(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211345321.6 (22)申请日 2022.10.31 (71)申请人 深圳飞骧科技股份有限公司 地址 518052 广东省深圳市南 山区南头街 道大汪山社区南光路286号水木一方 大厦1栋16 01 (72)发明人 杨睿智　胡锦钊　张磊　李帅　 钟阳　袁军平　郭嘉帅　 (74)专利代理 机构 深圳君信诚知识产权代理事 务所(普通 合伙) 44636 专利代理师 刘伟 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/392(2020.01) G06F 30/398(2020.01) (54)发明名称 声表滤波器的自动设计方法、 相关系统和存 储介质 (57)摘要 本发明实施例提供了一种声表滤波器的自 动设计方法、 训练系统和计算机可读存储介质， 该自动设计方法包括： 步骤S1、 产生设计要求数 据； 步骤S2、 建立强化学习模型并训练； 具体包 括： 确认当前状态； 将当前状态进行动作并产生 第二状态； 将第二状态根据预设的奖励计算规则 进行计算并得出计算结果， 将计算结果与设计要 求数据进行比较并得出比较结果， 再将比较结果 根据预设的奖励规则产生奖励措施； 根据奖励措 施更新状态， 并返回确认当前状态； 重复执行上 述步骤， 直至满足迭代结束条件并输出训练结 果； 步骤S3、 根据强化学习模型进行预测， 并产生 满足设计要求数据的声表滤波器。 采用本发明的 技术方案可支持的声表滤波器的自动设计且设 计效率高。 权利要求书2页 说明书10页 附图4页 CN 115392144 A 2022.11.25 CN 115392144 A 1.一种声表滤波器的自动设计方法， 其特 征在于， 该自动设计方法包括如下步骤： 步骤S1、 对预选的初始设计数据按照预设的参数规格进行计算并产生设计要求数据； 步骤S2、 建立强化学习模型并训练； 具体包括如下步骤： 步骤S21、 确认待设计的声表滤波器的当前状态； 所述当前状态包括当前电路结构、 当 前谐振器参数以及当前版图数据， 所述当前电路结构包括所述声表滤波器的电路结构和所 述声表滤波器内部各个器件的种类， 所述当前版图数据包括已占用版图面积的大小和是否 违反版图设计规则的数据； 步骤S22、 根据预设的决策将所述当前状态进行动作并产生所述声表滤波器的第二状 态， 所述动作包括改变所述电路结构、 改变谐振器个数、 改变谐振器种类以及改变谐振器几 何参； 步骤S23、 将所述第二状态根据预设的奖励计算规则进行计算并得出计算结果， 将所述 计算结果与所述设计要求数据进 行比较并得出比较结果， 再将所述比较结果根据预设的奖 励规则产生奖励措施； 所述奖励计算规则包括电学指标计算、 版图面积计算和设计规则检 测计算； 步骤S24、 根据所述奖励措施更新所述声表滤波器的状态， 并返回所述 步骤S21； 步骤S25、 重 复执行所述步骤S2 1至所述步骤S24， 直至满足迭代结束条件并输出训练结 果； 所述迭代结束 条件包括执行所述步骤S21至所述步骤S2 4的次数达到预设的最大动作次 数或所述计算结果符合所述设计要求数据的要求， 所述训练结果包括满足所述设计要求数 据所需的电路结构、 谐振器参数、 版图数据； 步骤S3、 根据所述强化学习模型进行预测， 并产生满足所述设计要求数据的声表滤波 器。 2.根据权利要求1所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S1中， 所述初始设计数据为与设计目标具有相同频率范围内的一个声表滤波器的电路结构和谐 振器参数； 所述预设的参数规格包括设计频段、 压电材料选择、 设计规格、 版图设计规则要 求， 其中， 所述设计规格包括带内插损、 带外抑制、 纹波以及驻波比， 所述版图设计规则要求 包括声表滤波器内的各个 器件最小间距和版图面积上限。 3.根据权利要求2所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S21中， 所述当前电路结构采用数据结构图描述， 所述当前谐振器参数采用向量描述， 所述当前版 图数据采用向量描述。 4.根据权利要求3所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S22中， 所述决策为采用 ‑greedy方法。 5.根据权利要求1所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S23中， 所述电学指标计算为根据COM模型计算谐振器的电学性质， 进行电路计算获得所述声表滤 波器的总体电学响应； 所述奖励规则为 根据所述比较结果进行判断： 若所述总体电学响应的各个指标与 所述设计要求数据包含的相应的指标相同， 则给出 正的奖励措施； 反 之， 给出负的奖励措施； 若所述版图面积计算产生的版图面积小于所述设计要求数据包含的相应的版图面积， 则给出正的奖励措施； 反 之， 给出负的奖励措施；权　利　要　求　书 1/2 页 2 CN 115392144 A 2若所述设计规则检测计算生成的检测结果符合所述版图设计规则， 则给出正的奖励措 施； 反之， 给出负的奖励措施。 6.根据权利要求1所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S24中， 更新所述声表滤波器的状态通过采用单步 Q‑learning方法实现。 7.根据权利要求6所述的声表滤波器的自动设计方法， 其特征在于， 根据 所述奖励措施 更新所述 Q‑learning方法中的Q表内存 储的所述当前状态的价 值。 8.根据权利要求1所述的声表滤波器的自动设计方法， 其特征在于， 在所述步骤S24中， 更新所述声表滤波器的状态通过Deep  Q‑learning方法、 SARSA方法、 A3C方法以及PPO方法 中任意一种方法实现。 9.一种训练系统， 其特征在于， 该训练系统应用 如权利要求1至8中任一项所述的声表 滤波器的自动设计方法； 该训练系统包括： 设计要求数据设备， 用于对预选的初始设计数据按照预设的参数规格进行计算并产生 设计要求数据； 强化学习模型设备， 用于建立强化学习模型并训练； 所述强化学习模型设备用于具体 处理如下操作： 确认待设计的声表滤波器的当前状态； 所述当前状态包括当前电路结构、 当前谐振器 参数以及当前版图数据， 所述当前电路结构包括所述声表滤波器的电路结构和所述声表滤 波器内部各个器件的种类， 所述当前版图数据包括已占用版图面积的大小和是否违反版图 设计规则的数据； 根据预设的决策将所述当前状态进行动作并产生所述声表滤波器的第 二状态， 所述动 作包括改变所述电路结构、 改变谐振器 个数、 改变谐振器种类以及改变谐振器几何参； 将所述第二状态根据 预设的奖励计算规则进行计算并得出计算结果， 将所述计算结果 与所述设计要求数据进行比较并得出比较结果， 再将所述比较结果根据预设的奖励规则产 生奖励措施； 所述奖励计算 规则包括电学指标计算、 版图面积计算和设计规则检测计算； 根据所述奖励措施更新所述声表滤波器的状态， 并返回所述确 认待设计的声表滤波器 的当前状态； 重复执行上述操作， 直至满足迭代结束条件并输出训练结果； 所述迭代结束条件包括 执行上述操作的次数达到预设的最大动作次数或所述计算结果符合所述设计要求数据的 要求， 所述训练结果包括满足所述设计要求数据所需的电路结构、 谐振器参数、 版图数据； 预测设备， 用于根据所述强化学习模型进行预测， 并产生满足所述设计要求数据的声 表滤波器。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指 令， 所述程序指 令被处理器执行时实现如权利要求 1‑8中任 意一项所述的声表滤波器的自动设计方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115392144 A 3