CN115060985A - 多通道天线的测试方法及装置 - Google Patents
多通道天线的测试方法及装置 Download PDFInfo
- Publication number
- CN115060985A CN115060985A CN202210707535.7A CN202210707535A CN115060985A CN 115060985 A CN115060985 A CN 115060985A CN 202210707535 A CN202210707535 A CN 202210707535A CN 115060985 A CN115060985 A CN 115060985A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- antenna
- trigger
- curve
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/10—Radiation diagrams of antennas
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
- H04B17/15—Performance testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/29—Performance testing
-
- 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
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明实施例的方法中提出了一种多通道天线的测试方法及装置,通过构建了一种温度和风速可控的风动系统来对外界环境进行模拟,可以获得更加接近真实环境的测试数据。在数据处理方面经过了初选、优选、重采样插值、相关性筛选,在降低了数据复杂度的情况下,提高了数据的质量。本发明可以在提高测试准确性的基础上,降低学习模型的计算量。
Description
【技术领域】
本发明涉及无线通信技术领域,尤其涉及一种多通道天线的测试方法及装置。
【背景技术】
随着网络通信技术的快速发展,网络通信设备已逐渐覆盖人类活动的大部分区域。实际过程中,为确保网络通信的可靠性和有效性,网络通信设备在部署前需要进行全方位测试,而这些测试中又以天线测试最为重要。天线测试一般选择在实验室中或者真实环境中进行。通过实验室进行天线测试时,实验变量较为可控,但这种测试通常很耗时,并且可能无法真实有效地模拟真实环境实际。通过在真实环境中进行天线测试时,会由于外部环境中存在大量无法控制的变量,充满了各种不确定性。所以,如何发明一种高效且精确的天线测试方法是本领域技术人员亟待解决的技术问题。
【发明内容】
有鉴于此,本发明实施例提供了一种多通道天线的测试方法及装置。
第一方面,本发明实施例提供了一种多通道天线的测试方法,所述方法包括:
S1、根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
S2、接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
S3、收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
S4、对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
S5、将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述时间环境曲线包括:时间温度曲线和时间风速曲线;
所述时间温度曲线至少包括多个温度维持起点和温度维持终点;所述时间风速曲线至少包括多个风速维持起点和风速维持终点;同一组风速维持起点和风速维持终点之间为一个风速维持周期,同一组温度维持起点和温度维持终点之间为一个温度维持周期;
所述风速维持周期和温度维持周期出现的个数相同且在时间线上完全重合。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,多个触发设备基于时间运动曲线调整自身的位置,同时根据功率步长曲线调整触发信号的功率,且不断地向测试云台的待测天线发送触发信号;
所述时间运动曲线至少包括多个静止起点和静止终点,同一组静止起点和静止终点之间为一个静止周期,所述静止周期与风速维持周期以及温度维持周期出现的个数相同且在时间线上完全重合。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,对所述第一信号进行预处理后生成第二信号,具体包括:
S41、将原始第一信号中处于静止周期、风速维持周期和温度维持周期的信号选取出来;
S42、对选取出来处于同一周期的原始第一信号进行优选后生成第一信号;
S43、对所述第一信号进行重采样插值处理后生成第二信号。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S42具体包括:
S51、将处于同一周期的原始第一信号按照携带的时刻信息进行顺序排序,设置优选轮数为M;
S52、选择相邻的两个信号数据并将其加入一组优选池,从优选池中的每个信号数据中选择同样的K个通道信号并分别进行信号稳定度比较,在同一通道下信号稳定度较高者得分加1,稳定度较低者不得分,K个通道信号全部比较完,统计优选池中两个信号数据的总得分大小;
