CN117792538A - 一种车载天线的信号接收性能测试方法 - Google Patents
一种车载天线的信号接收性能测试方法 Download PDFInfo
- Publication number
- CN117792538A CN117792538A CN202410212865.8A CN202410212865A CN117792538A CN 117792538 A CN117792538 A CN 117792538A CN 202410212865 A CN202410212865 A CN 202410212865A CN 117792538 A CN117792538 A CN 117792538A
- Authority
- CN
- China
- Prior art keywords
- layer
- input end
- vehicle
- attention
- multiplier
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000011056 performance test Methods 0.000 title claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 18
- 230000017105 transposition Effects 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种车载天线的信号接收性能测试方法,属于车载天线测试技术领域,本发明中将负载挂载在天线上,从而对天线施加不同模式的电磁波,不同模式的电磁波照射在天线上,根据负载上电压信号和电流信号的情况,提取出融合特征,根据融合特征,评估车载天线的接收性能,通过车载天线的电流和电压情况,反映车载天线接收时的性能情况,实现一种综合性的智能化的天线信号接收性能评估技术方案,解决现有技术中仅能对天线每一项具体测试数据进行分析,确定车载天线性能的问题。
Description
技术领域
本发明涉及车载天线测试技术领域,具体涉及一种车载天线的信号接收性能测试方法。
背景技术
车载天线的信号接收性能测试是为了确保天线设计符合预期的通信要求,并且能够在实际应用中有效地接收电磁波。车载天线作为无线通信系统中的关键组件,其性能直接影响到通信的质量和可靠性。因此,对车载天线进行准确的性能测试是非常重要的。
现有技术中对车载天线接收性能进行测试,通常采用各种专业仪器,例如:矢量网络分析仪(VNA)、天馈线分析仪、场强仪、功率计、阻抗图示仪等。现有通过每一项专业仪器进行测试,从而对每一项具体测试数据进行分析,确定车载天线性能,无法进行综合性的智能化的天线信号接收性能评估。
发明内容
针对现有技术中的上述不足,本发明提供的一种车载天线的信号接收性能测试方法解决了现有的车载天线信号接收性能测试技术方案无法进行综合性的智能化的天线信号接收性能评估的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种车载天线的信号接收性能测试方法,包括以下步骤:
S1、将负载与车载天线连接;
S2、对连接后的车载天线进行不同模式的电磁波照射;
S3、分别采集电磁波照射后负载的电流和电压,得到电流信号和电压信号;
S4、提取电流信号和电压信号的融合特征;
S5、根据融合特征,评估车载天线的接收性能。
本发明的有益效果为:本发明中将负载挂载在天线上,从而对天线施加不同模式的电磁波,不同模式的电磁波照射在天线上,根据负载上电压信号和电流信号的情况,提取出融合特征,根据融合特征,评估车载天线的接收性能,通过车载天线的电流和电压情况,反映车载天线接收时的性能情况,实现一种综合性的智能化的天线信号接收性能评估技术方案,解决现有技术中仅能对天线每一项具体测试数据进行分析,确定车载天线性能的问题。
进一步地,所述S2中电磁波的模式包括:TE波、TM波和TEM波。
进一步地,所述S4包括以下分步骤:
S41、采用卷积神经网络特征提取模型提取电流信号的电流特征;
S42、采用卷积神经网络特征提取模型提取电压信号的电压特征;
S43、根据电流特征和电压特征,得到融合特征。
进一步地,所述S41和S42中卷积神经网络特征提取模型包括:第一卷积层、转置运算层、乘法器M1、双通道注意模块、第二卷积层和下采样层;
