CN114004057A - 射频链路快速仿真及器件自动选优的方法和系统 - Google Patents
射频链路快速仿真及器件自动选优的方法和系统 Download PDFInfo
- Publication number
- CN114004057A CN114004057A CN202111097546.XA CN202111097546A CN114004057A CN 114004057 A CN114004057 A CN 114004057A CN 202111097546 A CN202111097546 A CN 202111097546A CN 114004057 A CN114004057 A CN 114004057A
- Authority
- CN
- China
- Prior art keywords
- link
- simulation
- model
- component
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种射频链路快速仿真及器件自动选优的方法和系统,所述系统包括依次连接的链路设计模块、仿真与择优引擎和结果后处理模块,以及与链路设计模块、仿真与择优引擎和结果后处理模块连接的经验链路库和器件模型库。本发明实现了微波射频元器件型和经验链路的共性统一管理,并提供给用户设计师,能够快速地、方便地进行射频链路的设计与仿真,并进一步实现了根据设计指标进行器件型号自动择优,有效减少设计师工作量,提升产品质量。
Description
技术领域
本发明涉及微波射频链路建模与仿真以及模型管理领域,具体而言,涉及一种射频链路快速仿真及器件自动选优的方法和系统。
背景技术
在射频链路设计研发中,设计师需要根据指标要求进行射频链路设计,包括射频链路拓扑设计、射频元器件参数设计或型号选择,再进行仿真,通过仿真结果判断设计是否满足指标要求。一方面,现有的射频电路仿真软件操作比较复杂,且没有做到元器件与实际型号模型数据关联,造成建模仿真操作效率低,且仿真结果与实际结果偏差较大;另一方面,现有的射频链路仿真软件需要设计师自己手动逐一导入实际器件型号模型数据,射频链路中的每个元器件有很多备选型号,那么整个射频链路的器件型号选择的组合方案会随着元器件数量及器件型号数量的增长以指数形式增长,显然手动的方式是不可能完成快速仿真及器件选优的,这严重制约了射频链路设计的工作效率和产品质量。
发明内容
本发明旨在提供一种射频链路快速仿真及器件自动选优的方法和系统,以解决上述现有的射频电路仿真软件存在的问题。
本发明提供的一种射频链路快速仿真及器件自动选优的方法,包括如下步骤:
步骤S10,通过链路设计模块接收设计指标要求并设定指标权重,然后进行链路设计,并向仿真与择优引擎输出链路设计数据以及指标要求和指标权重;其中,在进行链路设计时根据需要从经验链路库和/或器件模型库中选择经验链路和/或元器件模型;
步骤S20,仿真与择优引擎根据链路设计数据自动从器件模型库中抓取元器件模型进行选型方案组合遍历,并对得到的每个选型方案进行仿真计算,然后根据指标要求和指标权重对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果输出至结果后处理模块;
步骤S30,结果后处理模块展示最优的若干个选型方案及其仿真计算结果。
进一步的,步骤S10包括如下子步骤:
步骤S11,通过链路设计模块接收设计指标要求并设定指标权重;
步骤S12,根据需要判定是否重用经验链路:
若是,则从经验链路库中选择合适的经验链路;进一步的,步骤S12中,当从经验链路库中选择合适的经验链路,可以根据需要对选择的经验链路进行调整
若否,则直接选择相应的元器件类型来搭建链路;
步骤S13,对经验链路或搭建的链路中的元器件类型,判定判定是否需要进行元器件型号自动择优:
若是,则直接将经验链路或搭建的链路中的元器件模型连接起来完成链路设计;
若否,则对每个元器件类型从器件模型库中选择一个合适的元器件模型,然后将各元器件模型连接起来完成链路设计;
步骤S14,向仿真与择优引擎输出链路设计数据以及指标要求和指标权重。
进一步的,步骤S20包括如下步骤:
步骤S21,接收链路设计数据以及指标要求和指标权重;
步骤S22,对链路中没有选择具体元器件型号的元器件模型,从器件模型库中筛选出合适型号的元器件模型;并根据指标要求中对链路设计的频率范围,对选择的元器件模型进行频率插值以满足仿真计算要求;
步骤S23,根据链路设计中的元器件类型以及经步骤S22完成频率插值后的元器件模型,结合基本排列组合方法形成多个选型方案;
