一种基于时域反射（TDR）和卷积神经网络（CNN）技术的高效固定装置拆除嵌入式建模方法

《IEEE Transactions on Signal and Power Integrity》：An Efficient Fixture Removal Embedded Modeling Method Based on TDR and CNN Technique

　　等效电路建模中S参数测量受夹具效应影响，传统方法需单独去嵌入。本文提出融合时域反射与卷积神经网络的一体化建模方法，将夹具去除嵌入建模流程，避免传统分步处理导致的误差累积，经实测验证简化流程并提升精度。

　　

摘要：

S参数通常用于电子设备的等效电路（EC）建模。然而，在现有的建模方法中，固定装置对S参数测量的影响不可忽视，需要在建模前通过去嵌入处理来消除这一影响。本文提出了一种新的方法，该方法将固定装置的去除过程集成到建模过程中，结合了时域反射技术和卷积神经网络技术。这种新方法无需单独进行去嵌入处理，可以直接推导出等效电路模型。与传统建模方法相比，该方法在简化建模过程和避免去嵌入引入的误差方面具有优势，这一点已经通过物理测量得到了验证。