本发明专利技术公开了一种基于变参数多项式模型的石英晶振温度频率特性建模方法，包括数据采集、利用差分法计算得到温度导数、计算频率偏移、构建随机神经网络模型和获取随机神经网络中隐藏层到输出层之间的权重参数步骤。本发明专利技术将复杂温度变化的影响转化为模型参数的变化，能够在不同温变区间、不同的温变情形准确估计频率变差，有助于改善电子产品频率的稳定性；它利用温度和温度导数的变化实现对模型参数的自适应调整，建立更合理的变参数温频特性模型，更准确的计算温度变化时的频率偏移，提高了频率偏移补偿精度。了频率偏移补偿精度。了频率偏移补偿精度。
【技术实现步骤摘要】
基于VPPM的石英晶振温度频率特性建模方法
[0001]本专利技术涉及一种石英晶振温度频率特性建模方法，尤其涉及一种基于VPPM的石英晶振温度频率特性建模方法，属于电子科学
技术介绍
[0002]石英晶振是用石英材料做成的晶体谐振器，是许多电子通讯系统的频率源，广泛应用于现代工业社会中的各类电子产品中。石英晶振的频率受到噪声、老化、温度等诸多因素的影响，其中温度是影响石英晶振频率稳定性的最主要因素。石英晶振的频率会随着温度发生变化，温度与频率之间的关系称之为温度频率特性。准确的温度频率特性模型对于开发温补晶振具有重要意义，有助于改善电子产品频率的稳定性。
[0003]传统的石英晶振温度频率特性一般采用多项式模型(Polynomial Model，PM)描述，这种传统的多项式模型的优点在于结构简单、物理意义明确，但是其缺点是模型采用固定参数，潜在假设石英晶振的温度频率特性在不同温变区间、不同的温变情形下是不变的。但是，在实际应用及测试场景中，由于晶振内部热特性的复杂性，升温或者降温过程中温度频率特性有较大差异，在不同温度操作区间内也有一定差异，因此传统的固定参数模型就难以准确估计频率变差，无法实现精准补偿。因此，针对实际中复杂温度变化情形，研究基于可变参数多项式模型(Varying
‑
Parameter Polynomial Model，VPPM)的石英晶振温度频率特性建模方法，提高变参数的石英晶振温度频率特性分析准确性具有重要意义。
技术实现思路
[0004]本专利技术要解决的技术问题是提供一种基于VPPM的石英晶振温度频率特性建模方法。
[0005]为解决上述技术问题，本专利技术所采取的技术方案是：
[0006]一种基于VPPM的石英晶振温度频率特性建模方法，包括以下步骤：
[0007]步骤1：数据采集：在测试环境中模拟静态变化情形，连续改变环境温度采集得到测试温度T(i),i＝0,1,
…
,N}和晶体相应的输出频率{f(i),i＝0,1,
…
,N}；
[0008]步骤2：利用差分法计算得到温度导数：
[0009]dT(i)＝T(i)
‑
T(i
‑
1)
ꢀꢀ
(1)
[0010]步骤3：计算频率偏移：
[0011][0012]式中，f0为基准频率
[0013]步骤4：构建随机神经网络模型：
[0014][0015]式中，是随机神经网络中隐藏层到输出层之间的权重参数，m表示隐层节点个数；为可变参数，由测试温度和频率偏移拟合得到；h(i)为参数调整模型的输出向量，计算方法为：
[0016][0017]式中，f(.)为非线性激活函数sigmoid函数，W∈R
m
×2和b∈R2×1均设置为[
‑
1,1]之间均匀分布的随机参数向量；
[0018]步骤5：获取随机神经网络中隐藏层到输出层之间的权重参数：训练把测试温度和温度导数作为模型输入，可变参数作为模型输出，构建训练数据集，训练随机神经网络模型，获取随机神经网络中隐藏层到输出层之间的权重参数。
[0019]进一步，步骤4中测试温度和频率偏移拟合频率偏移的方法为：
[0020]Δf(i)＝a1(i)(T(i)
‑
T0)+a2(i)(T(i)
‑
T0)2+a3(i)(T(i)
‑
T0)3ꢀꢀ
(5)
[0021]式中，T0为基准温度。
[0022]进一步，步骤5随机神经网络中隐藏层到输出层之间的权重参数辨识方法为：
[0023]Δf(i)＝v
11
h1(i)ΔT(i)+
…
+v
1m
h
m
(i)ΔT(i)+v
21
h1ΔT(i)2+
…
+v
2m
h
m
(i)ΔT(i)2+v
31
