TELKOM NIKA , Vol.11, No .11, Novemb er 201 3, pp. 6600 ~6 610   e-ISSN: 2087 -278X           6600      Re cei v ed Ma rch 1 9 , 2013;  Re vised June  21, 2013; Accepte d  Jul y  2 2 , 2013   Wideband Tuning of Impedance Matching for actual RF  Networks using AQPSO      Yinxin 1 , Tany anghong* 1 , Liaoji w a ng 2   1 Colle ge of Ele c trical & Information En gi neer i ng, Hun an U n i v ersit y , 4 100 82 , China   2 Huna n Col l e g e  of  Information  *Corres p o ndi n g  author, e-ma i l : tan y ho@ 12 6.com       A b st r a ct   An ad aptiv e w i deb an d i m p e d ance  matchi ng  techni qu e us in g a  passiv e  PI- netw o rk is pr es ented  in   the p aper  o n   the b a sis  of a daptiv e q u a n tu m  particl e sw arm opti m i z a t i on  alg o rith ms  (AQPSO), w h i c h     avoi din g  th e d r aw backs of t he sta ndar d p a rticle sw ar m  opti m i z at ion  ( PSO) alg o rith m. The  Wide b a n d   T unin g  tech ni que  is for act ual RF  ch ips.  So on- c h ip  mo de ls for R F  capacitors  and  ind u ctors  are   consi dere d . A nd th e  effects of th e p a ras i tic co mpon ent  l o ss i n  th e PI- netw o rk are  a naly z e d . T h en  th e   circuit is si mpl i f ied accor d in g to the sensitivit ies of  the ele m ents. T herefor e, t he computa t iona l co mpl e xi ty   is dra m atic ally  reduce d . F i na lly,  the AQPSO algorith m  is  adopte d  to  maxi mi z e  th e po w e r transmissi o n   efficiency. S i mulati on r e sults  show  that t h e pr opos ed  tu nin g  tech ni que  can  ach i ev e  goo d acc u racy  of   impe danc e  ma tching  an d lo a d  pow er. T he r e flectio n  co efficient a nd VSW R obta i ne d ar e  also s a tisfacto ry.  Moreov er, the prop osed  meth od can b e  usef ul for  softw are defin ed ra dio s ystems usi ng a  singl e ante n n a   for multi p l e  mo bile  and w i rel e ss bands.     Ke y w ords : i m ped anc e  matc hin g , pass i ve  PI-netw o rk, parti cle sw arm o p timi z a ti on, p a r asitic co mpon ent,   AQPSO        Copy right  ©  2013 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  Today’s m obi le and wi rel e ss  comm uni cation devices are u s ed in  almost all im agina ble  environ ment s, su ch  as in  cell ph one, i n   cars, i n  tal k in g po sition  ne ar the  he ad.  The e n viro nm ent  of the antenn a and the resulting field di stributio n  aro und it has  un fortunately an  eminent imp a ct  on its impe d ance [1]. And the mismat ch bet wee n  antenn a and  sou r ce/tran smitter red u ce s its   power efficie n cy, linearity and lowers th e powe r   of the input/output  signal. More over, maximu m  power i s   expected  to tra n s mit to the  a n tenna  to a c hieve maxim u m tra n smi ssion efficie n cy . So   the goal of obtaining fast  antenn a tuning system s, whi c h are  ca pable of offering impe dan ce   matchin g  (I M) with  ch a nging l oad  and e n viron m ental a s pe cts, ha s b e c ome i n cre a singly  signifi cant. T he lowpa ss  Pi and lowpa ss T  circuit s , as the mo st  popula r  imp edan ce m a tching  config uratio n s  a r e  cha r a c terize d by th eir  si mple  st ructu r e s , wi d e  ra nge  of l oad im ped an ce   accomm odati ons a nd hig h  harm oni c reje ction capa bilities [2].  Variou s co m m unication st anda rd s hav e also be en develop ed to contain a variety of  appli c ation s   at different frequ en cy ba nds, such a s  cell ular  co mmuni cation s at 900 a nd  1800M Hz, global po sitioni ng syste m  (G PS) at 1. 2 and 1.5GHz, an d Bluetooth a nd WiFi at 2. 4   and  5.2G Hz.  Du e to  high  ope ration  freque ncy,  a s  well as  lo w voltage  a nd small   si ze   trend,   impeda nce  matchin g   net work are ve ry difficult to  desi gn. T o  p u t them  on  to sili co n  chip  ha s  proved  even  more difficult in view of no n-ide a litie s in  fabrication te chn o logy an d  para s itic effe cts  at high frequency. Thus the imped ance  matching net works will  suf f er from the power loss. T h us  it is cruci a l to be a b le to  evaluate  su ch p o wer lo ss in the  de si gn an d analy s is  of matchi ng  netwo rks for  budg eting sy stem po we r.   Mismat ch  of the a n tenn a impe dan ce  suffers  sig n i fi cant d egen eration  of th e po we r  ef fi ci en cy of the radi o link.  Automatic m a tchin g  networks a r e therefore  devel op ed to match  any  cha nge in  an tenna imp e d ance in man y  RF appli c a t ions [3-18]. Single freq ue ncy impe dan ce   matchin g  m e thod s a r e  wi d e ly appli c a b l e  in  many   areas such a s   power amplifi e rs a nd  ante nna   tuning sy ste m s. Automati c tuning  meth ods h a ve be e n  investigate d  usin g ge net ic metho d  [3].  