S53、若优选池中的两个信号数据得分相同,则增加通道数,即令K=K+Δk,进入S64;否则,执行S65;
S54、若K≤Kmax,直接执行S65;否则,将该优选池中的两个信号数据同时删除后执行S65;
S55、从各未删除的优选池中优选出得分最高的信号数据,把优选出来的信号数据组成新的原始第一信号序列后,令m=m+1;若m<M,则返回至S61,若m≥M,则直接输出新的原始第一信号序列为第一信号。
其中,m为当前的优选轮数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S43具体包括:
若Δf小于预设频率值,则输出重采样结果为第二信号,否则令f=f0,定义新的采样频率替换当前采样频率;
S63、若f>f0,则令N=N+Δn,ξ0=ξ,返回步骤S61;若ξ≤ξ0,则令N=N-Δn,ξ0=ξ,返回至S61;
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号,具体包括:
从同一周期中随机选取两个第二信号,且需保证两个第二信号所对应的触发信号功率是不同的;
确定每个第二信号的信号强度和触发信号功率之间的相关性,并根据相关系确定信号强度和触发信号功率之间的相关度;
将相关度处于该测试天线对应的预设相关度范围的第二信号筛选出来。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S5具体包括:
构建深度学习模型L(x)=Lm(x)+αLs(x),其中,Lm(x)是主函数模型,Ls(x)是从函数模型,α是主函数模型和从函数模型的平衡系数;
其中,a为动作,s为状态,r为回报,δ为目标价值函数,Na为候选动作的个数,Z为归一化因子;maxQ(s′,a′)为最优策略对应的Q函数,Q(s,a)为当前策略对应的Q函数;Q(s,ai)为当前策略下,第i个候选动作ai对应的Q函数;β为第一修正因子,γ为第二修正因子;
分别对深度学习模型进行训练学习直至目标价值函数δ达到预设要求,可获得成用于天线测试的强化学习模型;
将符合相关度要求的第二信号输入强化学习模型通过计算生成天线测试结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述测试风洞系统包括:
风机装置,由布设在多个角度的风机组成;
高精度温度控制装置,可以控制风洞系统内温度;
测试平台装置,包括多个可以绕测试云台旋转的旋转臂,每个旋转臂均由一电机进行独立控制;旋转臂的末端为安装平台,所述安装平台上设有信号触发设备,测试云台用于布置测试天线;
测试风洞系统的各个装置通过中心计算机进行控制。
第二方面,本发明实施例提供了一种多通道天线的测试装置,所述装置包括:
发送模块,用于根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
接收模块,用于接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
构建模块,用于收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
筛选模块,用于对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
计算模块,用于将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
上述技术方案中的一个技术方案具有如下有益效果:
本发明实施例的方法中提出了一种多通道天线的测试方法及装置,通过构建了一种温度和风速可控的风动系统来对外界环境进行模拟,可以获得更加接近真实环境的测试数据。在数据处理方面经过了初选、优选、重采样插值、相关性筛选,在降低了数据复杂度的情况下,提高了数据的质量。本发明可以在提高测试准确性的基础上,降低学习模型的计算量。
【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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例所提供的多通道天线的测试方法的流程示意图;
图2为本发明实施例所提供的测试风洞系统的结构示意图;
图3为本发明实施例所提供的多通道天线的测试装置的功能框图。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。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。
请参考图1,其为本发明实施例所提供的多通道天线的测试方法的流程示意图,如图所示,该方法包括以下步骤:
S1、根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
S2、接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
S3、收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
S4、对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
S5、将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
上述提及的时间环境曲线包括:时间温度曲线和时间风速曲线;
