电路与器件的模型是进行分析设计的基础。随着集成电路的发展,器件的特征尺寸不断缩小,电路的规模越来越大,工作频率和速度不断提高,使得电路的功能和性能越来越复杂。采用传统的电路与器件的模型进行电路设计与模拟,已难以适应复杂的大规模电路与系统的设计需要。新的建模技术是当前电路与系统理论中重要的研究课题。近年来,由于神经网络、模糊逻辑等智能信息处理技术的兴起,电路与器件的建模也开始使用这类方法。与传统的数值方法相比,神经网络与模糊逻辑系统可更好地表达与处理多维、复杂的非线性关系,在通用性、逼近精度与效率方面有可能取得更好的效果。本文研究基于模糊逻辑的微波无源器件建模。射频与微波单片集成电路中的无源元件在频率较低时可采用一些近似经验公式,但随着频率升高后就必须进行电磁场的全波数值模拟,因此非常有必要建立这些无源元件的物理和结构参数与电磁特性之间的关系模型。模糊逻辑模型的建立分为两步。首先,通过减法聚类来确定初始系统,然后再进行学习训练。本文根据TSK模糊系统的结论参数总可由前提参数通过最小二乘法确定的特点,提出只考虑前提参数优化的学习算法,这降低了问题的维数,有利于减少计算量,改善收敛性。由此导出的梯度优化算法等价于采用一次BP迭代与最小二乘的混合学习算法;采用拟牛顿优化则可导出有效的拟牛顿与最小二乘混合的学习算法。为了实现该建模方法,给出了算法步骤,用VC++编制了一个模糊逻辑建模工具。采用上述算法,对射频/微波电路中几种微带线的不连续性元件和共面波导建立了其S参数与物理参数的关系模型,给出了数值实验结果,同时与ANFIS和神经网络建模的结果进行了比较,说明了用拟牛顿混合算法进行建模的优点,通过这些实例结果证明了该建模方法的有效性。