A  particl e swa r m optimizatio n (PSO) ba se d algorith m s  have bee n used in [4], [5-7]. [8] propo se d a  hiera r chi c al  geneti c  algo rithm. However, its  ability is limited to  improve a u tomatic mat c hing  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Wide ban d Tu ning of Im pedance Matchi n g  for ac tu al RF Networks u s ing AQPSO  (Yinxi n)  6601 netwo rk  nod a l  quality facto r s a nd in crea se the ove r al l matchin g  ef fi ci en cy. It is  found that th e   prop osed tu n i ng meth od s so  far are  all si ngle  fre quen cy b a se d mainly  at  HF  ran ge. T h e   cha nnel s whi c h have ve ry narro w sig nal  band width,  thus ve ry high  Q at high fre quen cie s  can  be  tuned to, by swee ping the f r equ en cy ra n ge of inte rest.  They involve  swit chin g bet wee n  differe nt  freque nci e s,  cha nnel s a n d  band s/sta n d a rd s, a s  may  be n eed ed.  More over, th ese  app ro aches  are all  ba se d on the i d e a l matchi ng  netwo rks. Th at is, the pa rasiti c-aware  effects of t h e   cap a cito rs a n d  indu ctors in  the matching  netwo rks are  not con s ide r ed. And the para s itic-a ware  para m eters st rongly affect t he po wer  effi cien cy of the radio [17].    Here we  con s ider a wi deba nd tuning issue and p r opo se a metho d  based on an  adaptive   quantum p a rticle swarm optimizatio n algorith m   (A QPSO), whi c h is a  co mbination of  an   improved Adaptive particl e  swarm  opt imizatio n  algorithm (APSO) with a  Quantum   Parti c le  Swarm  Optim i zation  (QPS O). By sha r in g the two re turne d  extrem e values  of the pa rticle s from  APSO and QPSO, the proposed method  enables to  adaptively search  thei r opti m um solutions in  parall e l. Usin g this metho d ,  the impe da nce  matchi ng  networks ca n be  tuned  to  cove r a  ba n d  of  freque nci e s,  for all chan n e ls of both  u p link  a nd d o w nlin k, and i ndee d multi-band s of several  stand ard s .   In this pape r,  we de scrib e  the impeda n c e mat c hin g  netwo rk, a nal yze on -chip i ndu ctor   model’ s  sen s itivity and si mplify imped ance matchi ng structu r e  in Section 2.  The wid eba nd   impeda nce tuning metho d  usin g AQPSO is pro p o s e d  in Section 3. Simulations and results are   pre s ente d  for GSM, UMTS and both in  Section  4. Co nclu sio n s a r e  drawn in Section 5.      2.  Impedance Matc hing Net w o r k  Ana l y s is   The maj o r  pu rpo s e  of imp edan ce  matching n e two r k  is to maximi ze po we r tran smissio n   efficien cy if load im ped an ce s a nd  cha nnel s  chan g e . Figu re 1   sho w s the tu nable  matchi ng  netwo rk  stru cture. The ant enna lin ks to gether the si g nal sou r ce wit h  powe r  ampl ifier throug h the   tunable  matching n e two r k. Whe n  a n ten na imp edan ce or f r eq uen cy chan nel  ch ange, the  ce ntral  pro c e ssi ng u n it gets information ab out  antenna im p edan ce a nd  band of fre q u ency throug h  the   sen s o r . And   then p r o c e s sing u n it u s e  i t s inte rnal  AQPSO alg o rit h m to  co mpu t e the  eleme n t  para m eters i n  imped an ce  matchin g  ne twork an d th rough the  exe c ution u n it ad just the value  of  L, C1 and  C2 .          Figure 1. Tun able Matchi n g  Net w or k S t r u ct ur e       Let us co nsi d er the parasiti c -a wa re effect of   the induct o r at first. (Kiyong Choi, David J.,  Allstot 20 06;  Gupta,  R., Ballwe ber B.M. 2001 )  pre s e n ts a n  in du ctor m odel  for  use  in  pa ra sitic- awa r e  synthe sis. Pa ra sitic-awa r e m odeli ng be gi n s   with the de sig n  and fa bri c ati on of  several  indu ctors tha t  span a ran ge of indu cta n ce s wi th a d equate q ualit y factor and  self-re s on an ce   freque ncy val ues for th e a n ticipate d  ap plicatio ns. Fi gure  2  sh ows a n  a c curate pa ram e tric  on- chip i ndu ctor  model. Ea ch  segm ent i s  m odele d  u s ing  a lump ed e q u ivalent ci rcui t comp risi ng  a   self-in d u c tan c e, a seri es resi stan ce eq ual to  the dc resi stan ce o f  the metal segment, a sh unt  cap a cita nce repre s e n ting t he capa citive  cou p li ng  bet wee n  the me tal forming th e se gment a nd  the sub s trate ,  an effective sub s trate lo ss resi st an ce  compute d  si mply as a lateral sp rea d i ng  resi st an ce.   Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 11, Novemb er 201 3:  660 0 – 6610   6602 L 1 met a l R 2 met a l R 1 ox C 2 ox C 1 s ub R 2 s ub R   (a) Pa ramet r i c  indu ctor m o del   L L r ' 1 L C ' 2 L C 1 C g 2 C g   (b) Equival e n t  circuit of the inducto r mod e l    Figure 2. Parametri c  Mode l and its Equi valent Circuit of a Planar In ducto r      Figure 2 ( a) shows a  pa ra metr ic plan ar indu ctor  mo del, wh ere Rmetal, Cox1,  Cox2,   Rsub a r e fun c tion s of L ov er a d e si re d range  of  indu ctance s . Th e floating in du ctor of the  ran g e  is  form 1nH to 18nH:    2 0.0278 1.741 2.3402 RL L me t a l                                                     (1)    2 0.0005 0.030 7 0 .0468 12 CC L L ox ox                                                            (2)    3 . 