其中,时间温度曲线至少包括多个温度维持起点和温度维持终点;时间风速曲线至少包括多个风速维持起点和风速维持终点;同一组风速维持起点和风速维持终点之间为一个风速维持周期,同一组温度维持起点和温度维持终点之间为一个温度维持周期;
其中,风速维持周期和温度维持周期出现的个数相同且在时间线上完全重合。也就是说,风扇维持不变的开始时刻也是温度维持不变的开始时刻,风扇维持不变的结束时刻也是温度维持不变的结束时刻。
另外,因为旋转臂是基于时间运动曲线进行选择与停止的。所以多个触发设备安装在旋转臂末端的安装平台上的,所有触发设备也相应的基于时间运动曲线调整自身的位置,为了可以获得更多的数据,还根据功率步长曲线调整触发信号的功率,且不断地向测试云台的待测天线发送触发信号;
同样的,时间运动曲线至少包括多个静止起点和静止终点,同一组静止起点和静止终点之间为一个静止周期,静止周期与风速维持周期以及温度维持周期出现的个数相同且在时间线上完全重合。也就是说,触发设备的静止开始时刻、风扇维持不变的开始时刻和温度维持不变的开始时刻是一致的,触发设备的静止结束时刻、风扇维持不变的结束时刻和温度维持不变的结束时刻是一致的。
为降低数据的复杂度,所以本发明实施例对第一信号进行预处理后生成第二信号,具体包括:
S41、将原始第一信号中处于静止周期、风速维持周期和温度维持周期的信号选取出来;
S42、对选取出来处于同一周期的原始第一信号进行优选后生成第一信号;
S43、对所述第一信号进行重采样插值处理后生成第二信号。
进一步的,S42具体包括:
S51、将处于同一周期的原始第一信号按照携带的时刻信息进行顺序排序,设置优选轮数为M;
S52、选择相邻的两个信号数据并将其加入一组优选池,从优选池中的每个信号数据中选择同样的K个通道信号并分别进行信号稳定度比较,在同一通道下信号稳定度较高者得分加1,稳定度较低者不得分,K个通道信号全部比较完,统计优选池中两个信号数据的总得分大小;
S53、若优选池中的两个信号数据得分相同,则增加通道数,即令K=K+Δk,进入S64;否则,执行S65;
S54、若K≤Kmax,直接执行S65;否则,将该优选池中的两个信号数据同时删除后执行S65;
S55、从各未删除的优选池中优选出得分最高的信号数据,把优选出来的信号数据组成新的原始第一信号序列后,令m=m+1;若m<M,则返回至S61,若m≥M,则直接输出新的原始第一信号序列为第一信号。
其中,m为当前的优选轮数。
进一步的,S43具体包括:
若Δf小于预设频率值,则输出重采样结果为第二信号,否则令f=f0,定义新的采样频率替换当前采样频率;
S63、若f>f0,则令N=N+Δn,ξ0=ξ,返回步骤S61;若ξ≤ξ0,则令N=N-Δn,ξ0=ξ,返回至S61;
为进一步降低信号数据的复杂度,对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号,具体包括:
从同一周期中随机选取两个第二信号,且需保证两个第二信号所对应的触发信号功率是不同的;
确定每个第二信号的信号强度和触发信号功率之间的相关性,并根据相关系确定信号强度和触发信号功率之间的相关度;
将相关度处于该测试天线对应的预设相关度范围的第二信号筛选出来。
具体的,S5具体包括:
构建深度学习模型L(x)=Lm(x)+αLs(x),其中,Lm(x)是主函数模型,Ls(x)是从函数模型,α是主函数模型和从函数模型的平衡系数;
其中,a为动作,s为状态,r为回报,δ为目标价值函数,Na为候选动作的个数,Z为归一化因子;maxQ(s′,a′)为最优策略对应的Q函数,Q(s,a)为当前策略对应的Q函数;Q(s,ai)为当前策略下,第i个候选动作ai对应的Q函数;β为第一修正因子,γ为第二修正因子;
分别对深度学习模型进行训练学习直至目标价值函数δ达到预设要求,可获得成用于天线测试的强化学习模型;
将符合相关度要求的第二信号输入强化学习模型通过计算生成天线测试结果。
请参考图2,其为本发明实施例所提供的测试风洞系统的结构示意图。测试风洞系统包括:
风机装置,由布设在多个角度的风机组成;图中仅为简单示意,不限制风机的数量和位置。
高精度温度控制装置,可以精确地控制风洞系统内温度;
测试平台装置,包括多个可以绕测试云台旋转的旋转臂,每个旋转臂均由一电机进行独立控制;旋转臂的末端为安装平台,所述安装平台上设有信号触发设备,测试云台用于布置测试天线;图中仅为简单示意,实际过程中可以根据情况调整的旋转臂的数量,并对应调整触发设备的数量。
测试风洞系统的各个装置通过中心计算机进行控制。
本发明实施例的方法中提出了一种多通道天线的测试方法,通过构建一种温度和风速可控的风动系统来对外界环境进行模拟,可以获得更加接近真实环境的测试数据。在数据处理方面经过了初选、优选、重采样插值、相关性筛选,在降低了数据复杂度的情况下,提高了数据的质量。本发明可以在提高测试准确性的基础上,降低学习模型的计算量。
本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图3,其为图3为本发明实施例所提供的多通道天线的测试装置的功能框图。所述装置包括:
发送模块310,用于根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
接收模块320,用于接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
构建模块330,用于收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
