[发明专利]基于核机器学习的微波滤波器辅助调试方法

摘要

本发明公开了一种基于核机器学习的微波滤波器辅助调试方法，主要解决现有技术没有建立螺栓调整量与耦合矩阵变化量之间关系模型的问题。该方法根据工程中测量的滤波器S参数，通过抽取其耦合矩阵和进行数据处理，得到归一化的螺栓调整量和耦合矩阵变化量的数据样本集；根据这些样本集，使用核机器学习算法建立了螺栓调整量对耦合矩阵变化量影响的模型，通过修正理想耦合矩阵，获得了螺栓调整量对电性能影响的机器学习模型；最后根据此机器学习模型，构建了滤波器螺栓调整量的最优调整模型；求解该最优调整模型，计算得到滤波器各个调整螺栓的调整量。本发明能够快速、准确地进行滤波器辅助调试，可用于大批量生产的滤波器辅助调试。

主权项

1.一种基于核机器学习的微波滤波器辅助调试方法，包括如下过程：(1)针对一个预先设定基准D₀的滤波器，通过改变螺栓调整量ΔD，使用矢网测量对应的滤波器传输参数S₂₁和反射参数S₁₁；(2)根据测量的S₂₁和S₁₁，抽取对应的耦合矩阵，获得实验的螺栓调整量和对应的耦合矩阵数据样本集R；(3)对数据样本R进行归一化，得到实验的螺栓调整量和对应的耦合矩阵变化量的数据集Z；(4)根据所得到的数据集Z，利用核机器学习算法建立螺栓调整量和耦合矩阵变化量之间的核机器学习模型ΔM，并使用ΔM对耦合矩阵修正，建立实验的螺栓调整量对滤波器电性能影响的机器学习模型和(5)根据机器学习模型和离线建立微波滤波器实验的螺栓调整量的优化调整模型；(6)将所述的传输参数S₂₁和反射参数S₁₁数输入到离线建立的优化调整模型中，通过计算机在线计算，得到滤波器各个螺栓的实际调整量，辅助滤波器调试。