5064 0.0894 32.151 RL L sub                                                                  (3)    Whe r e L is in  nH, Cox1 a n d  Cox2 are in   pF, and Rm etal and Rsu b  are in oh ms.    The circuit m a y  be co nverted  into Figu re 2(b )   th rou gh  Eq uation  (4), (5 )  by   a pplying  seri es to pa ra llel conve r si o n .    ' 1 1 22 2 1 1 C ox C L CR ox su b                                                                                                     (4)    22 ' 1 1 22 2 1 1 CR ox s u b g C CR ox s u b                                                                                                      (5)    So the Impedance matchi n g  netwo rk is  sho w n in  Fig u re 3, if the para s itic pa ra meters of  the indu ctor a r e con s ide r ed . Let C1’=C1 +CL’, C2’ = C2 +CL’, the circuit is tran sformed into Figu re   4. In ord e r to  con s id er th e  parasiti c -a ware  effect  of the ind u cto r ,  by cal c ulatin g  the se nsitivities  of Zin and PL  to s, where s={ rL , gc1, g c 2}, we get:    Z in r L >> 2 Z in g C ,  Z in r L >> 2 Z in g C P L r L >> 1 P L g C  , P L r L  >> 2 P L g C                                                (6)    Therefore, th e effect of g c 1 and  gc2 to  input  impe da nce  and  po wer is far le ss than that  of rL. It is approp riate to ign o re g c 1 an d g c 2. So the circuit ca n be si mplified as Fi gure 5.     L 1 C g 2 C g 1 L C 2 L C 1 C 2 C L Z s R L r     Figure 3. Impedan ce Mat c hing Ci rcuit Consi deri ng Pa rasiti c Para m e ters of the In ducto r  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Wide ban d Tu ning of Im pedance Matchi n g  for ac tu al RF Networks u s ing AQPSO  (Yinxi n)  6603 L L r 1 C 2 C 1 C g 2 C g s R L Z S V in Z     L L r 1 C 2 C s R L Z S V in Z   Figure 4. Equivalent Circuit  of Figure 3   Fi gure 5. The  Simplified Ci rcuit of Figu re  3      No w co nsid er the para s itic-aware effect  of  the capa citors. In Figure 3, the paral lel arm  loss cond uct ance of the i ndu ctor i s  tre a ted a s   the p a ra sitic  lo ss condu ct an ce  o f  the ca pacito r s,  say g c 1 a nd  gc2. An d the  para s itic ca p a citan c e,  say  CL1  and  CL 2 ca n be  ab sorbe d  by  C1  and  C2 by letting  C1’ = C1+CL’,  C2’ = C2+CL’,  thus the e ffe cts of CL can  be eliminate d .  Loss  gCL i s  in   parall e l with  C1 a nd  C2  and the r efo r e ca n be  tre a ted in the   same  way a s  g c 1 a nd  g c 2.  Therefore the  formula s  pro posed are no w appli c a b le to both indu ct or and  cap a ci tor model s.       3. AQPSO M e thod  for Wi deband Imp e danc e Tuni ng  PSO is a  pop ulation-ba sed  sto c ha stic  o p ti mization  te chni que  deve l oped i n  (Ke n nedy J,  Eberh a rt R  1 995). It is  a  stocha stic o p t imiz ation m e thod ba se d  on swa r m int e lligen ce. The   fundame n tal idea is that th e optimal can  be f ound through  coo peration and info rmation  sha r i n g   among  indivi dual s in  the  swarm.  Thro ugh  co ope ra t i on a nd  com petition am on g the  pop ulat ion,  popul ation-ba sed  optimi z a t ion ap proaches often   can find  go o d  solution s  efficiently an d   effec t ively. How e ver ,  it may eas ily t r ap  i n to lo cal  opti m al poi nts  an d may  difficul t ly obtain exa c t  solutio n s at the late of the iteration.   To overcome  the weakne ss, some rese ar che r s have  employed m e thod s with a daptive   para m eters a nd co mbin ed  quantum m o d e l. An adapt ive mode a d ju sts the pa rame ters a c cordin g  to the feedba ck inf o rmatio n, su ch  a s  fu zzy a daptive i nertia  weig ht  (Y. Shi, R. Eberh a rt 20 01 ).  A  combi ned  qu antum mod e l  is presented  in (Sun  J, Feng B, Xu WB 2004),  whe r e pa rticle s a r e   cha nge d accordin g to qua ntum movem ent rule s,  su ch as pa rticl e s having qua ntum behavio r.  In   this pap er, a new p a rall el adaptive qua ntum parti cle swarm o p timization alg o rit h m is pro p o s ed.   By sha r ing  t he two extre m e of th e p a r ticle s ,  the  p r opo sed  meth od a daptively  se arch es th eir   optimum  sol u tions in  pa rallel. It co mb ines  the  opti m ization s  of  an imp r ove d  ada ptive P S O   (APSO)  with  a quantum P a rticle Swarm  Optimi zation  (QPSO). T he  APSO thread and the QPS O   thread o p e r at e in parall e l.    3.1. APSO Thread.   