筛选模块340,用于对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
计算模块350,用于将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
由于本实施例中的各单元模块能够执行图1所示的方法,本实施例未详细描述的部分,可参考对图1的相关说明。
在硬件层面,该装置可以包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该装置还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元或模块分别描述。当然,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (10)
1.一种多通道天线的测试方法,其特征在于,所述方法包括:
S1、根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
S2、接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
S3、收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
S4、对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
S5、将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
2.根据权利要求1所述的多通道天线的测试方法,其特征在于,所述时间环境曲线包括:时间温度曲线和时间风速曲线;
所述时间温度曲线至少包括多个温度维持起点和温度维持终点;所述时间风速曲线至少包括多个风速维持起点和风速维持终点;同一组风速维持起点和风速维持终点之间为一个风速维持周期,同一组温度维持起点和温度维持终点之间为一个温度维持周期;
所述风速维持周期和温度维持周期出现的个数相同且在时间线上完全重合。
3.根据权利要求2所述的多通道天线的测试方法,其特征在于,多个触发设备基于时间运动曲线调整自身的位置,同时根据功率步长曲线调整触发信号的功率,且不断地向测试云台的待测天线发送触发信号;
所述时间运动曲线至少包括多个静止起点和静止终点,同一组静止起点和静止终点之间为一个静止周期,所述静止周期与风速维持周期以及温度维持周期出现的个数相同且在时间线上完全重合。
4.根据权利要求3所述的多通道天线的测试方法,其特征在于,对所述第一信号进行预处理后生成第二信号,具体包括:
S41、将原始第一信号中处于静止周期、风速维持周期和温度维持周期的信号选取出来;
S42、对选取出来处于同一周期的原始第一信号进行优选后生成第一信号;
S43、对所述第一信号进行重采样插值处理后生成第二信号。
5.根据权利要求4所述的多通道天线的测试方法,其特征在于,所述S42具体包括:
S51、将处于同一周期的原始第一信号按照携带的时刻信息进行顺序排序,设置优选轮数为M;
S52、选择相邻的两个信号数据并将其加入一组优选池,从优选池中的每个信号数据中选择同样的K个通道信号并分别进行信号稳定度比较,在同一通道下信号稳定度较高者得分加1,稳定度较低者不得分,K个通道信号全部比较完,统计优选池中两个信号数据的总得分大小;
S53、若优选池中的两个信号数据得分相同,则增加通道数,即令K=K+Δk,进入S64;否则,执行S65;
S54、若K≤Kmax,直接执行S65;否则,将该优选池中的两个信号数据同时删除后执行S65;
S55、从各未删除的优选池中优选出得分最高的信号数据,把优选出来的信号数据组成新的原始第一信号序列后,令m=m+1;若m<M,则返回至S61,若m≥M,则直接输出新的原始第一信号序列为第一信号。
其中,m为当前的优选轮数。
7.根据权利要求6所述的多通道天线的测试方法,其特征在于,对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号,具体包括:
从同一周期中随机选取两个第二信号,且需保证两个第二信号所对应的触发信号功率是不同的;
确定每个第二信号的信号强度和触发信号功率之间的相关性,并根据相关系确定信号强度和触发信号功率之间的相关度;
将相关度处于该测试天线对应的预设相关度范围的第二信号筛选出来。
8.根据权利要求4所述的多通道天线的测试方法,其特征在于,所述S5具体包括:
构建深度学习模型L(x)=Lm(x)+αLs(x),其中,Lm(x)是主函数模型,Ls(x)是从函数模型,α是主函数模型和从函数模型的平衡系数;
其中,a为动作,s为状态,r为回报,δ为目标价值函数,Na为候选动作的个数,Z为归一化因子;maxQ(s′,a′)为最优策略对应的Q函数,Q(s,a)为当前策略对应的Q函数;Q(s,ai)为当前策略下,第i个候选动作ai对应的Q函数;β为第一修正因子,γ为第二修正因子;
分别对深度学习模型进行训练学习直至目标价值函数δ达到预设要求,可获得成用于天线测试的强化学习模型;
将符合相关度要求的第二信号输入强化学习模型通过计算生成天线测试结果。
9.根据权利要求1所述的多通道天线的测试方法,其特征在于,所述测试风洞系统包括:
风机装置,由布设在多个角度的风机组成;
高精度温度控制装置,可以控制风洞系统内温度
