宇航产品频谱测试的分辨率带宽智能化设置方法及系统技术方案

一种宇航产品频谱测试的分辨率带宽智能化设置方法及系统，包括：根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素；根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量；建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型；使用所述分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置。本发明专利技术根据产品频谱项目历史测试数据特点，提取频谱项目测试分辨率带宽设置的影响因素，利用机器学习方法在参数寻优上的优势，使用神经网络技术拟合分辨率带宽与其影响因素的非线性模型，实现了频谱项目测试分辨率带宽的智能化设置。设置。设置。

【技术实现步骤摘要】
宇航产品频谱测试的分辨率带宽智能化设置方法及系统


[0001]本专利技术涉及一种宇航产品频谱测试的分辨率带宽智能化设置方法，属于电性能自动测试


技术介绍

[0002]随着数字化、智能化技术日益成熟，宇航产品测试系统升级换代，在宇航产品地面测试验证阶段，大多数频谱测试项目能够实现自动化测试，测试效率得到了大幅提高。
[0003]现有的测试系统在测试频谱项目时，需要测试工程师根据单机的实际情况和仪器性能，先手动测试一遍，选择合适的参数，再将参数输入测试系统。然而宇航产品种类多、数量少，不同的产品都需要手动设置频谱项目测试参数，不利于测试效率的进一步提升。再者宇航产品测试试验环节多、项目多，仪器设备资源有限，在不同试验环节更换仪器设备后进行参数复用可能会出现参数不匹配，造成测试试验数据不准确，不能真实反应单机性能指标，导致二次试验，造成时间和资源的浪费，不利于进度控制和成本控制。

