[发明专利]一种射频器件的调试方法、装置、设备、存储介质及系统

说明书

本发明公开了一种射频器件的调试方法、装置、设备、存储介质及系统,通过获取被测机的器件参数作为经过训练的机器学习网络的输入数据；根据所述输入数据通过所述机器学习网络确定调试机构的调试参数；输出所述调试参数到所述调试机构；其中，所述调试机构用于根据所述调试参数调整所述被测机；实现了自动调试的目的，达到了提高生产效率、降低生产成本的效果。

技术领域

本发明涉及射频技术领域，具体涉及一种射频器件的调试方法、装置、设备、存储介质及系统。

背景技术

目前无源滤波器等射频器件的生产调试完全或部分依靠人工调试，对调试技术人员的调试水平要求高，培训困难，导致生产效率低，成本高；目前的辅助调试手段通过计算滤波器S参数对应的耦合矩阵与理想耦合矩阵对比或修正理想耦合矩阵获得螺栓调整量对滤波器的电性能影响的模型。但是计算耦合矩阵引入了误差，这种方法只适合实验室样品，实际批量生产的产品和理想设计有很多差别，无法依靠理想耦合矩阵引导调试。综上，需要一种能应用于批量生产射频器件产品的高效率，高精度的自动调试方法。

发明内容

针对现有技术中的缺陷，本发明提供一种射频器件的调试方法、装置、设备、存储介质和系统，能够在不需要计算滤波器耦合矩阵的情况下解决无源射频器件生产中的调试问题。

本发明实施例的技术方案是这样实现的：

一方面，本发明实施例提供一种射频器件的调试方法，获取被测机的器件参数作为经过训练的机器学习网络的输入数据；根据所述输入数据通过所述机器学习网络确定调试机构的调试参数；输出所述调试参数到所述调试机构；其中，所述调试机构用于根据所述调试参数调整所述被测机。

优选的，获取样机的所述器件参数建立样机参数数据库；根据所述样机参数数据库训练所述机器学习网络。

优选的，根据所述被测机的所述器件参数驱动所述机器学习网络自适应学习。

优选的，采用最优化算法优化所述调试参数；输出优化后的所述调试参数到所述调试机构；所述最优化算法为牛顿法、拟牛顿法、L-M算法、遗传算法、粒子群算法中的至少之一。

优选的，所述机器学习网络包括：模糊逻辑网络、径向基网络、人工神经网络、深度学习网络中的至少之一，或两个以上所述机器学习网络的融合网络；所述机器学习网络为变结构网络，根据所述射频器件的机械结构和/或拓扑结构确定所述变结构网络。

优选的，所述射频器件为：滤波器、合路器或功分器；所述器件参数为传输S参数响应、反射S参数响应、相位参数、时域参数中的至少之一。

另一方面，本发明实施例提供一种射频器件的调试装置，包括：获取模块，用于获取被测机的器件参数作为经过训练的机器学习网络的输入数据；确定模块，用于根据所述输入数据通过所述机器学习网络确定调试机构调试参数；输出模块，用于输出所述调试参数到所述调试机构；其中，所述调试机构用于根据所述调试参数调整所述被测机。

另一方面，本发明实施例提供一种射频器件的调试设备，包括：处理器和能够存储在处理器上运行的计算机指令的存储器；其中，所述处理器用于运行所述计算机指令实现以上所述的方法。

另一方面，本发明实施例提供一种存储介质，所述存储介质中存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现以上所述的方法。

另一方面，本发明实施例提供一种射频器件调试系统，包括:网络分析仪、计算机及调试机构；所述网络分析仪，用于为所述计算机提供被测机器件参数；所述计算机，用于实现以上所述的调试方法；所述调试机构，用于根据所述计算机输出的参数调整被测机。