步骤S24,对每个选型方案逐一进行仿真计算;
步骤S25,对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果;
步骤S26,将最优的若干个选型方案及其仿真计算结果输出至结果后处理模块。
进一步的,步骤S20中,频率插值、仿真计算和指标综合评分采用并行计算。
进一步的,步骤S30中,若执行了多次步骤S10~步骤S20,则结果后处理模块记录每次执行步骤S10~步骤S20得到的最优的若干个选型方案及其仿真计算结果,并根据选择调出相应的最优的若干个选型方案及其仿真计算结果进行展示和对比分析。进一步的,结果后处理模块在对比分析后生成对比分析结果报告。
进一步的,所述射频链路快速仿真及器件自动选优的方法,还包括:
步骤S40,结果后处理模块将最优的若干个选型方案反馈到器件模型库,并将仿真计算结果反馈至经验链路库。
本发明还提供一种射频链路快速仿真及器件自动选优的系统,包括依次连接的链路设计模块、仿真与择优引擎和结果后处理模块,以及与链路设计模块、仿真与择优引擎和结果后处理模块连接的经验链路库和器件模型库。
在一些实施例中,所述链路设计模块部署在客户端;所述仿真与择优引擎部署在GPU计算服务器;所述经验链路库和器件模型库部署在系统数据服务器;所述客户端、GPU计算服务器和系统数据服务器通过网络连接。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明实现了微波射频元器件型和经验链路的共性统一管理,并提供给用户设计师,能够快速地、方便地进行射频链路的设计与仿真,并进一步实现了根据设计指标进行器件型号自动择优,有效减少了设计师工作量,提升了产品质量;
2、本发明还形成了设计选型结果到器件模型库、经验链路库之间的反馈闭环,可进一步对模型重用进行数据支撑,加强模型的可服用能力。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例的射频链路快速仿真及器件自动选优的系统结构框图。
图2为本发明实施例的链路设计模块一个示例的界面效果图。
图3为本发明实施例的结果后处理模块进行展示的界面效果图。
图4为本发明实施例的器件模型库中元器件模型分类示意图。
图5为本发明实施例的射频链路快速仿真及器件自动选优的系统硬件部署架构图。
图6为本发明实施例的链路设计模块的工作流程图。
图7为本发明实施例的仿真与择优引擎的工作流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,本实施例提出一种射频链路快速仿真及器件自动选优的系统,包括依次连接的链路设计模块、仿真与择优引擎和结果后处理模块,以及与链路设计模块、仿真与择优引擎和结果后处理模块连接的经验链路库和器件模型库。
所述链路设计模块、仿真与择优引擎、结果后处理模块、经验链路库和器件模型库的功能和涉及如下:
(1)链路设计模块如图2所示,用于接收设计指标要求并设定指标权重,然后进行链路设计,并向仿真与择优引擎输出链路设计数据以及指标要求和指标权重。该链路设计模块支持用元器件模型自由组合搭建射频链路,也支持从经验链路库中直接调用经验链路(即射频链路模板)来完成链路设计。
在一些实施例中,所述链路设计模块包括:
器件选择模块,用于选用元器件类型,并选择元器件类型的具体型号;
调用模块,用于从经验模型库中调用已有的经验链路进行复用;
异常提醒模块,用于对链路设计中的错误信息进行异常提醒,如未连接、未选型等;以及对元器件型号进行异常提醒,如工作频段不符合要求、型号数据格式错误等;
操作模块,用于进行链路操作,如短路、断路、器件复制、粘贴、删除等;
指标调整模块,用于进行设计指标调整,包括工作频率、增益、噪声系数、S11、OIP3、P-1、价格等;
保存模块,用于保存完成的链路设计;
导入模块,用于导入链路设计;
输出模块,用于输出完成的链路设计以及指标要求和指标权重等。
(2)仿真与择优引擎用于根据链路设计数据自动从器件模型库中抓取元器件模型进行选型方案组合遍历,并对得到的每个选型方案进行仿真计算,然后根据指标要求和指标权重对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果输出至结果后处理模块。其中,仿真计算只支持的电性能指标包括增益、噪声系数、输入P-1、输出P-1、输入驻波比、输出驻波比等。
(3)结果后处理模块用于展示最优的若干个选型方案及其仿真计算结果。当有多次仿真结果,则结果后处理模块记录每次仿真得到的最优的若干个选型方案及其仿真计算结果,并根据选择调出相应的最优的若干个选型方案及其仿真计算结果进行展示和对比分析,如图3所示,进一步还在对比分析后生成对比分析报告。