Standard particle swarm o p timization m i ght unde rgo  an und esi r ed  process of d i versity  loss. Some p a rticle s be co me ina c tively while lo st  bo th of the glob al and lo cal search  capa bil i ty  in the next generation s . The lost of glo bal and l o cal sea r ch ca pa bility means t hat parti cle s  wil l   be only movi ng withi n  a q u ite small  sp ace,  whi c h  wi ll be o c curs  whe n  its lo ca tion and  pbe st is  clo s e to  g best (pb e st i s  th e optim al p o s ition  of  the  particl e until now, gbe st repre s e n t  the  past  optimal p o siti on of the  swarm) an d its  velocity is   clo s e to  ze ro. T o  overcom e  t h is p r o b lem,  the   adaptive pa rticle swa r m u s e s  newly no nlinea r iner ti a weight s an d accele ratio n  coefficie n ts to   control the v e locity of pa rticles  and  avoids  clu s teri n g  of parti cle s  and mai n tai n s dive rsity  o f   popul ation in  the sea r ch sp ace.   The ad aptive  particl e swa r m optimizatio n co ns i s ts of,  at each tim e  step, changi ng the   velocity an d  locatio n  of e a ch  pa rticle  towa rd it s p b e st a nd  gbe st locatio n s a c cordi ng to  the  Equation (7)  and (8 ), re sp ectively:    * * (  )* ( ) * (  )* ( ) 11 2 V w V c rand pbe st x c ra nd gbe st x ii i i                                         (7)    1 x xV ii i                                                                                                                                   (8)    Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 11, Novemb er 201 3:  660 0 – 6610   6604 Whe r e th e lo cation  of the i t h parti cle i s  repre s e n ted a s  xi. The b e st  previo us  po sition of  the ith pa rticl e  is  re co rde d  and  re pre s e n ted a s  p b e s t. The in dex o f  the be st pb est am ong  all  the   particl es i s   re pre s ente d  by  the symb ol  gbe st. The  v e locity for th e  ith parti cle i s  rep r e s ente d   a s   Vi. The ra nd () is  a rand om  at interval [0 ,l] with  uniformly distrib u tion. The fi rst  part of Eq uati on  (7) represent s the  p r eviou s  velo city, wh ich  provi des t he n e cessa r y  mome ntum f o r  parti cle s  to  fly  across the  search  spa c e.  The se co nd  part is kno w n a s  the “cog nitive” co mpone nt, wh ich  rep r e s ent s the person a l thinkin g  of each  particle.  Thi s  compo nent e n co ura g e s  the particl es to  fly  toward their  own b e st po sition found so  far. The third part is kno w n a s  the “social ”  co mpo nent,  whi c h  rep r e s ents th e  coll aborative effect of th e  p a r ticle s  in  find ing the  glob a l  optimum. T h is  comp one nt al ways  pull s  th e parti cle s  to ward the  glob al be st po sition the  whol e  swarm fo und  so  far.  The ine r tia weights a r e up dated a s :     20 / 1 0 max /1 max m in m i n GG ww w e w                                                                                   (9)    Whe r e wm a x  and wmin  are the initial and fi nal values of the inertia weig hts,  respe c tively, G is the  cu rrent iteratio n  numbe r  and   Gmax i s  the   maximum n u m ber of all o wable  iteration s .  The accel e ration co efficient s are a d ju ste d  nonlin early  as follo ws:      3 */ 11 1 m a x 1 cc c G G c f ss     ,  3 */ 22 2 m a x 2 cc c G G c f ss                          (10)    Whe r e c1s a nd c1f are th e initial and final values of the accele rati on coeffici ent  c1, c2s  and c2f are th e initial and final value s  of the accele rati on co efficient  c2.  This  strategy  implies that  at the beginn ing  of the se arch the cog n itive compo nent ha s  more weight  than the so ci al comp one nt, so the particle s  can  sea r ch ra pidly an d widely in the   whol e sp ace, while at the  latter  of se arch, the soci al  comp one nt plays mo re i m porta nt role  to  make p a rti c le s co nverg e  to the global op tima.    3.2. QPSO Thread   Quantum Pa rticle Swarm  Optimizatio n  algo rithm (QPSO) i s  p r opo se d in  2004. In   cla ssi cal P S O,  a part i cl e  is st at ed b y  it s posit ion  vector Xi a nd velocity vector Vi, whi c h  determi ne th e traje c tory  of the parti cl e. The  move ment of the particl e alo n g  the dete r m i ned   trajecto ry follows Ne wtoni an mechani cs. Ho weve r,  in ca se of q uantum me chani cs the te rm  trajecto ry is  meanin g le ss,  beca u se Xi and Vi of  a p a rticle  ca nnot  be determin ed sim u ltane ously  according  to  un certai nty prin ciple.  