一种基站滤波器生产方法技术

本发明专利技术公开了一种基站滤波器生产方法，涉及数据处理技术领域，该方法包括：构建基站的信号数据集，执行数据集随机聚合，构建P个随机数据集及P个优化子模型；生成P个增强特征；重新分布P个优化子模型的第一优化权重，结合增强特征进行第一次迭代优化；执行多轮迭代优化，直至模型处于预设收敛状态或满足预设迭代次数，分别对P个随机数据集进行数据特征提取，筛选组合所述P个优化子模型，构建耦合矩阵优化模型，进行基站滤波器的生产管理。本发明专利技术解决了现有技术中目标基站滤波器的信号频段识别效率准确率不高的技术问题，达到了提高目标基站滤波器的信号频段识别效率和识别准确率的技术效果。的技术效果。的技术效果。

【技术实现步骤摘要】
一种基站滤波器生产方法


[0001]本专利技术涉及数据处理
，具体涉及一种基站滤波器生产方法。

技术介绍

[0002]在现代无线通信技术中，微波滤波器作为关键的选频器件，其性能的优劣直接影响了通信系统的质量。随之滤波器结构日趋复杂，传统基于电磁仿真软件的设计方法虽然计算精度准确，但计算成本高、耗时长，加大了滤波器的生产难度和成本，制约了滤波器的发展。