技术实现思路

[0004]本专利技术的技术解决问题是：克服现有技术的不足，提供了一种宇航产品频谱测试的分辨率带宽智能化设置方法，运用机器学习技术，建立符合宇航产品频谱测试的分辨率带宽设置的神经网络模型。根据测试试验累计的数据对模型进行训练，拟合分辨率带宽与被测信号特点及仪器其他参数的非线性关系，寻找分辨率带宽的最优设置，从而实现频谱项目的全自动测试，进一步提高产品测试效率。
[0005]本专利技术的技术解决方案是：
[0006]一种宇航产品频谱测试的分辨率带宽智能化设置方法，包括：
[0007]根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素；
[0008]根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量；
[0009]建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型；
[0010]使用所述分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置。
[0011]进一步的，所述产品频谱测试项目测试需要配置的常用参数包括：载波频率、带宽、内置衰减、参考电平、幅度分辨率、分辨率带宽、视频带宽；
[0012]载波频率、带宽是测试的输入条件；
[0013]内置衰减、参考电平、幅度分辨率的设置受被测信号输出功率的直接影响，其参数取值和被测信号输出功率是线性的函数关系；
[0014]内置衰减用于保护频谱仪内部的混频器，内置衰减最小值等于被测信号最大输出功率减去混频器最大输入功率值；
[0015]参考电平等于被测信号最大输出功率加上b，b>0；
[0016]幅度分辨率等于被测信号最大输出功率减去被测信号最小输出功率，然后除以10；
[0017]视频带宽和分辨率带宽设置固定的倍数关系。
[0018]进一步的，频谱测试项目自动配置的主要因素为分辨率带宽。
[0019]进一步的，提取的分辨率带宽设置的影响因素包括：被测信号中心频率f
c
、带宽s、参考电平l、衰减a、扫描时间t和指标要求。
[0020]进一步的，将分辨率带宽的影响因素作为设置分辨率带宽神经网络模型的输入向量因素，则输入特征向量表示为：
[0021]X＝[f
c s l a t i][0022]对特征向量进行归一化处理，得到归一化特征向量；收集历史测试数据，制定数据特征向量X
k
，k＝1,2,
…
,m，其中m为最大样本数；并对样本进行标记，设置标签值，则向量X
k
及其对应的标签作为神经网络模型的样本集，抽取样本集的70％作为训练样本集，其余30％作为测试样本集。
[0023]进一步的，归一化特征向量，计算公式为：
[0024][0025]其中，f
min
和f
max
为频谱仪测试频率，s
min
和s
max
为频谱仪测试带宽，l
min
和l
max
为频谱仪参考电平，a
min
和a
max
为频谱仪内部衰减，t
min
和t
max
为频谱仪扫描时间，i
min
和i
max
为行波管放大器常用指标要求。
[0026]进一步的，建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型，具体为：
[0027]构建全连接神经网络，即分辨率带宽设置的神经网络模型，网络模型结构包括一个输入层，3个隐藏层，一个输出层；根据所述构建的特征向量，输入层向量维数是6，输出层采用softmax分类，输出为10类分辨率带宽的设置概率；将训练样本集输入到神经网络模型中，设置训练迭代次数，批处理样本数量和学习率，不断训练优化网络模型，获得分辨率带宽预测模型。
[0028]进一步的，所述使用分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置，具体为：将得到的分辨率带宽预测模型嵌入产品测试系统，读取参数被测信号中心频率f
c
、带宽s，自动识别参数参考电平l、衰减a、扫描时间t和指标要求i，生成实时特征向量，获得预设10类分辨率带宽的设置概率，取概率最大值。
[0029]进一步的，本专利技术还提出一种宇航产品频谱测试的分辨率带宽智能化设置系统，包括：
[0030]主要因素确定模块：根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素；所述产品频谱测试项目测试需要配置的常用参数包括：载波频率、带宽、内置衰减、参考电平、幅度分辨率、分辨率带宽、视频带宽；载波频率、带宽是测试的输入条件；内置衰减、参考电平、幅度分辨率设置受被测信号输出功率的直接影响，其参数取值和被测信号输出功率是线性的函数关系；内置衰减用于保护频谱仪内部的混频器，内置衰减最小值等于被测信号最大输出功率减去混频器最大输入功率值；参考电平等于被
测信号最大输出功率加上b，b>0；幅度分辨率等于被测信号最大输出功率减去被测信号最小输出功率，然后除以10；视频带宽和分辨率带宽设置固定的倍数关系；频谱测试项目自动配置的主要因素为分辨率带宽；
[0031]特征向量构建模块：根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量；提取的分辨率带宽设置的影响因素包括：被测信号中心频率f
c
、带宽s、参考电平l、衰减a、扫描时间t和指标要求；
[0032]将分辨率带宽的影响因素作为设置分辨率带宽神经网络模型的输入向量因素，则输入特征向量表示为：
[0033]X＝[f
c s l a t i][0034]神经网络模型建立与训练模块：建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型；
[0035]分辨率带宽设置模块：使用所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于包括：根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素；根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量；建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型；使用所述分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置。2.根据权利要求1所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：所述产品频谱测试项目测试需要配置的常用参数包括：载波频率、带宽、内置衰减、参考电平、幅度分辨率、分辨率带宽、视频带宽；载波频率、带宽是测试的输入条件；内置衰减、参考电平、幅度分辨率的设置受被测信号输出功率的直接影响，其参数取值和被测信号输出功率是线性的函数关系；内置衰减用于保护频谱仪内部的混频器，内置衰减最小值等于被测信号最大输出功率减去混频器最大输入功率值；参考电平等于被测信号最大输出功率加上b，b>0；幅度分辨率等于被测信号最大输出功率减去被测信号最小输出功率，然后除以10；视频带宽和分辨率带宽设置固定的倍数关系。3.根据权利要求2所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：频谱测试项目自动配置的主要因素为分辨率带宽。4.根据权利要求2所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：提取的分辨率带宽设置的影响因素包括：被测信号中心频率f
c
、带宽s、参考电平l、衰减a、扫描时间t和指标要求。5.根据权利要求4所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：将分辨率带宽的影响因素作为设置分辨率带宽神经网络模型的输入向量因素，则输入特征向量表示为：X＝[f
c s l a t i]对特征向量进行归一化处理，得到归一化特征向量；收集历史测试数据，制定数据特征向量X
k
，k＝1,2,
…
,m，其中m为最大样本数；并对样本进行标记，设置标签值，则向量X
k
及其对应的标签作为神经网络模型的样本集，抽取样本集的70％作为训练样本集，其余30％作为测试样本集。6.根据权利要求5所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：归一化特征向量，计算公式为：其中，f
min
和f
max
为频谱仪测试频率，s
min
和s
max
为频谱仪测试带宽，l
min
和l
max
为频谱仪参考电平，a
min
和a
max
为频谱仪内部衰减，t
min
和t
max
为频谱仪扫描时间，i
min
和i
max
为行波管放大器常用指标要求。
7.根据权利要求1所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型，具体为：构建全连接神经网络，即分辨率带宽设置的神经网络模型，网络模型结构包括一个输入层，3个隐藏层，一个输出层；根据所述构建的特征向量，输入层向量维数是6，输出层采用softmax分类，输出为10类分辨率带宽的设置概率；将训练样本集输入到神经网络模型中，设置训练迭代次数，批处理样本数量和学习率，不断训练优化网络模型，获得分辨率带宽预测模型。8.根据权利要求7所述的一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于：所述使用分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置，具体为：将得到的分辨率带宽预测模型嵌入...

【专利技术属性】
技术研发人员：李新雷，戴利栋，杨宁彬，高妍，李磊，王湾，张进仓，
申请(专利权)人：西安空间无线电技术研究所，
类型：发明
国别省市：