Th erefo r e,  if in dividual p a rti c le s in  a PS O sy stem  h a ve   quantum  beh avior, the pe rforma nce of  PSO will b e  far fro m  that of cla s si cal PSO. In  the  quantum  mo del of a PSO,  the state of  a par ti cle i s  d epicte d  by wave functio n  , x t , instea d  of  positio n an d  velocity. The  dynamic be h a vior of th e  p a rticle  is wid e ly diverg ent  from that of t he  particl e in tra d itional PSO system s in that the  exact values of Xi and Vi can n o t  be determin ed  simultan eou sl y. In this  co ntext, the probability of  t he p a rticl e ’s  appe arin g in  po sition Xi f r om  probability density function  2 , x t , the form of  whi c h dep en ds on the po tential field in which   the parti cle l i es. Employi ng the M ont e Ca rlo m e thod, the p a rticles  move  according to  the  followin g  itera t ive Equation (11 ) :    1/ * / 2 Xt P I n u L                                                                                           (11)    Whe r e  u i s  ran dom  nu mber with   uniformly  distribution, L   is d e termi n e d  from  12 Lt m b e s t X t  , the param eter   is calle d Contractio n-Expan sio n  (CE)  Coeffi cient,   whi c h ca n  be tuned to control the c onverg e n c e  spee d of the particle.    1 0 . 5 / 0.5 ma x m ax GG G  . mbest calle d Mean Best  Position, is defined a s  the mean of   the pbe st positions of all pa rticle s. That is :  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Wide ban d Tu ning of Im pedance Matchi n g  for ac tu al RF Networks u s ing AQPSO  (Yinxi n)  6605 1/ * ( , , , ) 12 11 1 MM M mbe s t M pbe s t pbe s t pb e s t i i iD im ii i                                                         (12)    Whe r e M i s   the numb e r  of particl es  o f  t he populat ion, Dim i s  the dime nsi o n of the   particl es, p b e s tiDim i s  be st position of  particl es.  Co nverge nce of  the PSO algorithm m a y be   achi eved if each p a rticl e  converg e s to its lo cal attract o r, P defined  at the coo r din a tes:     1 P pbes t gbe s t                                                                                                 (13)      1l n 1 / X tP m b e s t X t u id d i d                                                                                  (14)     is ra ndom  n u mbe r  unifo rmly distribute d   on (0,l), pb est an d gbe st present the  best  particl e po sition and the b e s t positio n of particl es in th e popul ation.   Gene rally, th e value  of e a ch  co mpo n ent in Xid  can be  cl amp ed to the  ra nge that  distrib u te in feasi b le zone  aroun d bo rd er to  co ntrol  exce ssive  ro aming of pa rticle out side t he  sea r ch sp ace .  The method  is given as fo llow:     If Xid> Xmax      Xid= Xmax-c *(Xid-Xmax)*rand( )             or  If Xid< -Xmax           Xid= -Xmax-c * (Xid+ X max) *rand( )                                                       (15)    The valu e of  c i s  ap plied  h e re to  adj ust  the ra nge  of t he p a rticl e s,  and th e Xma x  is the   maximum moving distance.    As sh own in  Figure 6, the  flow of the AQPSO  algo rithm is  sho w n  in Figure 6. Explained   as  follows :     id X     Figure 6. AQPSO Flow Ch art       Step 1: The initial para m et ers a r e g ene rated at the be ginnin g  of pro g ram.   Step 2: APSO and QPS O  threa d s  work  coll abo ra tively. The position a nd velocity of  partic l es   are randomly dis t ributed in APSO thread . QPSO evaluat e the fit ness  f o r eac h   partic l e  to get values  of pbest an d gbe st.  Step 3: In APSO thread,  the fitness  f unc tion  value of each partic le is   c a lc ulated to  determi ne the gbest po sit i on. The cu rrent values  of  pbest and g best are com pare d  with th e  corre s p ondin g  returned va lues fro m  the  main thr ead.   If the curre n t values are  better than the   Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 11, Novemb er 201 3:  660 0 – 6610   6606 store d  p b e s t  and  gbe st, th en the  value s  of pb est  and  gbe st in  mai n  thread  are  repla c e d  by t he  c u rrent values . In QPSO  threa d , the values of   and mbest i s  eval uate, and P i s  found  usi ng  Equation (13).  Step 4: APSO call s pbest  and gbest in main  thread  to change the po sition and velocity  of pa rticle s  a c cordi n g  to E quation  (7 )  a nd  (8).  Acco rding to  Equ a t ion (9) and  (10), th e in ertia   weig hts a nd  accele ration   coeffici ents a r e u pdat e d ;  QPSO thre a d  chang e the  po sitions of  the   particl es a c co rding to Equ a t ion (14 ) , whe r e Xid is limited by Equatio n (15 ) .  Step 5: The end of each g e neratio n, the term in al con d i t ion is examin ed and the proce s s   is termi nated  whe n  the condition i s  satisfied in A PSO. When  the termin al  con d ition is  not   satisfie d the  pro c e ss  prog resse s  into t he next  step . The fitness function of  each pa rticle  is  determi ned to obtain the gbe st positio n in QPSO.  