本发明属于滤波器自动配置，涉及片上滤波器自动化配置，具体为一种基于长短时神经网络的滤波器自动配置方法及系统。
背景技术：
1、片上滤波器是射频集成电路中的重要一环，在具有较大选频范围的射频收发机中，常采用多个工作在不同频带范围的滤波器组，通过射频开关实现多种模式并存，以此方式来满足满足不同的频带要求，但这样会增加体积和成本。现有技术中，可重构滤波器能够实现兼容多个频段降低射频前端成本。但是其版图设计和布局均需要设计者花费大量时间，通过不断迭代计算，寻找到满足设计需求的最优滤波器配置参数，大大降低了可重构滤波器的设计效率，增大了设计难度。且迭代过程中无法对可能的局部最优解进行遍历，导致最终得到的滤波器配置参数仅仅为局部最优解而非全局最优解。
2、近年来人工智能不断发展，神经网络被迅速应用到各个领域中，利用神经网络进行片上滤波器设计，可以解决目前滤波器设计周期长，设计难度大的问题。目前，在利用神经网络进行片上滤波器设计的过程中，更多的是基于人工神经网络，实现滤波器的自动化配置。但是，人工神经网络的网络结构相对较简单，对于简单的非线性函数的拟合能力较好，对于强非线性的输入输出关系则存在拟合能力不足，影响滤波器性能等问题。
技术实现思路
1、本发明的目的在于：针对背景技术所存在的问题，提供一种基于长短时神经网络的滤波器自动配置方法及系统，以解决目前在利用人工神经网络进行片上滤波器设计时，针对强非线性的输入输出关系存在的拟合能力不足，响滤波器性能等问题。
2、为实现上述目的，本发明采用如下技术方案：
3、一种基于长短时神经网络的滤波器自动配置方法，包括以下步骤：
4、步骤1、将目标滤波器的需求参数作为输入，通过第一长短时神经网络进行计算得到目标滤波器的配置参数；所述需求参数包括滤波器的s参数、中心频率f0和带宽w，配置参数包括电容cn1、电容cn2、电感cm1和电容cm2的值；
5、步骤2、以目标滤波器的工作频率和步骤1得到的配置参数为输入，通过第二长短时神经网络进行分析计算，得到该配置参数下的性能参数，性能参数包括滤波器的s参数、中心频率f0和带宽w；
6、步骤3、计算步骤2得到的性能参数与目标滤波器需求参数之间的误差，将其与设定值进行比较，若误差小于等于设定值，则将步骤1得到的配置参数作为目标滤波器的最终配置参数；若误差大于设定值，则执行步骤4；
7、步骤4、采用变邻域搜索算法对步骤1得到的配置参数进行优化，得到优化后的配置参数，然后重复步骤2～步骤3，直至该配置参数下的性能参数与需求参数之间的误差小于等于设定值为止。
8、进一步的，所述步骤1的详细过程为：
9、步骤1.1、获取训练数据集，对目标滤波器在不同的配置参数下做电磁场仿真，获取s参数。
10、步骤1.2、利用1.1得到的s参数提取出中心频率和带宽参数；
11、步骤1.3、对1.2得到的s参数、中心频率和带宽参数进行归一化处理后，作为目标滤波器的需求参数；
12、步骤1.4、构建第一长短时记忆网络模型，并基于1.3得到的需求参数对第一长短时记忆网络模型进行训练，得到并输出对应于需求参的配置参数。
13、更进一步的，所述1.4训练第一长短时记忆网络模型的过程为：
14、步骤1.4.1、设置训练误差允许值e，设置网络训练率；
15、步骤1.4.2、在第一长短时记忆网络中，基于输入的需求参数，计算对应于需求参数的配置参数；
16、步骤1.4.3、计算第一长短时神经网络输出的配置参数和预期配置参数之间的误差e，比对误差e与误差允许值e之间的差值；若e≤e,训练结束，输出训练正确率；若e＞e，则更新第一长短时神经网络的权重值，并判断是否达到预设训练迭代次数，若达到，则停止训练；若未达到预设的训练迭代次数，则跳转至步骤1.4.2继续训练。
17、更进一步的，所述步骤1.4中的误差允许值e根据需要确定，优选10％。
18、进一步的，所述步骤2的详细步骤为：
19、2.1、对步骤1神经网络输出的配置参数进行归一化处理；
20、2.2、构建第二长短时记忆网络模型，基于步骤2.1归一化处理的配置参数对第二长短时记忆网络模型进行训练，得到并输出该配置参数下的性能参数；第二长短时记忆网络模型与第一长短时模型结构和训练方法均相同。
21、一种基于长短时神经网络的滤波器自动配置系统，包括：控制器、配置先验模块、自检模块和配置校正模块；所述控制器为第一长短时神经网络模型，其与配置先验模块相连，用于根据需求参数获取目标滤波器的配置参数；
22、所述配置先验模块为第二短时神经网络模型，其与自检模块相连，用于根据目标滤波器的工作频率和控制器提供的配置参数，生成性能参数；
23、所述自检模块分别连接基于长短时神经网络的滤波器自动配置系统的输出端和配置校正模块；用于计算配置先验模块输出的配置参数与设计指标参数值之间的误差；若误差小于等于设定值，则将接收的配置参数作为目标滤波器的最终配置参数，通过基于长短时神经网络的滤波器自动配置系统的输出端输出；若误差大于设定值，则将配置参数输出至配置校正模块；
24、配置校正模块连接配置先验模块，采用变邻域搜索算法对收到的配置参数进行优化，并将优化后的配置参数发送至配置先验模块重新生成与之对应的性能参数输出。
25、本发明提供的一种基于长短时神经网络的滤波器自动配置方法及系统，是利用长短时神经网络具有比人工神经网络更加复杂的网络结构，且对较强的非线性函数的拟合能力更好这一特点，采用两个长短时神经网络实现目标滤波器的参数配置，其中第一长短时神经网络作为控制器，用于根据目标滤波器的需求参数生成配置参数；第二长短时神经网络作为分析神经网络，基于第一长短时神经网络生成的配置参数，生成该配置参数下的性能参数。然后计算分析神经网络生成的性能参数与目标滤波器需求参数之间的误差，将其与设定值进行比较，选择小于等于设定误差允许值范围内的配置参数作为最终配置参数输出。由于滤波器的配置参数与其性能参数之间的关系本身具有较强的非线性，使用长短时记忆网络能能获得更好拟合能力。此外，在需求参数的确定上，基于滤波器的奇偶模分析得到公式(1)和公式(2)，并利用公式(1)和公式(2)进行初步筛选后再进行仿真，最大程度的提升了配置参数的准确性。
1.一种基于长短时神经网络的滤波器自动配置方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于长短时神经网络的滤波器自动配置方法，其特征在于，所述步骤1包括以下子步骤为：
3.根据权利要求2所述的一种基于长短时神经网络的滤波器自动配置方法，其特征在于，所述1.4训练第一长短时记忆网络模型的过程为：
4.根据权利要求2所述的一种基于长短时神经网络的滤波器自动配置方法，其特征在于，所述步骤1.4中的误差允许值e根据需要确定，优选10％。
5.根据权利要求1所述的一种基于长短时神经网络的滤波器自动配置方法，其特征在于，所述步骤2的详细步骤为：
6.一种基于长短时神经网络的滤波器自动配置系统，包括：控制器、配置先验模块、自检模块和配置校正模块，其特征在于：