h1(i)ΔT(i)3+...+v
3m
h
m
(i)ΔT(i)3ꢀꢀ
(6)
[0024][0025]上式中,ΔT(i)＝T(i)
‑
T0,建立模型参数辨识的输入矩阵X和输出矩阵Y：
[0026][0027][0028]利用最小二乘法即可得到辨识的模型参数：
[0029][0030]其中X
+
表示对X矩阵求广义逆矩阵。
[0031]采用上述技术方案所产生的有益效果在于：
[0032](1)本专利技术将复杂温度变化的影响转化为模型参数的变化，能够在不同温变区间、不同的温变情形准确估计频率变差，有助于改善电子产品频率的稳定性；
[0033](2)本专利技术利用温度和温度导数的变化实现对模型参数的自适应调整，建立更合理的变参数温频特性模型，更准确的计算温度变化时的频率偏移，提高了频率偏移补偿精度。
附图说明
[0034]图1是本专利技术的原理框图；
[0035]图2是本专利技术实施例的PM方法的频率偏移估计结果图；
[0036]图3是本专利技术实施例的VPPM方法的频率偏移估计结果图；
[0037]图4是本专利技术实施例的PM方法和VPPM方法的频率偏差估计误差图；
[0038]图5是本专利技术实施例的PM方法和VPPM方法的频率偏差估计结果对比图。
具体实施方式
[0039]实施例1：
[0040]一种基于VPPM的石英晶振温度频率特性建模方法，包括以下步骤：
[0041]步骤1：数据采集：在测试环境中模拟静态变化情形，连续改变环境温度采集得到测试温度{T(i),i＝0,1,
…
,N}和晶体相应的输出频率{f(i),i＝0,1,
…
,N}；
[0042]步骤2：利用差分法计算得到温度导数：
[0043]dT(i)＝T(i)
‑
T(i
‑
1)
ꢀꢀ
(1)
[0044]步骤3：计算频率偏移：
[0045][0046]式中，f0为基准频率
[0047]步骤4：构建随机神经网络模型：
[0048][0049]式中，是随机神经网络中隐藏层到输出层之间的权重参数，m表示隐层节点个数；为可变参数，由测试温度和频率偏移拟合得到；h(i)为参数调整模型的输出向量，计算方法为：
[0050][0051]式中，f(.)为非线性激活函数sigmoid函数，W∈R
m
×2和b∈R2×1均设置为[
‑
1,1]之间均匀分布的随机参数向量；
[0052]步骤5：获取随机神经网络中隐藏层到输出层之间的权重参数：训练把测试温度和温度导数作为模型输入，可变参数作为模型输出，构建训练数据集，训练随机神经网络模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于变参数多项式模型的石英晶振温度频率特性建模方法，其特征在于：包括以下步骤：步骤1：数据采集：在测试环境中模拟静态变化情形，连续改变环境温度进行N采样得到测试温度{T(i),i＝0,1,
…
,N}和晶体相应的输出频率{f(i),i＝0,1,
…
,N}；步骤2：利用差分法计算得到温度导数：dT(i)＝T(i)
‑
T(i
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)步骤3：计算频率偏移：式中，f0为基准频率步骤4：构建随机神经网络模型：式中，是随机神经网络中隐藏层到输出层之间的权重参数，m表示隐层节点个数；为可变参数，由测试温度和频率偏移拟合得到；h(i)为参数调整模型的输出向量，计算方法为：式中，f(.)为非线性激活函数sigmoid函数，W∈R
m
×2和b∈R2×1均设置为[
‑
1,1]之间均匀分布的随机参数向量；步骤5：获取随机神经网络中隐藏层到输出层之间的权重参数：训练把测试温度和温度导数作为模型输入，可变参数作为模型输出，构建训练数据集，训练随机神经网络模型，获取随机神经网络中隐藏层到输出层之间的权重参数。2.根据权利要求1所述的基于变参数多项式模型的石英晶振温度频率特性建模方法，其特征在于：步骤4中由测试温度和频率偏移拟合得到可变参数的方...
【专利技术属性】
技术研发人员：邓晓刚，黄先日，荆胜洁，孙瑞，王树彬，刘豪，
申请(专利权)人：南京柯锐芯电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。