。不同的是，回归任务的输出可能

  射频功率放大器(RFPA)是现代通信系统中必不可少的一部分，位于发射机的末端。它的作用是将微弱的调制信号进行功率放大，使其能够通过天线馈送出去，实现远距离无线通信，具有非常重要的地位。本文将为大家介绍如何使用ADS软件设计一款工作在2.2GHz的AB类射频功率放大器。所采用的功率管为Cree的CGH40010F，下图是这个管芯数据手册的部分内容： 从中可以看到，该管芯工作频率能够达到6GHz

  ADS(Advanced Design System)即高级设计系统，它具有丰富的模板支持和准确高效的仿真能力，受到了广泛电路设计工作者的支持。尤其在微波射频领域，ADS平台具有从时域到频域电磁仿真的全套仿真技术，从原理图搭建，到最终版图的设计与仿真，设计人员不用在中途切换设计软件，因此ADS极大地方便了众多电路设计人员，称为众多EDA软件的佼佼者。   然而，国内对于ADS的教程少之又少，使

  对于一个微波器件来说，有很多衡量其性能的参数。其中最重要的就是散射矩阵，即S参量矩阵（本文简称为S参数）。此外，还有其他的一些基本参数，如稳定性系数、噪声系数等。本文将为大家介绍如何在ADS平台对一个器件基本参数进行仿真测量。所采用的实验器件为CGH40010F。 一、S参数仿真   在ADS平台可以直接对元器件的S参数进行仿真。如图，首先搭建好CGH40010F的测试电路： 然后加入两个阻

  在第一部分，我们介绍了S参数、输入阻抗以及稳定性相关参数的仿真、计算以及查看。本文将继续为大家介绍网络增益、驻波比等参数的仿真与结果查看。 一、网络增益仿真   增益也是衡量一个网络性能的重要参数，尤其是对于放大器来说，增益是直接衡量其工作性能的参数。对于功率的表示方法，有很多种类型，根据源和负载的反射系数，可以推导出三种类型的增益：功率增益、可用增益以及变换功率增益。   功率增益是负载吸收

  前面两篇文章，介绍了二端口网络S参数的仿真测量、驻波比的仿真测量、稳定性相关参数的仿真测量以及稳定性分析、输入阻抗的仿真测量以及各种类型增益的仿真测量，本文将继续为大家介绍如何通过仿真测量网络的噪声系数以及如何测量网络的谐波分量。 一、噪声系数的定义   在微波通信系统中，噪声具有举足轻重的地位。对于接收机而言，若接收到的信号淹没在噪声中，那么有用信号就不会被接收机所检测到。因此，系统中的噪声

  上篇文章，我们介绍了如何设计一个简单的AB类射频功率放大器的原理图电路，并进行仿真。原理图仿真只能对原理图器件进行仿真，无法模拟传输线之间的耦合情况。本文将根据设计好的原理图电路进一步设计放大器电路的版图，并进行版图原理图联合仿真，以观察传输线之间的耦合对放大器工作特性的影响。 一、匹配网络的版图设计与仿真   在ADS中，可以直接将微带电路的原理图转换为版图，本节将介绍如何实现这一过程。因为

  在进行简单的小型电路的设计与仿真时，我们可以很清晰地搭建各个子模块，最后直接进行仿真即可。但在进行一个比较庞大规模的电路设计与仿真时，我们必须先搭建好各个电路的子模块并进行仿真，确保每个子电路都能正常工作后才能进行整体电路的设计。并且在电路规模较大时，若不进行视图层面的整理，整个电路将看上去十分凌乱。ADS中提供了symbol功能，我们可以将子模块打包成一个symbol元件，然后再使用这些sy

  在微波电路中，变阻器也得到了非常广泛的应用，比如在射频功率放大器领域，常常需要将负载阻抗以及源阻抗变换至某一个固定的阻抗值，以完成电路的匹配，实现最大功率传输以及功率放大器效率的提高。所以有必要对微波变阻器进行研究。现代通信系统致使微波电路不再工作于某一固定的单频点，而是工作于某一个频段的宽频带内，这就要求变阻器能够适应宽频带的工作状态，设计符合电路工作要求的宽频带变阻器势在必行。   我们在

摘要本文首先介绍了机器学习中的计算图概念，然后从概念上区分动态图与静态图，最后使用经典的手写数字识别的实例对这两个概念做一个区分。 计算图介绍计算图是一种用于表示计算过程的数据结构，它有两个元素——节点和边。节点表示数据，边表示数据流动，即运算过程。如下图所示，该图结构用来描述y=2a+3b的计算过程。计算图在机器学习中被广泛使用，很好地帮助我们理解和调试神经网络。 前向传播过程与反向传播过程如下