Comp ari ng the current val ues of pbe st and   gbe st with the return ed val ues from the  main  threa d , and the bette r pbe st and g best are kept  fo r   next iteration. Otherwise, t he value s  of pbe st and gb est from mai n  thread a r e u pdated.   Step 6: All thread s a r e  exa m i ned at  the end of  ea ch   g enerati on. If the evol utiona ry cy cle   or target valu e is  compl e te d, the AQPSO is te rminat ed an d outp u t s the pb est  and g b e s t. If  not,  turn to Step 3.      4.  Experiment  4.1. Fitness  Function   The  simplifie d PI-network  is sho w ed  in  Figure 5.  Here, Vs i s  the  si gnal  sou r ce,  Rs i s  th e  transmissio n impeda nce (t ypically 50 o h ms), rL is  Rmetal in Figu re 2, and ZL =R+jX re pre s ents  the load imp edan ce  (e.g.  antenn a inpu t impedan ce ), Zin rep r e s e n ts the inp u t impeda nce a nd  Zeq is the out put impeda nce.  We may ea sil y  obtain that the input po wer wo uld be:     2 2 4| | V RZ in si n PP in a v a RR Z R in in in s                                                                                        (16)    Whe r e  2 /( 4 ) P VR av a s s  is the maximum po wers, and Vs is the amplitude of the so urce   voltage. Let  s be the reflectio n  coeffici ent, we have:     () / ( ) RZ R Z s si n s i n                                                                                                           (17)    Voltage stan d i ng wave ratio (VSWR) ca n be written a s :    1/ 1 VS W R s s                                                                                                                (18)    The co st fun c tion can b e  chosen a s :      = i0 i= 1 M f fV S V R V S W R i                                                                                            (19)    Whe r e  0 f VSVR VSWR ii  , M is the total n u m ber of the  sam p le  poi nts ove r  the   con s id ere d  freque ncy ran ge. VSWR0 i s  the ta r get  value of the  voltage sta n d i ng wave rati o,  whi c h is i deal ly 1. Our aim  is to minimize the co st fu nction fitne s s. As  f(w)  i s  a  highly nonli n ear  function  of the co mpon ent s C1, C2  an d L, a di re ct  minimization  of the co st fu nction i s  a v e ry  diffic u lt tas k .     4.2. Simulati on Results  Several exa m ples h a ve  been calcul ated to dem onstrate the  performan ce of th e   prop osed  a ppro a ch. Th e exam ple s  sh owed  wi deba nd im p edan ce  mat c hin g  te chni que  comp ared to never u s ing a n y techniq ue.   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Wide ban d Tu ning of Im pedance Matchi n g  for ac tu al RF Networks u s ing AQPSO  (Yinxi n)  6607 Example 1:  GSM-1800  uses 17 10 –178 5MHz f o r u p lin k a n d  18 05– 188 0MHz fo r  downlin k. He re we  con s id er the freq ue ncy ran ge/ba nd from 1.71 GHz to 1.88 GHz. The so urce  resi st an ce  is   50 Ω . The  loa d  impe dan ce  is  cap a citive , Zload =50 - j7 5  Ω . 100  poi nts a r e  sam p led  in the freque n c y rang e.   The o b taine d  matchi ng  co mpone nt val ues  are C1=0.0201 51pF,  C2 =0.01 809 7 p F, and  L=5.0 835 1n H. The curve s  of load power and  re fle c tion coeffici e n t with IM, load po we r a n d   reflectio n  coe fficient witho u t IM are sh own in Fi gu re 7.The ave r age value s  o f  load po wer  and  reflectio n  coe fficient with i m peda nce m a tchin g  (IM)  are 3.9 797m w and  0.178 95. While  wit hout  IM, their values a r e 3.2m w and 0.59 999 , resp ective ly. Thus  without  the prop ose d  techni que, t he  power tra n sm issi on efficie n c y has b een i n crea sed by  19.59%.          Figure 7. Loa d power, Refl ecti on  Coefficient for GSM-1800M Hz      Example  2: UMTS spe c if ies  the ban d s  19 00-202 5 M Hz and  21 10-2 200 MHz for 3G   transmissio n. Here we  co nsid er the b a nd from  1.9 t o  2.025G Hz  (we  will con s ider even  wi der   band to in clu de 2.11 -2.2G H z i n  Exampl e 3). The  so u r ce  re si stan ce is 50 Ω . T h e  load imp eda nce  is re si stive, Zload =20 0 Ω . A set of 100  sampl ed poi n t s are  con s id ered in th e test. The obtai ned  matchin g  co mpone nt  valu es  a r e C1 =0. 3356 0pF, C2 =0.62 876 pF, and  L = 6.6 5 0 31n H.  The cu rves  of load po wer and refle c tio n  coeffici ent with IM,  load power an d re flection coefficient with out IM   are sho w n in  Figure 8.           Figure 8. Loa d power, Refl ection  Coefficient for UMT S     1. 7 1. 7 5 1. 8 1. 85 1. 9 3. 9 3. 9 5 4 4. 0 5 x 1 0 -3 f r equ en c y ( G H z ) lo a d  p o w e r w it h  IM 1. 7 1. 7 5 1. 8 1. 8 5 1. 9 0. 1 0. 1 5 0. 2 0. 2 5 f r eq ue nc y ( G H z ) re fl e ct i o n  co e f f ic ie n t w it h  IM 1. 7 5 1. 8 1. 8 5 3 3. 2 3. 4 3. 6 3. 