(4)器件模型库用于存储射频各类元器件实际型号的元器件模型,包括实测s2p文件、模型帮助说明文件等;同时,元器件模型的存储方式按照元器件类型进行分类存储管理,如图4所示;分类方式支持自定义;元器件模型的模型数据具备属性管理,包括名称、电学属性、生产厂家、尺寸规格等属性。电学属性包括如增益、噪声系数、工作频率、输入驻波比、输出驻波比等;模型属性支持自定义;支持元器件模型的模型文件的版本管理、生命周期管理;
进一步地在器件模型库,具备模型数据入库接口,支持直接获取测试环境下的由器件测试设备提供的射频元器件型号的实测s2p文件;具备对内接口,能够提供元器件模型给链路设计模块使用;具备对内接口,接收射频链路仿真结果方案,解析选型方案中选用的元器件型号,并解析到相应的元器件型号属性数据中,为分析器件型号的采用情况提供数据支撑。
(5)经验链路库用于存储经验链路。经验链路为固定的、典型的经验射频链路模板,用于快速复用。具备对内接口,提供经验链路给链路设计模块;具备对内接口,接收选型方案及仿真计算结果,作为链路设计的相关数据,以支持经验链路的快速复用。
与器件模型库类似,经验链路库中的射频链路模板不是一次两次可以建立完成的,也是伴随系统运行过程中,持续补充与维护的。当系统运行时间越就,补充的射频链路模板越多,那么对设计师设计射频链路时帮助越大。
在一些实施例中,所述射频链路快速仿真及器件自动选优的系统硬件架构部署如图5所示,所述链路设计模块部署在客户端;所述仿真与择优引擎部署在GPU计算服务器;所述经验链路库和器件模型库部署在系统数据服务器;所述客户端、GPU计算服务器和系统数据服务器通过网络(如局域网)连接。当要采用外部测试环境下的器件测试设备提供元器件模型时,器件测试设备也通过网络与系统连接。
基于上述实现的射频链路快速仿真及器件自动选优的系统,本实施例还提供一种射频链路快速仿真及器件自动选优的方法,包括如下步骤:
步骤S10,通过链路设计模块接收设计指标要求并设定指标权重,然后进行链路设计,并向仿真与择优引擎输出链路设计数据以及指标要求和指标权重;其中,在进行链路设计时根据需要从经验链路库和/或器件模型库中选择经验链路和/或元器件模型;
如图6所示,步骤S10包括如下子步骤:
步骤S11,通过链路设计模块接收设计指标要求并设定指标权重(可以根据设计需要或自己经验设定);
步骤S12,根据需要判定是否重用经验链路:
若是,则从经验链路库中选择合适的经验链路;在一些实施例中,当从经验链路库中选择合适的经验链路,可以根据需要对选择的经验链路进行调整;
若否,则直接选择相应的元器件类型来搭建链路;
步骤S13,对经验链路或搭建的链路中的元器件类型,判定判定是否需要进行元器件型号自动择优:
若是,则直接将经验链路或搭建的链路中的元器件模型连接起来完成链路设计;
若否,则对每个元器件类型从器件模型库中选择一个合适的元器件模型,然后将各元器件模型连接起来完成链路设计;
步骤S14,向仿真与择优引擎输出链路设计数据以及指标要求和指标权重。
步骤S20,仿真与择优引擎根据链路设计数据自动从器件模型库中抓取元器件模型进行选型方案组合遍历,并对得到的每个选型方案进行仿真计算,然后根据指标要求和指标权重对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果输出至结果后处理模块;
如图7所示,步骤S20包括如下步骤:
步骤S21,接收链路设计数据以及指标要求和指标权重;链路设计数据以及指标要求和指标权重一般存储为特定格式的json文件;另外,还可以获取计算硬件资源信息,以分配满足后续处理所需的计算硬件资源。
步骤S22,对链路中没有选择具体元器件型号的元器件模型,从器件模型库中筛选出合适型号的元器件模型;并根据指标要求中对链路设计的频率范围,对选择的元器件模型进行频率插值以满足仿真计算要求;
步骤S23,根据链路设计中的元器件类型以及经步骤S22完成频率插值后的元器件模型,结合基本排列组合方法形成多个选型方案;
步骤S24,对每个选型方案逐一进行仿真计算;
步骤S25,对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案(一般可选取三个)及其仿真计算结果;
步骤S26,将最优的若干个选型方案及其仿真计算结果输出至结果后处理模块。输出的若干个选型方案及其仿真计算结果也可采用特定格式的json文件。
在执行步骤20的过程中,为了极尽可能地提升仿真计算和择优效率,同时由于步骤20的流程中,频率插值、仿真计算和指标综合评分这三个步骤之间互不干涉,因此频率插值、仿真计算和指标综合评分采用并行计算,能够极大地提升仿真计算和择优效率,缩短计算时间。