测试平台装置,包括多个可以绕测试云台旋转的旋转臂,每个旋转臂均由一电机进行独立控制;旋转臂的末端为安装平台,所述安装平台上设有信号触发设备,测试云台用于布置测试天线;
测试风洞系统的各个装置通过中心计算机进行控制。
10.一种多通道天线的测试装置,其特征在于,所述装置包括:
发送模块,用于根据输入的时间环境曲线向测试风洞系统发送环境调整参数;
接收模块,用于接收不同位置发射的触发信号并输出测量信号数据,所述触发信号的功率根据功率步长曲线进行改变;
构建模块,用于收到由接收端天线阵列连续发送的测量信号数据后,并根据测量信号数据携带信息进行信号重建构建以生成原始第一信号;所述携带信息至少包括环境参数信息、位置信息和触发信号功率;
筛选模块,用于对所述原始第一信号进行预处理后生成第二信号,并对各第二信号的相关度进行判断后,筛选出符合预设相关度要求的第二信号;
计算模块,用于将符合相关度要求的第二信号输入学习模型通过计算生成天线测试结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707535.7A CN115060985B (zh) | 2022-06-21 | 2022-06-21 | 多通道天线的测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707535.7A CN115060985B (zh) | 2022-06-21 | 2022-06-21 | 多通道天线的测试方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115060985A true CN115060985A (zh) | 2022-09-16 |
CN115060985B CN115060985B (zh) | 2023-03-24 |
Family
ID=83203033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210707535.7A Active CN115060985B (zh) | 2022-06-21 | 2022-06-21 | 多通道天线的测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060985B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150022405A1 (en) * | 2013-07-17 | 2015-01-22 | Xiaomi Inc. | Method, device and storage medium for controlling antenna |
CN104717025A (zh) * | 2013-12-13 | 2015-06-17 | 中兴通讯股份有限公司 | 一种测试有源天线系统共存共址杂散指标的方法 |
CN105205006A (zh) * | 2015-10-30 | 2015-12-30 | 北京新能源汽车股份有限公司 | 多平台通用测试方法、装置和系统 |
US20180372834A1 (en) * | 2015-12-21 | 2018-12-27 | Saverone 2014 Ltd. | System and methods of locating wireless devices in a volume |
CN109443689A (zh) * | 2018-11-28 | 2019-03-08 | 南京航空航天大学 | 一种雷达天线旋转工作时动态气动力的风洞试验测量装置及其测量方法 |
US20200158823A1 (en) * | 2018-11-16 | 2020-05-21 | Rohde & Schwarz Gmbh & Co. Kg | Method and training system for training a radar device |
CN112964941A (zh) * | 2021-03-24 | 2021-06-15 | 中山大学 | 一种相控阵天线测试方法、装置、设备及介质 |
CN113050030A (zh) * | 2021-03-26 | 2021-06-29 | 北京八腕蓝通科技有限公司 | 基于到达角度测距的定位方法及装置 |
CN113329437A (zh) * | 2021-06-07 | 2021-08-31 | 北京邮电大学 | 无线网络信号传播路径损耗预测方法及电子设备 |
WO2021203242A1 (zh) * | 2020-04-07 | 2021-10-14 | 东莞理工学院 | 基于深度学习的mimo多天线信号传输与检测技术 |
CN113691329A (zh) * | 2021-07-20 | 2021-11-23 | 西安空间无线电技术研究所 | 一种基于多通道接收机的天线测试系统及方法 |
CN114222325A (zh) * | 2021-12-03 | 2022-03-22 | 北京电信技术发展产业协会 | 测试系统 |
-
2022
- 2022-06-21 CN CN202210707535.7A patent/CN115060985B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150022405A1 (en) * | 2013-07-17 | 2015-01-22 | Xiaomi Inc. | Method, device and storage medium for controlling antenna |
