32981

طراحي فيلتر ميان گذر با قابليت انتخاب پهناي باند بهينه به صورت خودكار

كارشناسي ارشد

مهندسي برق

1400

1403/07/04

دكتر مجيد طيراني

ندارد

مهندسي برق

امروزه با پيشرفت و توسعه روز افزون ارتباطات بي سيم نياز به مدارهاي منعطفي كه هم زمان بتوانند چندين استاندارد ارتباطي را درك كنند افزايش پيدا كرده است و در اين بين فيلتر¬هاي ميان گذر قابل تنظيم مجدد كه دسته¬اي از مدارهاي قابل تنظيم مجدد هستند از اهميت خاصي برخوردار هستند. تلاش محققان در زمينه¬ي فيلترهاي قابل تنظيم مجدد منجر به پيشرفت¬هاي زيادي در اين زمينه شده است اما با اين وجود اين مدارها همواره تا به امروز با مشكل پيچيدگي و دشواري درك نحوه تغييرات پاسخ فركانسي با تغيير پارامتر¬هاي تنظيم براي كاربر همراه بودند. از اين رو رويكرد سنتي محققان براي رفع اين مشكل كاهش عناصر تنظيم و تنوع در پاسخ فركانسي بوده است تا از اين طريق پيچيدگي مدار را كاهش داده و درك تغييرات پاسخ فركانسي را براي كاربر ساده¬تر نمايند اما از آن جا كه كاهش عناصر تنظيم سبب محدود شدن عملكرد فيلتر به انجام تنها يك كار مثل تنظيم فركانس مركزي مي¬شود و از طرفي تنوع در پاسخ فركانسي يك امر مطلوب در سيستم¬هاي ارتباطي است، اين رويكرد تا به امروز چندان موثر نبوده است. اين پژوهش با هدف كمك به كاربران در تنظيم دقيق اين فيلترهاي پيچيده بدون نياز به درك عميق پاسخ فركانسي آن¬ها و تأثير عناصر تنظيم، سعي در پر كردن اين خلع تحقيقاتي دارد. براي دستيابي به اين هدف، با استفاده از زبان برنامه نويسي پايتون از يك مدل يادگيري ماشين براي پيش‌بيني تنظيمات لازم بر اساس الزامات تعريف‌ شده توسط كاربر مانند مكان‌هاي صفر انتقال، پهناي باند و فركانس مركزي استفاده شده است كه در نتيجه آن فرآيند تنظيم با حفظ عملكرد فيلتر ساده¬تر شده است. همچنين از يك الگوريتم بهينه سازي براي اصلاح عناصر تنظيم با استفاده از معيارهاي بهينه‌سازي مشخص شده توسط كاربر استفاده شده است كه اطمينان مي‌دهد عملكرد فيلتر با نيازهاي خاص همسو است. علاوه بر اين از نرم‌افزار ADS براي بهينه‌سازي پهناي باند فيلتر با توجه به نوع مدولاسيون سيگنال ورودي استفاده شده است كه نمونه آن سيگنال مدولاسيون دامنه تربيعي 64 تايي است اما براي ساير مدولاسيون¬ها نيز قابل تعميم است كه استحكام روش پيشنهادي را نشان مي¬دهد.

1403/11/13

Bandpass filter design with the ability to select the optimal bandwidth automatically

1/1/1900 12:00:00 AM

Today, with the advancement and increasing development of wireless communications, there is a growing need for flexible circuits that can simultaneously handle multiple communication standards. Among these, reconfigurable bandpass filters, which belong to the category of reconfigurable circuits, have gained special importance. Researchers' efforts in the field of reconfigurable bandpass filters have led to significant progress; however, these circuits have always faced complexity and difficulty in understanding frequency response changes with parameter variations for users. Therefore, the traditional approach of researchers to address this issue has been to reduce tuning elements and diversity in frequency response to simplify circuit complexity and make frequency response changes easier for users to understand. Yet, reducing tuning elements limits the filter's function to performing a single task such as center frequency adjustment, and diversity in frequency response is desirable in communication systems. Thus, this approach has not been very effective to date. This research aims to assist users in precisely tuning these complex filters without needing deep understanding of their frequency responses and the impact of tuning elements. To achieve this goal, a machine learning model using Python programming language has been employed to predict necessary settings based on user-defined requirements such as transmission zero locations, bandwidth, and center frequency. As a result, the tuning process has been simplified while maintaining filter performance. Additionally, an optimization algorithm has been used to adjust tuning elements based on optimization criteria specified by the user, ensuring filter performance meets specific needs. Furthermore, ADS software has been utilized to optimize the filter bandwidth according to the type of input signal modulation, demonstrated here with a 64-QAM signal modulation example, extendable to other modulations, showcasing the robustness of the proposed method.

مدار قابل تنظيم مجدد , فيلتر قابل تنظيم مجدد , تنظيم پهناي باند , يادگيري ماشين , بهينه سازي

Reconfigurable Circuit , Reconfigurable Filter , Bandwidth Tuning , Machine Learning , Optimization

Amirhossein Khodaparast

Dr.Majid Tayarani