技术实现思路

[0003]本申请提供了一种基站滤波器生产方法，用于解决现有技术中目标基站滤波器的信号频段识别效率准确率不高的技术问题。
[0004]本申请的第一个方面，提供了一种基站滤波器生产方法，所述方法包括：对基站进行信号数据采集，构建基站的信号数据集，并设置数据集约束数量，执行所述信号数据集的数据集随机聚合，构建P个随机数据集；分别对所述P个随机数据集构建P个优化子模型，其中，每一优化子模型均具有初始优化权重，且全部优化子模型的初始优化权重和为1；读取所述P个优化子模型的模型输出结果，并对所述输出结果进行信号特征提取，生成与P个优化子模型一一对应的增强特征；基于信号特征提取结果的信号处理误差重新分布所述P个优化子模型的第一优化权重，根据所述增强特征和所述第一优化权重进行P个优化子模型的第一次迭代优化；执行P个优化子模型的多轮迭代优化，当模型处于预设收敛状态或满足预设迭代次数，停止模型迭代；分别对所述P个随机数据集进行数据特征提取，并将数据提取结果与迭代完成的P个优化子模型的模型功能一致性分析；基于一致性分析结果筛选组合所述P个优化子模型，构建耦合矩阵优化模型；根据所述耦合矩阵优化模型进行基站滤波器的生产管理。
[0005]本申请的第二个方面，提供了一种基站滤波器生产系统，所述系统包括：随机数据集构建模块，所述随机数据集构建模块用于对基站进行信号数据采集，构建基站的信号数据集，并设置数据集约束数量，执行所述信号数据集的数据集随机聚合，构建P个随机数据集；优化子模型构建模块，所述优化子模型构建模块用于分别对所述P个随机数据集构建P个优化子模型，其中，每一优化子模型均具有初始优化权重，且全部优化子模型的初始优化权重和为1；增强特征生成模块，所述增强特征生成模块用于读取所述P个优化子模型的模型输出结果，并对所述输出结果进行信号特征提取，生成与P个优化子模型一一对应的增强特征；第一次迭代优化模块，所述第一次迭代优化模块用于基于信号特征提取结果的信号处理误差重新分布所述P个优化子模型的第一优化权重，根据所述增强特征和所述第一优化权重进行P个优化子模型的第一次迭代优化；多轮迭代优化模块，所述多轮迭代优化模块用于执行P个优化子模型的多轮迭代优化，当模型处于预设收敛状态或满足预设迭代次数，停止模型迭代；功能一致性分析模块，所述功能一致性分析模块用于分别对所述P个随机数
据集进行数据特征提取，并将数据提取结果与迭代完成的P个优化子模型的模型功能一致性分析；耦合矩阵优化模型构建模块，所述耦合矩阵优化模型构建模块用于基于一致性分析结果筛选组合所述P个优化子模型，构建耦合矩阵优化模型；基站滤波器生产管理模块，所述基站滤波器生产管理模块用于根据所述耦合矩阵优化模型进行基站滤波器的生产管理。 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请提供的一种基站滤波器生产方法，涉及数据处理
，通过构建基站的信号数据集，构建P个随机数据集及P个优化子模型；生成P个增强特征；重新分布P个优化子模型的优化权重，结合增强特征进行多轮迭代优化，直至模型处于预设收敛状态或满足预设迭代次数，分别对P个随机数据集进行数据特征提取，筛选组合所述P个优化子模型，构建耦合矩阵优化模型，进行基站滤波器的生产管理，解决了现有技术中目标基站滤波器的信号频段识别效率准确率不高的技术问题，实现了提高目标基站滤波器的信号频段识别效率和识别准确率的技术效果。
附图说明
[0006]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0007]图1为本申请实施例提供的一种基站滤波器生产方法流程示意图；图2为本申请实施例提供的一种基站滤波器生产方法中执行P个优化子模型的多轮迭代优化的流程示意图；图3为本申请实施例提供的一种基站滤波器生产方法中构建耦合矩阵优化模型的流程示意图；图4为本申请实施例提供的一种基站滤波器生产系统结构示意图。
[0008]附图标记说明：随机数据集构建模块11，优化子模型构建模块12，增强特征生成模块13，第一次迭代优化模块14，多轮迭代优化模块15，功能一致性分析16，耦合矩阵优化模型构建模块17，基站滤波器生产管理模块18。
具体实施方式
[0009]本申请提供了一种基站滤波器生产方法，用于解决现有技术中目标基站滤波器的信号频段识别效率准确率不高的技术问题。
[0010]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0011]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆
盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0012]实施例一如图1所示，本申请提供了一种基站滤波器生产方法，所述方法包括：S100：对基站进行信号数据采集，构建基站的信号数据集，并设置数据集约束数量，执行所述信号数据集的数据集随机聚合，构建P个随机数据集；具体的，采集目标基站过去一段时间内（可以是一个月、半年、一年等，具体时间可以按照实际情况做适应性调整）的信号数据，以此构建目标基站的信号数据集，并根据所述信号数据的数据量大小设置一个数据集约束数量，例如设置数据集的数量为10个以内，以数据集约束数量为基准，将所述信号数据集内的信号数据进行随机聚合，最终得到P个随机数据集，P小于等于所述数据集约束数量，所述P个随机数据集可以作为后续构建优化子模型的基础数据。
[0013]S200：分别对所述P个随机数据集构建P个优化子模型，其中，每一优化子模型均具有初始优化权重，且全部优化子模型的初始优化权重和为1；具体而言，将所述P个随机数据集中的一个数据集作为构建数据，结合BP神经网络进行所述优化子模型的训练，直至模型收敛或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基站滤波器生产方法，其特征在于，所述方法包括：对基站进行信号数据采集，构建基站的信号数据集，并设置数据集约束数量，执行所述信号数据集的数据集随机聚合，构建P个随机数据集；分别对所述P个随机数据集构建P个优化子模型，其中，每一优化子模型均具有初始优化权重，且全部优化子模型的初始优化权重和为1；读取所述P个优化子模型的模型输出结果，并对所述输出结果进行信号特征提取，生成与P个优化子模型一一对应的增强特征；基于信号特征提取结果的信号处理误差重新分布所述P个优化子模型的第一优化权重，根据所述增强特征和所述第一优化权重进行P个优化子模型的第一次迭代优化；执行P个优化子模型的多轮迭代优化，当模型处于预设收敛状态或满足预设迭代次数，停止模型迭代；分别对所述P个随机数据集进行数据特征提取，并将数据提取结果与迭代完成的P个优化子模型的模型功能一致性分析；基于一致性分析结果筛选组合所述P个优化子模型，构建耦合矩阵优化模型；根据所述耦合矩阵优化模型进行基站滤波器的生产管理。2.如权利要求1所述的方法，其特征在于，所述方法还包括：设置子模型输出结果的预设判别阈值；当进行所述P个优化子模型的迭代优化时，当任意优化子模型的输出结果不能满足所述预设判别阈值时，则生成子模型淘汰指令；根据所述子模型淘汰指令控制所述P个优化子模型的模型淘汰，并重新分布剩余优化子模型的模型权重；基于重新分配的模型权重和剩余优化子模型完成后续的迭代。3.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述信号数据集进行数据集特征分析，确定数据集中信号的特征集中值；采集基站的信号处理需求，解析所述信号处理需求，生成功能约束数据；对所述特征集中值和所述功能约束数据进行功能占比分配，并基于功能占比分配结果和所述一致性分析结果筛选组合所述P个优化子模型，构建耦合矩阵优化模型。4.如权利要求1所述的方法，其特征在于，所述方法还包括：设置优化子模型的迭代优化窗口；对所述P个优化子模型进行对应数据集数据的识别分析，定位异常识别数据；若在所述迭代优化窗口内，任意优化子模型的异常识别数据的识别准确值不能满足预设基准值时，则生成数据淘汰指令；通过所述数据淘汰指令控制进行所述异常识别数据的数据淘汰。5.如权利要求4所述的方法，其特征在于，所述方法还包括：对于迭代完成的所述P个优化子模型进行数据库内的数据量等级分析，确定数据量弱化系数；通过所述数据量弱化系数对所述P个优化子模型进行模...

【专利技术属性】
技术研发人员：田龙，赵晓东，曹志翔，胡英彪，张永发，戴宝驹，尹小琪，徐萧，魏永林，于伟伟，
申请(专利权)人：扬州市宜楠科技有限公司，
类型：发明
国别省市：