8 x 1 0 -3 f r eq ue nc y ( G H z ) lo a d  p o w e r w it h o u t IM 1. 7 5 1. 8 1. 8 5 0. 5 5 0. 6 0. 6 5 0. 7 f r eq ue nc y ( G H z ) re fl e ct i o n  co e f f ic ie n t w it h o u t I M (W ) (W ) 1. 9 1. 95 2 3. 8 4 3. 8 6 3. 8 8 3. 9 x 1 0 -3 f r eq ue nc y ( G H z ) lo a d  p o w er  w it h  I M 1. 9 1. 9 5 2 0. 2 2 0. 2 4 0. 2 6 0. 2 8 f r eq ue nc y ( G H z ) r e fl e c ti o n  c o e ffi c i e n t  w it h  I M 1. 9 1. 95 2 3 3. 2 3. 4 3. 6 3. 8 x 1 0 -3 f r eq ue nc y ( G H z ) l o ad  pow er  w i t ho ut  I M 1. 9 1. 9 5 2 0. 5 5 0. 6 0. 6 5 0. 7 f r eq ue nc y ( G H z ) r e f l e c ti o n  c o e ffi c i e n t w i t ho ut  I M (W ) (W ) Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 11, Novemb er 201 3:  660 0 – 6610   6608 With the pro p o se d IM unit, the average  values of loa d  powe r  and  reflectio n  co e fficien t  are in crea sed  from 3.200 0 m w an d 0.60 01 to 3. 853 8 7 mw a nd 0.2 4985. Th e propo sed te chn i que   has e nha nce d  power tra n smissi on effici ency by 16.9 6 %.   Example 3: We no w con s ider du al mod e s GSM - 180 0 and UM TS. The frequ en cy rang es  from 1.7 to 2. 2GHz fo r the  dual  stand ard s . The  so urce re sist ance i s  50 Ω . T he l oad imp eda n c e  is indu ctive, Zload =60 + j1 2 0 Ω . A set of 500 sample d  points a r e consi dered in  this expe rime nt.  The o b taine d  matching  com pon ent  values are  C1 =0.38 0 4 67pF,  C2 =0. 9563 31pF,  and  L=3.1 874 0n H. The curve s  of load power and  re fle c tion coeffici e n t with IM, load po we r a n d   reflectio n  co e fficient withou t IM are sho w n in Figure 9.  The  p e rce n ta ge  of po wer transmissio n efficien cy  ha s  e nha nced 38.02% with our  IM  techni que form 2.2641m w  to 3.6535m w.          Figure 9. Loa d power, Refl ection  Coefficient for UMT S       Figure 7 th ro ugh Fig u re 9  indicate that the value  of lo ad po we r is close to th e m a ximum  power  with  our IM u n it. Thro ugh th e pro p o s ed  techni que,  we ca n a c hie v e satisfa c to ry  transmissio n  efficien cy and  reflectio n  co efficient. So the propo se d i m peda nce m a tchin g  net work   is ca pabl e of offering imp e dan ce matchi ng with chan ging loa d  and  chan nel s.   In additio n , i n  orde r to  asse ssm ent the  pro p o s ed  IM  unit for a c tu al RF  Netwo r ks,  we  comp are the   returned  resu lts by  applyin g  the  sim p lified m odel  an d the  ide a l m odel. T he i d e a l  model prese n ts the mode l without con s ide r ing a n y para s itic-a wa re effects of  the indu ctor  and  the ca pa citors in the IM  un it, while the  si mplifi ed mo d e l is  sho w n i n  Figure 5. Th e re sult s can  be   see n  in Table  1.      Table 1. The  Powe r Lo ss  Comp ari s o n  of Simplified Model an d Ideal Model   Power  loss(w )   (GHz )   ( Ω )  1.71-1.88    ZL=50-10j    1.9-2.025    ZL=20   1.7-2.2    ZL=60   Simplified model  Best  5.3953E-04  1.1261E-03  4.3527E-04   Worst  5.4973E-04  1.1543E-03  5.0555E-04   Mean   5.4463E-04  1.1401E-03  4.6930E-04   Ideal model  Best  1.6957E-03  1.1639E-03  5.2793E-04   Worst  1.7149E-03  1.2002E-03  5.4916E-04   Mean   1.7051E-03  1.1802E-03  5.3672E-04       Table  1 sho w s that the  po wer lo ss  of the sim p lified  model i s  le ss than that of t he ide a l  model fo r G S M, UMTS  and d ual  sta ndards from   1.7 to 2.2 G Hz. T he  po wer lo sse s  of  the   obtaine d sim p lified model  over the freq uen cy  rang e are 5.44 63E-04, 1.1401E -03 and 4.69 3 0 E- 1. 8 2 2. 2 3. 4 3. 6 3. 8 x 1 0 -3 f r equ enc y ( G H z ) l oad p o w er  w it h  I M 1. 8 2 2. 2 0. 1 0. 2 0. 3 0. 4 0. 5 f r equenc y ( G H z ) r e f l ec t i on  c o ef f i c i e n t  w ith  I M 1. 8 2 2. 2 2. 2 2. 3 x 1 0 -3 f r equ enc y ( G H z ) l o ad p o w er  w i t hou t  I M 1. 8 2 2. 2 0. 7 0. 75 0. 8 f r equenc y ( G H z ) r e fl e c ti o n  c o e f fi c i e n t w i t h out  I M (W ) (W ) Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Wide ban d Tu ning of Im pedance Matchi n g  for ac tu al RF Networks u s ing AQPSO  (Yinxi n)  6609 04, re spe c tively. Howeve r,  the co rre sp o nding p o we r l o sse s  of the i deal mo del a r e 1.70 51E-0 3 ,   1.1802E -03 a nd 5.367 2E-0 4. The power  transfe rred to  load gro w s b y  an average  of 28%.  Simulation re sults  sho w  that the prop ose d  wide ba nd imped an ce matchin g  tech niqu e  can im prove the efficie n cy  of load  p o we r, control  refle c tion  coeffici e n t in a satisfa c tory  sco pe.  So   the pro p o s ed  adaptive tuni ng techniq ue  can  ac hieve  good  accu ra cy of impedan ce mat c hin g   and  load  po wer fo r different a n tenna  impe da nce s . T he  re f l ection  coefficient al so  sati sfies the  nee ds  of the project.  