[发明专利]一种电调滤波器控制方法及装置

权利要求书

1.一种电调滤波器控制方法，其特征在于，所述方法包括：

对数模转换器输出的模拟电压值与电调滤波器的中心频率值对应关系进行采样，对采样数据进行预处理；所述对数模转换器输出的模拟电压值与电调滤波器的中心频率值对应关系进行采样具体包括：

采集在特定环境温度T和使用寿命D下，输入不同的预制中心频率f₀时，数模转换器的输出电压值V和对应的输出中心频率F，每个采样数据用(T，D，f₀，V，F)表示；

将多项式核函数和高斯核函数进行线性组合，得到组合核函数；

对预处理后的采样数据，基于组合核函数构造支持向量回归模型和对应的目标函数；

以目标函数为适应度函数，采用改进的象群优化算法优化支持向量回归模型的参数，训练得到最优支持向量回归模型；

所述采用改进的象群优化算法优化支持向量回归模型的参数具体为：

以空间向量(C，ω，σ，ε)作为象群优化算法中的个体，C表示组合核函数的惩罚系数，ω表示组合核函数中高斯核函数的权重系数，多项式核函数的权重系数为1-ω，σ表示高斯核带宽，ε表示不敏感系数，通过改进的象群优化算法选取出最优的个体，得到支持向量回归模型的惩罚系数C、权重系数ω、高斯核带宽σ及不敏感系数ε的最优组合；

所述采用改进的象群优化算法优化支持向量回归模型的参数具体包括如下步骤：

设置种群规模N、迭代次数T、各参数取值范围，设个体i的位置为x_i＝[x_i,C，x_i,ω，x_i,σ，x_i,ε]，x_i,C代表组合核函数的惩罚系数值，x_i,ω表示组合核函数中高斯核函数的权重系数值，x_i,σ表示高斯核带宽值，x_i,ε表示不敏感系数值；在参数取值范围内随机初始化种群，将种群随机分为多个氏族；

通过目标函数计算各个个体的适应度值，得到当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置；

根据当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置进行氏族位置更新

重新计算各个个体的适应度值，对各个氏族中适应度最差的个体进行氏族分离，并对适应度最差的个体进行位置更新；

判断是否达到收敛条件，若是，输出当前最优位置作为最优分割阈值组合；若否，删除氏族分离之后种群中适应度最差的个体，重新进行适应度计算、氏族更新和氏族分离，直至达到收敛条件，输出当前最优位置作为最优分割阈值组合；

所述根据当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置进行氏族位置更新具体包括：

根据氏族中最优个体位置更新其他个体位置；

引入天牛须搜索算法，根据氏族中心位置和种群中最优个体位置更新各个氏族中当前最优个体的位置：

其中为第t次迭代时氏族c_i中最优个体位置，为氏族c_i的中心位置，表示第t次迭代时氏族c_i中第j个个体位置，为氏族c_i中的个体总数；为种群中最优个体位置；β为权重系数，r₁、r₂为学习参数，b为n维随机单位向量，x_b,l、x_b,r分别为左侧、右侧搜索区域的位置；δ_t是搜索步长，用于调整收敛速度，是迭代次数t的递减函数；sign()表示符号函数，f为目标函数，d为大于0的常数；

通过最优支持向量回归模型建立模拟电压值与电调滤波器的中心频率值之间的连续的对应关系，基于连续的对应关系进行电调滤波器控制。

2.根据权利要求1所述电调滤波器控制方法，其特征在于，所述对采样数据进行预处理具体包括：对采样数据进行清洗和归类，将同一环境温度区间范围和使用寿命范围下的采样数据归为一类。

3.根据权利要求1所述电调滤波器控制方法，其特征在于，所述目标函数为均方根误差函数。

4.一种电调滤波器控制装置，其特征在于，所述装置包括：

数据采集模块：对数模转换器输出的模拟电压值与电调滤波器的中心频率值对应关系进行采样，对采样数据进行预处理；所述对数模转换器输出的模拟电压值与电调滤波器的中心频率值对应关系进行采样具体包括：

采集在特定环境温度T和使用寿命D下，输入不同的预制中心频率f₀时，数模转换器的输出电压值V和对应的输出中心频率F，每个采样数据用(T，D，f₀，V，F)表示；

支持向量回归模块：将多项式核函数和高斯核函数进行线性组合，得到组合核函数；对预处理后的采样数据，基于组合核函数构造支持向量回归模型和对应的目标函数；以目标函数为适应度函数，采用改进的象群优化算法优化支持向量回归模型的参数，训练得到最优支持向量回归模型；

所述采用改进的象群优化算法优化支持向量回归模型的参数具体为：

以空间向量(C，ω，σ，ε)作为象群优化算法中的个体，C表示组合核函数的惩罚系数，ω表示组合核函数中高斯核函数的权重系数，多项式核函数的权重系数为1-ω，σ表示高斯核带宽，ε表示不敏感系数，通过改进的象群优化算法选取出最优的个体，得到支持向量回归模型的惩罚系数C、权重系数ω、高斯核带宽σ及不敏感系数ε的最优组合；

所述采用改进的象群优化算法优化支持向量回归模型的参数具体包括：

设置种群规模N、迭代次数T、各参数取值范围，设个体i的位置为x_i＝[x_i,C，x_i,ω，x_i,σ，x_i,ε]，x_i,C代表组合核函数的惩罚系数值，x_i,ω表示组合核函数中高斯核函数的权重系数值，x_i,σ表示高斯核带宽值，x_i,ε表示不敏感系数值；在参数取值范围内随机初始化种群，将种群随机分为多个氏族；

通过目标函数计算各个个体的适应度值，得到当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置；

根据当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置进行氏族位置更新；

重新计算各个个体的适应度值，对各个氏族中适应度最差的个体进行氏族分离，并对适应度最差的个体进行位置更新；

判断是否达到收敛条件，若是，输出当前最优位置作为最优分割阈值组合；若否，删除氏族分离之后种群中适应度最差的个体，重新进行适应度计算、氏族更新和氏族分离，直至达到收敛条件，输出当前最优位置作为最优分割阈值组合；

所述根据当前各个氏族中最优个体位置、各个氏族中最差个体位置、种群中最优个体位置进行氏族位置更新具体包括：

根据氏族中最优个体位置更新其他个体位置；

引入天牛须搜索算法，根据氏族中心位置和种群中最优个体位置更新各个氏族中当前最优个体的位置：

其中为第t次迭代时氏族c_i中最优个体位置，为氏族c_i的中心位置，表示第t次迭代时氏族c_i中第j个个体位置，为氏族c_i中的个体总数；为种群中最优个体位置；β为权重系数，r₁、r₂为学习参数，b为n维随机单位向量，x_b,l、x_b,r分别为左侧、右侧搜索区域的位置；δ_t是搜索步长，用于调整收敛速度，是迭代次数t的递减函数；sign()表示符号函数，f为目标函数，d为大于0的常数；

滤波器控制模块：通过最优支持向量回归模型建立模拟电压值与电调滤波器的中心频率值之间的连续的对应关系，基于连续的对应关系进行电调滤波器控制。