一种微波滤波器多特征融合建模调试方法技术

本发明专利技术提供了一种微波滤波器多特征融合建模调试方法，多次改变可调部件状态x，采样测量S参数s，构建包含x、s和采样频率f的原始数据集，并对s和f进行预处理，得到原始特征，可调部件状态x和原始特征构成训练集；使用卷积层、池化层和激活函数层构建模型的特征融合部分，使用全连接层构建模型的特征映射部分，通过训练得到高精度的多特征调试决策模型；将满足指标要求的S参数s*与f进行同样的预处理，然后输入到训练后高精度的多特征调试决策模型，得到对应的可调部件状态x*，并将待调试微波滤波器的可调部件状态调节为x*。本发明专利技术的有益效果是：提高了调试决策模型的精度，进而提高了调试效率。

【技术实现步骤摘要】
一种微波滤波器多特征融合建模调试方法
本专利技术涉及智能制造领域，具体涉及微波滤波器调试领域，尤其涉及一种微波滤波器多特征融合建模调试方法。
技术介绍
随着国际上5G竞争愈演愈烈，我国在重要文件中相继提出要加速5G基站建设。微波滤波器是5G基站中的核心选频器件，其滤波性能对选频质量有很大影响。但是在其生产过程中，由于加工公差不可避免，微波滤波器通常无法满足滤波性能指标要求，调试过程必不可少。传统的调试方法依赖经验丰富的调试工人，根据测量到的微波滤波器散射参数(S参数)，计算当前性能指标与目标性能指标的差距，相应地调节可调部件的状态，改变内部的电磁关系，使调节后微波滤波器的性能指标满足要求。但人工调试方法成本高，效率低，阻碍了5G基站的建设进程，因此智能调试算法需求迫切。基于调试决策模型的调试算法是一种高效率的智能调试算法。调试决策模型实现从输出响应到可调部件状态的映射。由于映射关系难以用解析法得到，通常使用数据驱动的神经网络实现。现有的调试决策模型只利用了S参数，未利用到目标性能指标，无法全面反映调试过程的特征，得到的模型精度低，影响了本文档来自技高网...

【技术保护点】
1.一种微波滤波器多特征融合建模调试方法，其特征在于：包括以下步骤：/nS1：在微波滤波器上多次改变可调部件状态x，采样测量S参数s，构建包含x和s以及采样频率f的原始数据集D

【技术特征摘要】
1.一种微波滤波器多特征融合建模调试方法，其特征在于：包括以下步骤：
S1：在微波滤波器上多次改变可调部件状态x，采样测量S参数s，构建包含x和s以及采样频率f的原始数据集Draw；
S2：对所述原始数据集Draw进行数据预处理，得到原始特征Rraw，构建包含可调部件状态x和原始特征Rraw的训练集；
S3：使用神经网络中的卷积层、池化层和激活函数层构建多特征调试决策模型的特征融合部分，用于将原始特征处理成融合特征；
S4：使用全连接层构建多特征调试决策模型的特征映射部分，用于将所述融合特征映射到可调部件状态x；
S5：使用训练集对特征融合部分和特征映射部分进行训练，得到训练后高精度的多特征调试决策模型；
S6：将满足指标要求的S参数s*与采样频率f进行数据预处理，输入到训练后高精度的多特征调试决策模型，得到对应的可调部件状态x*，并将待调试微波滤波器的可调部件状态调节为x*，从而实现对微波滤波器的高精度调试。


2.如权利要求1所述的一种微波滤波器多特征融合建模调试方法，其特征在于：步骤S2中，使用原始数据集Draw中的S参数s以及采样频率f计算得到幅频响应和相频响应，结合目标指标得到原始特征Rraw，该过程主要分以下三步：
首先，获取幅频响应和相频响应；S参数是一个复数矩阵，s11＝a11+b11i表示输入信号能量的反射率，s21＝a21+b21i表示输入信号能量的传输率，S11和S21均为S参数中的元素，a11和a21分别为S11和S21的实数部分，b11和b21分别为S11和S21的虚数部分；根据公式(1)和公式(2)计算得到幅值和相位，进而结合采样频率f，得到幅频响应和相频响应






然后，根据微波滤波器性能指标要求设置目标指标；性能指标包括中心频率fc、带宽W与回波损耗ζ，通过S参数计算得到；时对应的采样频率为上、下截止频率f1、f2，则中心频率fc为：
fc＝(f1+f2)/2(3)
带宽为：
W＝f1-f2(4)
性能指标要...

【专利技术属性】
技术研发人员：曹卫华，郭琳炜，毕乐宇，袁艳，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42