一种基于机器学习的射频信号功率检测方法和系统技术方案

本发明专利技术公开了一种基于机器学习的射频信号功率检测方法和系统，所述方法包括：获取当前射频通道设备检波器的射频信号功率的检波值、连续工作时长、所处环境温度和湿度；判断是否已存在预测模型，如果是则获取预测模型，代入检波值、连续工作时长、环境温度和湿度数据得出预测的射频信号功率，否则初始化机器学习算法参数，建立预测模型，根据设备出厂时的检波值与射频信号功率对照表，将射频信号功率赋值为预设值；判断射频信号功率是否超出正常射频信号功率范围，如果是则上报设备工作状态异常，否则对检波值、环境温度和湿度进行数据拟合，更新预测模型，上报设备工作状态正常。本发明专利技术可以减少对射频通道设备的工作状态的误判，提高效率。提高效率。提高效率。

【技术实现步骤摘要】
一种基于机器学习的射频信号功率检测方法和系统


[0001]本专利技术属于射频通信
，具体涉及一种基于机器学习的射频信号功率检测方法和系统。

技术介绍

[0002]在射频通信系统中，射频通道设备内部通过多种射频模块的组合形成一个完整的射频链路，完成对接收到射频信号的放大、滤波、变频和衰减等功能。因此在射频通信系统中，对射频通道设备是否工作正常的检测尤为重要。通常的检测方法是对射频通道设备的供电电压和工作电流进行检测，判断射频通道设备的工作状态是否正常。
[0003]然而在实际应用中，经常出现供电电压和工作电流正常，但是射频通道设备工作不正常的现象。为了及时排查射频通道设备是否工作正常，一般会在射频通道设备的输入和输出增加射频信号功率检测模块。射频信号功率检测模块的作用是实时检测射频通道设备输入和输出的信号是否在设计范围内,若不在范围内立即告警,确保维护人员第一时间处理。
[0004]目前射频信号功率检测模块采用的检测方法有二极管检测功率法、等效热功耗检测法、真有效值/直流(TRMS/DC)转换检测功率法和对数放大检测功率法等，这些方法都是将射频信号的功率转换为可以被A/D采样的检波值。测试人员在射频通道设备出厂前，使用信号源输出射频信号到射频通道设备，手动记录射频信号功率检测模块检测出的检波值；通过不断调整信号源输出射频信号的功率，最终形成一个检波值与射频信号功率的对照表；将对照表写入射频通道设备中，实现射频信号功率检测功能；同时设备出厂前，也会设置好正常工作时的射频信号功率范围，如果超出范围后将进行告警。
[0005]但是射频通道设备长时间的工作或者环境温度湿度的改变，都会对射频通道设备内的射频信号功率检测模块产生一定影响，检测出的检波值会发生上下浮动，导致检测出的射频信号功率与实际功率存在误差，原有的检波值与射频信号功率的对照表不再适用。此情况下会出现射频信号功率正常，但射频通道设备检测出超出范围，让维护人员对射频通道设备的工作状态造成误判。