步骤S30,结果后处理模块展示最优的若干个选型方案及其仿真计算结果。若执行了多次步骤S10~步骤S20,则结果后处理模块记录每次执行步骤S10~步骤S20得到的最优的若干个选型方案及其仿真计算结果,并根据选择调出相应的最优的若干个选型方案及其仿真计算结果进行展示和对比分析,还可以进一步在对比分析后生成对比分析结果报告。
进一步的,所述射频链路快速仿真及器件自动选优的方法,其特征在于,还包括:
步骤S40,结果后处理模块将最优的若干个选型方案反馈到器件模型库,并将仿真计算结果反馈至经验链路库。将最优的若干个选型方案反馈到器件模型库即是将元器件模型的选用信息记录到器件模型库中,作为评价该元器件模型贡献率、可选性的数据支撑。而将仿真计算结果反馈至经验链路库,可以作为该经验链路的描述数据,用来支撑经验链路的快速重用。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种射频链路快速仿真及器件自动选优的方法,其特征在于,包括如下步骤:
步骤S10,通过链路设计模块接收设计指标要求并设定指标权重,然后进行链路设计,并向仿真与择优引擎输出链路设计数据以及指标要求和指标权重;其中,在进行链路设计时根据需要从经验链路库和/或器件模型库中选择经验链路和/或元器件模型;
步骤S20,仿真与择优引擎根据链路设计数据自动从器件模型库中抓取元器件模型进行选型方案组合遍历,并对得到的每个选型方案进行仿真计算,然后根据指标要求和指标权重对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果输出至结果后处理模块;
步骤S30,结果后处理模块展示最优的若干个选型方案及其仿真计算结果。
2.根据权利要求1所述的射频链路快速仿真及器件自动选优的方法,其特征在于,步骤S10包括如下子步骤:
步骤S11,通过链路设计模块接收设计指标要求并设定指标权重;
步骤S12,根据需要判定是否重用经验链路:
若是,则从经验链路库中选择合适的经验链路;
若否,则直接选择相应的元器件类型来搭建链路;
步骤S13,对经验链路或搭建的链路中的元器件类型,判定判定是否需要进行元器件型号自动择优:
若是,则直接将经验链路或搭建的链路中的元器件模型连接起来完成链路设计;
若否,则对每个元器件类型从器件模型库中选择一个合适的元器件模型,然后将各元器件模型连接起来完成链路设计;
步骤S14,向仿真与择优引擎输出链路设计数据以及指标要求和指标权重。
3.根据权利要求2所述的射频链路快速仿真及器件自动选优的方法,其特征在于,步骤S12中,当从经验链路库中选择合适的经验链路,可以根据需要对选择的经验链路进行调整。
4.根据权利要求2所述的射频链路快速仿真及器件自动选优的方法,其特征在于,步骤S20包括如下步骤:
步骤S21,接收链路设计数据以及指标要求和指标权重;
步骤S22,对链路中没有选择具体元器件型号的元器件模型,从器件模型库中筛选出合适型号的元器件模型;并根据指标要求中对链路设计的频率范围,对选择的元器件模型进行频率插值以满足仿真计算要求;
步骤S23,根据链路设计中的元器件类型以及经步骤S22完成频率插值后的元器件模型,结合基本排列组合方法形成多个选型方案;
步骤S24,对每个选型方案逐一进行仿真计算;
步骤S25,对每个选型方案的仿真计算结果进行指标综合评分,根据指标综合评分结果选择最优的若干个选型方案及其仿真计算结果;
步骤S26,将最优的若干个选型方案及其仿真计算结果输出至结果后处理模块。
5.根据权利要求1所述的射频链路快速仿真及器件自动选优的方法,其特征在于,步骤S20中,频率插值、仿真计算和指标综合评分采用并行计算。
6.根据权利要求1所述的射频链路快速仿真及器件自动选优的方法,其特征在于,步骤S30中,若执行了多次步骤S10~步骤S20,则结果后处理模块记录每次执行步骤S10~步骤S20得到的最优的若干个选型方案及其仿真计算结果,并根据选择调出相应的最优的若干个选型方案及其仿真计算结果进行展示和对比分析。
7.根据权利要求6所述的射频链路快速仿真及器件自动选优的方法,其特征在于,结果后处理模块在对比分析后生成对比分析结果报告。
8.根据权利要求1所述的射频链路快速仿真及器件自动选优的方法,其特征在于,还包括:
步骤S40,结果后处理模块将最优的若干个选型方案反馈到器件模型库,并将仿真计算结果反馈至经验链路库。
9.一种射频链路快速仿真及器件自动选优的系统,其特征在于,包括依次连接的链路设计模块、仿真与择优引擎和结果后处理模块,以及与链路设计模块、仿真与择优引擎和结果后处理模块连接的经验链路库和器件模型库。