More over, th e pro p o s ed  method  c an b e   useful  for software defin ed  ra dio syst ems  usin g a sin g le  antenna for  multiple mobil e  and wi rele ss ban ds.       4. Conclusio n   This pa pe r pre s ent s an  adaptive wid eban d imped ance tuning  techni que for multi- stand ard  mo bile commu ni cation s. Th e  on-chi p  mo dels fo r  RF  cap a cito rs a nd ind u cto r s are  con s id ere d , a nd the  ci rcuit  is  simplified  a c cordi ng to  th e sen s itivities of the  elem e n ts. Th erefo r e ,   the com putational complex i ty is dramati c ally  red u ced .  AQPSO is chosen to improve impeda n c e   matchin g . Example s  are gi ven for GSM, UMTS and  d ual stand ards with three different anten n a   impeda nces.  The frequ en cy rang e fo r t he d ual  stan dard s  i s  f r o m  1.7 to  2.2 G Hz. Simulat i on   results show goo d a c cu ra cy of in put i m peda nce  m a tchin g  a nd  power t r an sf er. Th e  refle c tion   coeffici ent a n d  VSWR a r e  also  satisfa c tory. The   prop ose d   tunin g  method may also   be suita b le  for even wid e r  ran ge of fre quen cie s  to cover othe r wireless sta nda rds.       Ackn o w l e dg ement  This  work  wa s suppo rted b y  National  Na tural Scie nce  Found ation o f  China u nde r Grant  No.61 102 039  and the Fun damental  Re sea r ch Fun d s for the Central Universitie s .      Referen ces   [1]  KR Bo yl e, Y  Yuan,  LP Li gthart. Anal ys is  of m obi le pho ne  a n ten na im ped anc e  vari ations  w i th use r   pro x imit y, Ante nnas a nd Pro p agati on.  IEEE Transactions on.  200; 55: 36 4 - 372.   [2]  Matthias Schmidt, Errikos Lourandakis.  A Co mp ariso n  of T unabl e F e rroel ectric  Π - and T -Matchin g   Networks.  Proceed ings  of the 37th Euro pe an   Micro w ave C o nferenc e. 200 7 :  98-101.   [3]  M T hompson, JK F i dler.  Ap p licatio n of th e  gen etic a l gor ithm  an d si mu l a ted a n n eal in g  to LC filt er   tuning, Circuits ,  Devices and System s.  IEE Procee din g s. 2 001; 14 8(4): 17 7-18 2.  [4]  Yang ya n g  Z H ANG, W a sim Q MALIK. Analo gue  F ilt er  T uning for A n tenn a Match i ng   w i th M u ltip l e   Objective P a r t icle S w a rm  Opti mizatio n , Advanc es i n  W i red a n d  W i reless  C o mmunic a tio n ,   IEEE/Sarnoff Sym p osium .   20 05: 169- 17 4.  [5]  EW C Neo, Y  L i n,  X L i u, L C N  de Vr eed e, et c. Adaptiv e mu lti-ba nd m u lti- mode  po w e r  a m pli fi er  usi n g   integr ated var a ctor-base d   tun abl e matchi ng  net w o rks.  IEEE J. Solid-Stat e  Circuits . 200 6; 41(9): 21 66- 217 6.  [6]  H Ferdin and o a , F Pasila, H Ku s w a n to. Enha nce d  Ne uro-F u zz y   Architecture F o r  Electrical  Loa d   Forecasting.  T E LKOMNIKA Indo nesi an Jo u r nal of Electric al . 201 0; 8(2): 87-9 6 .  [7]  Sun J, Feng  B, X u  WB.  Particle sw ar m  opti m i z at ion  w i th partic l es  h a vin g  q uant u m   beh avi our.   Procee din g s of  Congr ess on  Evolut i on Com putatio n. 200 4: 325-3 31.   [8]  Yang Hon g  T a n ,  RuF a n g  Yi,  a nd Y iCh ua ng  Sun. W i d e b a n d  T uning  of Im ped anc e Matc hin g  N e t w ork s   usin g Hi erarc h ical  Gen e tic  Algor ithms f o r Multista nd ard Mo bil e  C o mmunic a tio n s .   Journ a l of   Co mp uters.  20 12; 7(2): 35 6–3 61.   [9]  EL F i rrao, AJ   Ennem a, B N a uta.  Anten n a  b ehav iour  in  the  prese n ce  of h u man  bo dy.  Pr oc. 15th  Ann u .   W o rkshop C i rcuits, S y st. Sign al Process, (Pr o RISC). 200 4: 487 –4 90.   [10]  H Song, B Bakkalo glu, JT  Ab erle.  A CMOS  ada ptative a n -tenn a-i m p e d a n c e-tuni ng IC o perati ng in t h e   850 MH z - to- 2  GH z  b and.  Pro c . IEEE  Int. Solid-State Circ u it s Conf. 200 9: 384– 38 6.  [11]  P Sjöbl om, H Sjöl and. An a daptiv e imp e d anc e tu nin g  C M OS cir-cuit for ISM 2.4 GHz ban d.  IE EE  T r ans. Circuits Syst. I, Reg. Papers . 20 05; 5 2 (6): 111 5– 112 4.  [12]  A van  Bez ooi j en, MA  de J o ngh,  C C h a n l o ,  LC H R u ijs,  F  van  Strate n, R M ahmo u di, AHM v a n   Roermu nd. A   GSM/EDGE/WCDMA a d a p tiv e  seri es  LC m a tchin g  n e t w or k usi ng  RF -MEMS s w itch es.   IEEE J. Solid-State Circuits . 200 8; 43(1 0 ): 2259 –2 268.   [13]  EL F i rra o, AJ  Ann e ma, B   Nauta. A n   au tomatic a n ten na tu ni ng s y s t em usi n g  on l y   RF -Sig na l   amplit udes.  IEEE Trans. Circuits Syst.II , Ex p. Briefs . 2008;  55(9): 833 –8 3 7 .  [14] H Song, SH Oh, JT  Aberle , B Bakkalo glu, C  Chakrab a rti.  Automatic ante n na tuni ng un it for softw are- de fi n ed a nd co gnitiv e  radi o . in  Proc. IEEE Int. Sy m p .Anten n   Propag. 20 07 : 85–88.   Evaluation Warning : The document was created with Spire.PDF for Python.