CN104717025A (zh) * | 2013-12-13 | 2015-06-17 | 中兴通讯股份有限公司 | 一种测试有源天线系统共存共址杂散指标的方法 |
CN105205006A (zh) * | 2015-10-30 | 2015-12-30 | 北京新能源汽车股份有限公司 | 多平台通用测试方法、装置和系统 |
US20180372834A1 (en) * | 2015-12-21 | 2018-12-27 | Saverone 2014 Ltd. | System and methods of locating wireless devices in a volume |
US20200158823A1 (en) * | 2018-11-16 | 2020-05-21 | Rohde & Schwarz Gmbh & Co. Kg | Method and training system for training a radar device |
CN109443689A (zh) * | 2018-11-28 | 2019-03-08 | 南京航空航天大学 | 一种雷达天线旋转工作时动态气动力的风洞试验测量装置及其测量方法 |
WO2021203242A1 (zh) * | 2020-04-07 | 2021-10-14 | 东莞理工学院 | 基于深度学习的mimo多天线信号传输与检测技术 |
CN112964941A (zh) * | 2021-03-24 | 2021-06-15 | 中山大学 | 一种相控阵天线测试方法、装置、设备及介质 |
CN113050030A (zh) * | 2021-03-26 | 2021-06-29 | 北京八腕蓝通科技有限公司 | 基于到达角度测距的定位方法及装置 |
CN113329437A (zh) * | 2021-06-07 | 2021-08-31 | 北京邮电大学 | 无线网络信号传播路径损耗预测方法及电子设备 |
CN113691329A (zh) * | 2021-07-20 | 2021-11-23 | 西安空间无线电技术研究所 | 一种基于多通道接收机的天线测试系统及方法 |
CN114222325A (zh) * | 2021-12-03 | 2022-03-22 | 北京电信技术发展产业协会 | 测试系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115060985B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976998B (zh) | 一种软件缺陷预测方法、装置和电子设备 | |
EP3729857A1 (en) | Radio coverage map generation | |
CN113515837B (zh) | 仿真测试平台的建立方法、装置和电子设备 | |
CN107085633B (zh) | 基于支持向量机的多点振动响应频域预测的装置及方法 | |
CN113704119B (zh) | 一种用于智能驾驶的测试方法、装置、系统及存储介质 | |
WO2019200626A1 (zh) | 人工智能体训练系统及无源电路优化设计系统及方法 | |
CN109145981B (zh) | 深度学习自动化模型训练方法及设备 | |
CN115097796B (zh) | 一种质量控制系统与模拟大数据和校正aql值的方法 | |
CN115239070A (zh) | 一种流域水环境有机污染物监测全过程质控指标评价系统 | |
CN115473841A (zh) | 网络路径的确定方法、装置及存储介质 | |
CN105159066A (zh) | 一种智能音乐厅调控方法及调控装置 | |
CN114786127B (zh) | 一种蓝牙aoa的定位方法及装置 | |
CN115060985B (zh) | 多通道天线的测试方法及装置 | |
CN115060625A (zh) | 浆液密度的获取方法、装置、电子设备及存储介质 | |
CN107566051B (zh) | 一种mimo ota最大三维测试区域大小的确定方法及装置 | |
CN116029617B (zh) | 质量验收表单的生成方法、装置、设备及可读存储介质 | |
CN114091296B (zh) | 高压直流断路器的故障预警方法及装置 | |
CN109978204B (zh) | 确定风电场的风功率的预测准确率的方法和装置 | |
CN114325877B (zh) | 气象预报数据的评估方法和装置 | |
CN111988813B (zh) | 移动通信网络中弱覆盖小区的确定方法、装置和计算机设备 | |
CN111461328A (zh) | 一种神经网络的训练方法及电子设备 | |
CN110647466B (zh) | 基于DevOps的程序质量监管方法及装置 | |
CN114792209B (zh) | 一种工程施工风险评估的方法、设备及存储介质 | |
CN110134108B (zh) | 一种代码缺陷测试方法和装置 | |
CN116432518B (zh) | 一种畸形波发生概率的快速预报方法、系统、设备和介质 |
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 |