10.根据权利要求9所述的射频链路快速仿真及器件自动选优的系统,其特征在于,所述链路设计模块部署在客户端;所述仿真与择优引擎部署在GPU计算服务器;所述经验链路库和器件模型库部署在系统数据服务器;所述客户端、GPU计算服务器和系统数据服务器通过网络连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097546.XA CN114004057B (zh) | 2021-09-18 | 2021-09-18 | 射频链路快速仿真及器件自动选优的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097546.XA CN114004057B (zh) | 2021-09-18 | 2021-09-18 | 射频链路快速仿真及器件自动选优的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114004057A true CN114004057A (zh) | 2022-02-01 |
CN114004057B CN114004057B (zh) | 2023-04-07 |
Family
ID=79922033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111097546.XA Active CN114004057B (zh) | 2021-09-18 | 2021-09-18 | 射频链路快速仿真及器件自动选优的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114004057B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146485A (zh) * | 2022-09-01 | 2022-10-04 | 南京国睿信维软件有限公司 | 基于gpu加速的射频链路仿真方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3019412A1 (fr) * | 2014-04-01 | 2015-10-02 | Eutelsat Sa | Procede pour l'etablissement de liaisons radiofrequences |
CN109217911A (zh) * | 2018-06-19 | 2019-01-15 | 中国人民解放军战略支援部队航天工程大学 | 一种基于技侦模式的空地通信系统的仿真方法 |
CN110290006A (zh) * | 2019-06-25 | 2019-09-27 | 大连交通大学 | 基于节点重要度的指挥控制网络级联失效模型构建方法 |
CN110473182A (zh) * | 2019-10-08 | 2019-11-19 | 中国人民解放军61646部队 | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 |
CN112364538A (zh) * | 2020-11-09 | 2021-02-12 | 中国电子科技集团公司第二十九研究所 | 一种基于数据模型的多专业异构模型统一封装方法 |
-
2021
- 2021-09-18 CN CN202111097546.XA patent/CN114004057B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3019412A1 (fr) * | 2014-04-01 | 2015-10-02 | Eutelsat Sa | Procede pour l'etablissement de liaisons radiofrequences |
CN109217911A (zh) * | 2018-06-19 | 2019-01-15 | 中国人民解放军战略支援部队航天工程大学 | 一种基于技侦模式的空地通信系统的仿真方法 |
CN110290006A (zh) * | 2019-06-25 | 2019-09-27 | 大连交通大学 | 基于节点重要度的指挥控制网络级联失效模型构建方法 |
CN110473182A (zh) * | 2019-10-08 | 2019-11-19 | 中国人民解放军61646部队 | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 |