技术实现思路

[0006]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于机器学习的射频信号功率检测方法和系统，设计合理，克服了现有技术的不足之处，具有良好的效果。
[0007]为实现上述技术目的，本专利技术采取的技术方案为：
[0008]一种基于机器学习的射频信号功率检测方法，包括：
[0009]S1，获取当前射频通道设备检波器的射频信号功率的检波值；
[0010]S2，获取当前射频通道设备的连续工作时长；
[0011]S3，获取当前射频通道设备所处环境温度和湿度；
[0012]S4，判断是否已存在预测模型，如果是则执行步骤S5，否则初始化机器学习算法参数，建立预测模型并保存，导入设备出厂时的检波值与射频信号功率对照表，将射频信号功率赋值为预设值，执行步骤S6；
[0013]S5，获取预测模型，代入检波值、连续工作时长、环境温度和湿度数据，得出预测的射频信号功率；
[0014]S6，判断射频信号功率是否超出正常射频信号功率范围，如果是则上报射频通道设备工作状态异常，否则执行步骤S7；
[0015]S7，通过机器学习算法对检波值、环境温度和湿度进行数据拟合，更新预测模型并保存；
[0016]S8，上报射频通道设备工作状态正常。
[0017]为优化上述技术方案，采取的具体措施还包括：
[0018]上述的连续工作时长为设备运行时间。
[0019]上述的机器学习为全局最优遗传算法。
[0020]上述的预测模型为射频通道设备在连续工作时长和温湿度条件下的检波值与射频信号功率对照表。
[0021]上述的S4中，初始化全局最优遗传算法的最大进化代数、变异概率和交叉概率，使用最小均方误差准则，建立基于全局最优遗传算法的预测模型并保存，所述预测模型为射频通道设备在连续工作时长和温湿度条件下的检波值与射频信号功率对照表。
[0022]上述的S6中，通过遗传算法进行拟合，正常射频信号功率范围设置为+10dBm～
‑
50dBm。
[0023]一种基于机器学习的射频信号功率检测系统，所述系统包括耦合器、检波器、处理器、存储器和温度湿度传感器；
[0024]所述耦合器，用于将输入的射频信号耦合一路输出到检波器，另一路正常输出；
[0025]所述检波器，用于将信号功率值转换为检波值，并向处理器发送检波值；
[0026]所述温度湿度传感器，用于检测并向处理器发送环境温度和湿度数据；
[0027]所述处理器，用于将接收到的检波值、环境温度和湿度数据以及工作时长代入预测模型，得出射频信号功率；
[0028]所述存储器，用于存储预测模型数据。
[0029]本专利技术具有以下有益效果：
[0030]本专利技术考虑射频通道设备长时间的工作或者环境温度湿度对射频通道设备内的射频信号功率检测的影响，基于机器学习建立预测模块，建立可自适应调整的射频通道设备在连续工作时长和温湿度条件下的检波值与射频信号功率对照表，基于此进行对射频信号功率范围判断，进而实现射频通道设备工作状态异常识别，减少对射频通道设备的工作状态的误判，提高效率。
附图说明
[0031]图1是本专利技术一种基于机器学习的射频信号功率检测方法流程图；
[0032]图2是本专利技术一种基于机器学习的射频信号功率检测系统组成图；
[0033]图3是本专利技术通过机器学习算法计算射频信号功率的一个具体实施例过程图。
具体实施方式
[0034]以下结合附图对本专利技术的实施例作进一步详细描述。
[0035]参见图1，本专利技术一种基于机器学习的射频信号功率检测方法，包括：
[0036]S1，获取当前射频通道设备检波器的射频信号功率的检波值；
[0037]S2，获取当前射频通道设备的连续工作时长；
[0038]S3，获取当前射频通道设备所处环境温度和湿度；
[0039]S4，判断是否已存在预测模型，如果是则执行步骤S5，否则初始化机器学习算法参数，建立预测模型并保存，导入设备出厂时的检波值与射频信号功率对照表，将射频信号功率赋值为预设值，执行步骤S6；
[0040]S5，获取预测模型，代入检波值、连续工作时长、环境温度和湿度数据，得出预测的射频信号功率；
[0041]S6，判断射频信号功率是否超出正常射频信号功率范围，如果是则上报射频通道设备工作状态异常，否则执行步骤S7；
[0042]S7，通过机器学习算法对检波值、环境温度和湿度进行数据拟合，更新预测模型并保存；
[0043]S8，上报射频通道设备工作状态正常。
[0044]实施例中，连续工作时长为设备运行时间。
[0045]上述的机器学习为全局最优遗传算法。
[0046]上述的预测模型为射频通道设备在连续工作时长和温湿度条件下的检波值与射频信号功率对照表。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的射频信号功率检测方法，其特征在于，包括：S1，获取当前射频通道设备检波器的射频信号功率的检波值；S2，获取当前射频通道设备的连续工作时长；S3，获取当前射频通道设备所处环境温度和湿度；S4，判断是否已存在预测模型，如果是则执行步骤S5，否则初始化机器学习算法参数，建立预测模型并保存，导入设备出厂时的检波值与射频信号功率对照表，将射频信号功率赋值为预设值，执行步骤S6；S5，获取预测模型，代入检波值、连续工作时长、环境温度和湿度数据，得出预测的射频信号功率；S6，判断射频信号功率是否超出正常射频信号功率范围，如果是则上报射频通道设备工作状态异常，否则执行步骤S7；S7，通过机器学习算法对检波值、环境温度和湿度进行数据拟合，更新预测模型并保存；S8，上报射频通道设备工作状态正常。2.根据权利要求1所述的一种基于机器学习的射频信号功率检测方法，其特征在于，所述连续工作时长为设备运行时间。3.根据权利要求1所述的一种基于机器学习的射频信号功率检测方法，其特征在于，所述机器学习为全局最优遗传算法。4.根据权利要求1所述的一种基于机器学习的射频信号功率检测方法，其特征在于，所述预测模型为射频通道设备在连续工作时长和温湿度条件下的检波值...

【专利技术属性】
技术研发人员：奚盎，陈世昌，
申请(专利权)人：江苏肯立科技股份有限公司，
类型：发明
国别省市：