所述第一卷积层的输入端作为卷积神经网络特征提取模型的输入端,其输出端分别与转置运算层的输入端和乘法器M1的第一输入端连接;
所述乘法器M1的第二输入端与转置运算层的输出端连接,其输出端与双通道注意模块的输入端连接;
所述第二卷积层的输入端与双通道注意模块的输出端连接,其输出端与下采样层的输入端连接;
所述下采样层的输出端作为卷积神经网络特征提取模型的输出端。
上述进一步地方案的有益效果为:本发明中设置转置运算层进行第一卷积层输出的转置运算,将转置运算后的数据与转置运算前的数据进行相乘,充分提取数据特征,再采用双通道注意模块进行双通道特征提取,进一步地提取出有效特征。
进一步地,所述双通道注意模块包括:第三卷积层、第四卷积层、第一注意力层、第二注意力层、乘法器M2、乘法器M3和加法器A1;
所述第三卷积层的输入端分别与第四卷积层的输入端、乘法器M2的第一输入端和乘法器M3的第一输入端连接,并作为双通道注意模块的输入端;
所述第一注意力层的输入端与第三卷积层的输出端连接,其输出端与乘法器M2的第二输入端连接;
所述第二注意力层的输入端与第四卷积层的输出端连接,其输出端与乘法器M3的第二输入端连接;
所述加法器A1的第一输入端与乘法器M2的输出端连接,其第二输入端与乘法器M3的输出端连接,其输出端作为双通道注意模块的输出端。
进一步地,所述第一注意力层的表达式为:
,其中,yi为第一注意力层的第i个输出,xi为第一注意力层的第i个输入,e为自然常数,wxi为第一注意力层的第i个输入xi的权重,bxi为第一注意力层的第i个输入xi的偏置,i为正整数。
进一步地,所述第二注意力层的表达式为:,其中,yj为第二注意力层的第j个输出,xj为第二注意力层的第j个输入,e为自然常数,j为正整数,M为第二注意力层的输入xj的数量。
上述进一步地方案的有益效果为:本发明中第一注意力层和第二注意力层采用不同的注意力公式,提高不同数据特征的注意力,在获取有效特征的同时,能提高获取特征的数量。
进一步地,所述S43中得到融合特征的表达式为:,其中,R为融合特征,I为电流特征,U为电压特征,α为电流特征I的比例系数,β为电压特征U的比例系数,α=0.5,β=0.5。
上述进一步地方案的有益效果为:本发明中将电流特征和电压特征进行融合处理,通过融合特征共同反映车载天线的接收情况。
进一步地,所述S5中评估车载天线的接收性能采用BP神经网络,BP神经网络包括:输入层、隐藏层和输出层,将融合特征作为输入层的输入,隐藏层采用tanh激活函数,输出层采用sigmoid激活函数。
上述进一步地方案的有益效果为:本发明综合车载天线的电流和电压特征,通过电流和电压特征反映车载天线的综合接收性能。
附图说明
图1为一种车载天线的信号接收性能测试方法的系统框图;
图2为卷积神经网络特征提取模型的结构示意图;
图3为双通道注意模块的结构示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种车载天线的信号接收性能测试方法,包括以下步骤:
S1、将负载与车载天线连接;
S2、对连接后的车载天线进行不同模式的电磁波照射;
S3、分别采集电磁波照射后负载的电流和电压,得到电流信号和电压信号;
S4、提取电流信号和电压信号的融合特征;
S5、根据融合特征,评估车载天线的接收性能。
在本实施例中,负载可选择电阻。
所述S2中电磁波的模式包括:TE波、TM波和TEM波。
所述S4包括以下分步骤:
S41、采用卷积神经网络特征提取模型提取电流信号的电流特征;
S42、采用卷积神经网络特征提取模型提取电压信号的电压特征;
S43、根据电流特征和电压特征,得到融合特征。
如图2所示,所述S41和S42中卷积神经网络特征提取模型包括:第一卷积层、转置运算层、乘法器M1、双通道注意模块、第二卷积层和下采样层;
所述第一卷积层的输入端作为卷积神经网络特征提取模型的输入端,其输出端分别与转置运算层的输入端和乘法器M1的第一输入端连接;
所述乘法器M1的第二输入端与转置运算层的输出端连接,其输出端与双通道注意模块的输入端连接;
所述第二卷积层的输入端与双通道注意模块的输出端连接,其输出端与下采样层的输入端连接;
所述下采样层的输出端作为卷积神经网络特征提取模型的输出端。
本发明中设置转置运算层进行第一卷积层输出的转置运算,将转置运算后的数据与转置运算前的数据进行相乘,实现构建二维数据,充分提取数据特征,再采用双通道注意模块进行双通道特征提取,进一步地提取出有效特征。
如图3所示,所述双通道注意模块包括:第三卷积层、第四卷积层、第一注意力层、第二注意力层、乘法器M2、乘法器M3和加法器A1;
所述第三卷积层的输入端分别与第四卷积层的输入端、乘法器M2的第一输入端和乘法器M3的第一输入端连接,并作为双通道注意模块的输入端;
所述第一注意力层的输入端与第三卷积层的输出端连接,其输出端与乘法器M2的第二输入端连接;
所述第二注意力层的输入端与第四卷积层的输出端连接,其输出端与乘法器M3的第二输入端连接;
所述加法器A1的第一输入端与乘法器M2的输出端连接,其第二输入端与乘法器M3的输出端连接,其输出端作为双通道注意模块的输出端。
所述第一注意力层的表达式为:,其中,yi为第一注意力层的第i个输出,xi为第一注意力层的第i个输入,e为自然常数,wxi为第一注意力层的第i个输入xi的权重,bxi为第一注意力层的第i个输入xi的偏置,i为正整数。
所述第二注意力层的表达式为:,其中,yj为第二注意力层的第j个输出,xj为第二注意力层的第j个输入,e为自然常数,j为正整数,M为第二注意力层的输入xj的数量。
本发明中第一注意力层和第二注意力层采用不同的注意力公式,提高不同数据特征的注意力,在获取有效特征的同时,能提高获取特征的数量。
所述S43中得到融合特征的表达式为:,其中,R为融合特征,I为电流特征,U为电压特征,α为电流特征I的比例系数,β为电压特征U的比例系数,α=0.5,β=0.5。
本发明中将电流特征和电压特征进行融合处理,通过融合特征共同反映车载天线的接收情况。
所述S5中评估车载天线的接收性能采用BP神经网络,BP神经网络包括:输入层、隐藏层和输出层,将融合特征作为输入层的输入,隐藏层采用tanh激活函数,输出层采用sigmoid激活函数。
本发明综合车载天线的电流和电压特征,通过电流和电压特征反映车载天线的综合接收性能。
本发明中将负载挂载在天线上,从而对天线施加不同模式的电磁波,不同模式的电磁波照射在天线上,根据负载上电压信号和电流信号的情况,提取出融合特征,根据融合特征,评估车载天线的接收性能,通过车载天线的电流和电压情况,反映车载天线接收时的性能情况,实现一种综合性的智能化的天线信号接收性能评估技术方案,解决现有技术中仅能对天线每一项具体测试数据进行分析,确定车载天线性能的问题。
以上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 (9)
1.一种车载天线的信号接收性能测试方法,其特征在于,包括以下步骤:
S1、将负载与车载天线连接;
S2、对连接后的车载天线进行不同模式的电磁波照射;
S3、分别采集电磁波照射后负载的电流和电压,得到电流信号和电压信号;
S4、提取电流信号和电压信号的融合特征;
S5、根据融合特征,评估车载天线的接收性能。
2.根据权利要求1所述的车载天线的信号接收性能测试方法,其特征在于,所述S2中电磁波的模式包括:TE波、TM波和TEM波。
3.根据权利要求1所述的车载天线的信号接收性能测试方法,其特征在于,所述S4包括以下分步骤:
S41、采用卷积神经网络特征提取模型提取电流信号的电流特征;
S42、采用卷积神经网络特征提取模型提取电压信号的电压特征;
S43、根据电流特征和电压特征,得到融合特征。
4.根据权利要求3所述的车载天线的信号接收性能测试方法,其特征在于,所述S41和S42中卷积神经网络特征提取模型包括:第一卷积层、转置运算层、乘法器M1、双通道注意模块、第二卷积层和下采样层;
所述第一卷积层的输入端作为卷积神经网络特征提取模型的输入端,其输出端分别与转置运算层的输入端和乘法器M1的第一输入端连接;
所述乘法器M1的第二输入端与转置运算层的输出端连接,其输出端与双通道注意模块的输入端连接;
所述第二卷积层的输入端与双通道注意模块的输出端连接,其输出端与下采样层的输入端连接;
所述下采样层的输出端作为卷积神经网络特征提取模型的输出端。
5.根据权利要求4所述的车载天线的信号接收性能测试方法,其特征在于,所述双通道注意模块包括:第三卷积层、第四卷积层、第一注意力层、第二注意力层、乘法器M2、乘法器M3和加法器A1;
所述第三卷积层的输入端分别与第四卷积层的输入端、乘法器M2的第一输入端和乘法器M3的第一输入端连接,并作为双通道注意模块的输入端;
所述第一注意力层的输入端与第三卷积层的输出端连接,其输出端与乘法器M2的第二输入端连接;
所述第二注意力层的输入端与第四卷积层的输出端连接,其输出端与乘法器M3的第二输入端连接;
所述加法器A1的第一输入端与乘法器M2的输出端连接,其第二输入端与乘法器M3的输出端连接,其输出端作为双通道注意模块的输出端。
6.根据权利要求5所述的车载天线的信号接收性能测试方法,其特征在于,所述第一注意力层的表达式为:
,其中,yi为第一注意力层的第i个输出,xi为第一注意力层的第i个输入,e为自然常数,wxi为第一注意力层的第i个输入xi的权重,bxi为第一注意力层的第i个输入xi的偏置,i为正整数。
7.根据权利要求5所述的车载天线的信号接收性能测试方法,其特征在于,所述第二注意力层的表达式为:,其中,yj为第二注意力层的第j个输出,xj为第二注意力层的第j个输入,e为自然常数,j为正整数,M为第二注意力层的输入xj的数量。
8.根据权利要求3所述的车载天线的信号接收性能测试方法,其特征在于,所述S43中得到融合特征的表达式为:
,
其中,R为融合特征,I为电流特征,U为电压特征,α为电流特征I的比例系数,β为电压特征U的比例系数,α=0.5,β=0.5。
9.根据权利要求1所述的车载天线的信号接收性能测试方法,其特征在于,所述S5中评估车载天线的接收性能采用BP神经网络,BP神经网络包括:输入层、隐藏层和输出层,将融合特征作为输入层的输入,隐藏层采用tanh激活函数,输出层采用sigmoid激活函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212865.8A CN117792538B (zh) | 2024-02-27 | 2024-02-27 | 一种车载天线的信号接收性能测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212865.8A CN117792538B (zh) | 2024-02-27 | 2024-02-27 | 一种车载天线的信号接收性能测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117792538A true CN117792538A (zh) | 2024-03-29 |
CN117792538B CN117792538B (zh) | 2024-05-10 |
Family
ID=90396715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410212865.8A Active CN117792538B (zh) | 2024-02-27 | 2024-02-27 | 一种车载天线的信号接收性能测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117792538B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110447146A (zh) * | 2016-12-21 | 2019-11-12 | 英特尔公司 | 无线通信技术、装置和方法 |
CN114530703A (zh) * | 2022-02-23 | 2022-05-24 | 福耀玻璃工业集团股份有限公司 | 车载天线装置、车载天线系统、玻璃和车辆 |
CN115115000A (zh) * | 2022-07-19 | 2022-09-27 | 广东工业大学 | 一种多尺度特征关注的机电设备故障诊断方法 |
WO2023092308A1 (zh) * | 2021-11-23 | 2023-06-01 | 华为技术有限公司 | 一种天线测试系统及方法 |
CN117250412A (zh) * | 2023-11-14 | 2023-12-19 | 深圳市芯亿无线科技有限公司 | 一种车载5g天线的测试方法及测试系统 |
CN117590092A (zh) * | 2023-10-16 | 2024-02-23 | 人天通信集团有限公司 | 天线辐射效率测量方法、系统及电子设备 |
-
2024
- 2024-02-27 CN CN202410212865.8A patent/CN117792538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110447146A (zh) * | 2016-12-21 | 2019-11-12 | 英特尔公司 | 无线通信技术、装置和方法 |
WO2023092308A1 (zh) * | 2021-11-23 | 2023-06-01 | 华为技术有限公司 | 一种天线测试系统及方法 |
CN114530703A (zh) * | 2022-02-23 | 2022-05-24 | 福耀玻璃工业集团股份有限公司 | 车载天线装置、车载天线系统、玻璃和车辆 |
CN115115000A (zh) * | 2022-07-19 | 2022-09-27 | 广东工业大学 | 一种多尺度特征关注的机电设备故障诊断方法 |
CN117590092A (zh) * | 2023-10-16 | 2024-02-23 | 人天通信集团有限公司 | 天线辐射效率测量方法、系统及电子设备 |
CN117250412A (zh) * | 2023-11-14 | 2023-12-19 | 深圳市芯亿无线科技有限公司 | 一种车载5g天线的测试方法及测试系统 |
Non-Patent Citations (1)
Title |
---|
刘雪明;赵塔;马昭钰;宋刚;郝宏海;李鸷;: "城市轨道交通车辆车载天线电磁兼容性分析与评估", 铁道车辆, no. 11, 10 November 2018 (2018-11-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN117792538B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101334434B (zh) | 利用小波变换提取电磁泄漏信号的电磁环境测试系统 | |
CN103558529B (zh) | 一种三相共筒式超高压gis局部放电的模式识别方法 | |
WO2020090143A1 (ja) | 電流パルス法による電池診断装置及び電池診断方法 | |
CN113884935B (zh) | 基于锂电池在线电化学阻抗谱测量的soh估算系统和方法 | |
CN110579690B (zh) | 一种配电网小电流接地故障区段定位方法 | |
CN103439631A (zh) | 接地网腐蚀状态检测方法及系统 | |
CN103698732B (zh) | 磁共振射频线圈性能评测方法和系统 | |
CN102279358A (zh) | 一种基于mcskpca的神经网络模拟电路故障诊断方法 | |
CN104535905A (zh) | 基于朴素贝叶斯分类的局部放电诊断方法 | |
CN114325403B (zh) | 基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统 | |
CN114881093B (zh) | 一种信号分类识别方法 | |
CN115616428A (zh) | 一种“充—检”一体电动汽车电池状态检测与评价方法 | |
CN103454622A (zh) | 基于稀疏约束的宽带雷达目标复回波去噪方法 | |
CN110048416A (zh) | S-g滤波和自适应mp算法的低频振荡模态辨识方法 | |
Salas et al. | Aggregation and sampling in deterministic chaos: implications for chaos identification in hydrological processes | |
CN117792538B (zh) | 一种车载天线的信号接收性能测试方法 | |
CN101614799B (zh) | 应用于电流传感器角差在线监测系统的信号分离择优方法 | |
CN110764152A (zh) | 一种无人机快速检测与识别的装置及方法 | |
CN101241872B (zh) | 一种分布式超声引线键合质量在线检测系统 | |
CN117056865A (zh) | 一种基于特征融合的机泵设备运行故障诊断方法及装置 | |
CN113740671A (zh) | 一种基于vmd和elm的故障电弧识别方法 | |
CN115684908A (zh) | 用于电力gis设备的状态监测方法、存储介质及电子装置 | |
CN105373884A (zh) | 一种电子设备效能的环境影响评估方法 | |
CN216848124U (zh) | 雷达接收机性能参数测试训练系统 | |
CN114778979A (zh) | 一种基于半实物仿真的整车emc诊断方法及诊断系统 |
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 |