CN112364538A (zh) * | 2020-11-09 | 2021-02-12 | 中国电子科技集团公司第二十九研究所 | 一种基于数据模型的多专业异构模型统一封装方法 |
Non-Patent Citations (2)
Title |
---|
李传伟;常关羽;侯维苇;丛万生;慕德俊;: "面向多媒体业务的MANET多尺度稳定链路模型" * |
郑彩顺等: "空地链路无线信道大尺度衰落模型的研究" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146485A (zh) * | 2022-09-01 | 2022-10-04 | 南京国睿信维软件有限公司 | 基于gpu加速的射频链路仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114004057B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844424B (zh) | 基于模型的测试系统及方法 | |
US8645921B2 (en) | System and method to determine defect risks in software solutions | |
US20230067084A1 (en) | System and method for monitoring of software applications and health analysis | |
CN108153520A (zh) | 软件开发方法及装置 | |
US20200142679A1 (en) | Constructing and enhancing a deployment pattern | |
CN111782266B (zh) | 软件性能基准确定方法及装置 | |
CN114004057B (zh) | 射频链路快速仿真及器件自动选优的方法和系统 | |
EP4195108A1 (en) | Method and apparatus for generating and applying deep learning model based on deep learning framework | |
US20220171699A1 (en) | System and method for optimizing assessment and implementation of microservices code for cloud platforms | |
CN112782560A (zh) | 芯片测试方法、装置、存储介质及设备 | |
CN113746840A (zh) | Json格式报文生成方法及装置 | |
CN112799949A (zh) | 一种模型优化方法、装置、系统及设备 | |
CN112306622B (zh) | 一种vnf模板的构建方法及装置 | |
CN117235527A (zh) | 端到端容器化的大数据模型构建方法、装置、设备及介质 | |
CN115391219A (zh) | 测试用例生成方法、装置、电子设备及存储介质 | |
CN111737784B (zh) | 基于数字化三维的zxmp s385子架的板卡选型配置方法及设备 | |
CN115511060A (zh) | 模型的转换方法、装置、存储介质及电子装置 | |
CN112597036A (zh) | 一种通用测试挡板方法及装置 | |
US12032477B2 (en) | Method and apparatus for generating and applying deep learning model based on deep learning framework | |
US11914503B2 (en) | Automated performance measurement over software lifecycle | |
CN109673017B (zh) | Rru自动化测试方法和装置 | |
CN104881328B (zh) | 数据处理方法和数据处理装置 | |
CN113360368B (zh) | 一种软件性能测试的方法和装置 | |
CN116415665A (zh) | 端侧推理模型的转换方法和转换装置 | |
CN116166545A (zh) | 测试环境创建方法、测试环境创建装置、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |