TWI461047B - 手機射頻發射功率校正系統及方法 - Google Patents

Description

手機射頻發射功率校正系統及方法

本發明涉及一種無線通訊裝置之校正系統及方法，尤其係關於一種手機射頻發射功率校正系統及方法。

具有無線通訊能力之裝置(例如手機，以下均以手機為例)，為確保手機射頻發射功率頻譜之使用效率及減少互相干擾，都需要對手機射頻發射功率進行校正，以符合各相關通訊規範之要求。通常需要取得手機發射功率與數模轉換(Digital/Analog Converter，DAC)值之間之關係，以做為手機實際運作時控制射頻發射功率之用途。

由於手機元件之間之差異，因此每一部手機於出廠之前均需進行校正，以得到手機射頻發射功率與DAC值之間之關係。通常係於DAC值之有效範圍內，依一定之間隔逐次增加，掃描過一次，將每一次相對應之發射功率記錄下來，即可製成發射功率與DAC值之間之曲線圖。然而，由於DAC值與發射功率之量測點需要有一定之選擇密度，如果選擇之量測點太少，所得之曲線代表性不足。如果選擇之量測點太多，所得之曲線較為準確，但增加校正時間。

鑒於以上內容，有必要提供一種手機射頻發射功率校正系統，藉由利用類神經網路之優良內插能力特性來達到加速校正手機射頻發射功率之目的。

此外，還有必要提供一種手機射頻發射功率校正方法，藉由利用類神經網路之優良內插能力特性來達到加速校正手機射頻發射功率之目的。

一種手機射頻發射功率校正系統，包括功率頻譜採集單元、發射功率校正單元及校正結果輸出單元。所述之發射功率校正單元包括：訓練樣本產生模組，用於接收所述之功率頻譜採集單元採集之手機射頻發射功率頻譜訊號，並獲取該頻譜訊號上之量測點來產生複數訓練樣本；類神經網路構建模組，用於利用產生之訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路；發射功率校正模組，用於利用構建之類神經網路對手機射頻發射功率進行校正，及產生並輸出校正結果至所述之校正結果輸出單元。

一種手機射頻發射功率校正方法，該方法包括如下步驟：採集手機射頻發射功率之頻譜訊號，並獲取該頻譜訊號上之量測點；根據獲取之量測點產生複數訓練樣本；利用產生之訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路；利用構建之類神經網路對採集之手機射頻發射功率進行校正，並產生相應之校正結果；根據校正結果產生並輸出手機射頻發射功率頻譜，該射頻發射功率頻譜係一種反應手機射頻發射功率與DAC值之間關係曲線圖。

相較於習知技術，本發明所述之手機射頻發射功率校正系統及方 法只需利用手機射頻發射功率頻譜訊號上較少數量之量測點，即可完成對手機射頻發射功率之全部量測，從而大量節省校正手機射頻發射功率之時間，提高手機生產效率。

1‧‧‧率頻譜採集單元

2‧‧‧發射功率校正單元

3‧‧‧校正結果輸出單元

21‧‧‧訓練樣本產生模組

22‧‧‧類神經網路構建模組

23‧‧‧發射功率校正模組

圖1係本發明手機射頻發射功率校正系統較佳實施例之架構圖。

圖2係一種類神經網路模型之結構圖。

圖3係圖2中類神經網路之神經元內部結構圖。

圖4係本發明手機射頻發射功率校正方法較佳實施例之流程圖。

圖5係圖4中之步驟S20產生訓練樣本之細化流程圖。

圖6係圖4中之步驟S30構建類神經網路之細化流程圖。

圖7係圖4中之步驟S40由類神經網路校正射頻發射功率之細化流程圖。

圖8係一種手機射頻發射功率頻譜圖。

圖9係藉由類神網路校正後之手機射頻發射功率頻譜圖。

如圖1所示，係本發明手機射頻發射功率校正系統較佳實施例之架構圖。該系統包括功率頻譜採集單元1、發射功率校正單元2及校正結果輸出單元3。所述之功率頻譜採集單元1用於採集複數(例如N 100部)手機之射頻發射功率頻譜訊號，並將該頻譜訊號輸入至發射功率校正單元2。所述之發射功率校正單元2用於獲取手機頻譜訊號上之量測點產生N組訓練樣本，利用該N組訓練樣本構建並訓練一個類神經網路(參閱圖2)，及利用該類神經 網路對手機射頻發射功率進行校正，並產生校正結果。所述之校正結果輸出單元3用於根據校正結果產生手機射頻發射功率頻譜。所述之射頻發射功率頻譜係一種反應手機射頻發射功率與數模轉換(Digital/Analog Converter，DAC)值之間關係曲線圖(參閱圖8)。

所述之發射功率校正單元2包括訓練樣本產生模組21、類神經網路構建模組22及發射功率校正模組23。其中，所述之訓練樣本產生模組21用於接收所述功率頻譜採集單元1採集之射頻發射功率之頻譜訊號，並獲取手機頻譜訊號上之量測點產生N組訓練樣本。所述之類神經網路構建模組22用於利用訓練樣本產生模組21產生之N組訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路。所述之發射功率校正模組23用於對利用構建出之類神經網路對所述功率頻譜採集單元1採集之手機射頻發射功率進行校正並產生校正結果。該發射功率校正模組23還用於將獲取量測點之發射功率進行正規劃運算或反正規劃運算得到相應之發射功率值，所述之正規劃運算或反正規劃運算法將於圖5及圖7中詳細描述。

如圖2所示，係一種類神經網路模型之結構圖。於本實施例中，所述之類神經網路構建模組22構建之類神經網路係一種較為常見且運用範圍較為廣泛之前傳式倒傳遞類神經網路(Feed-Forward Back-Propagation Neural Network)，或稱為倒傳遞類神經網路。該倒傳遞類神經網路之架構通常分為三層，其分別稱為輸入層、隱藏層與輸出層。每一層各有複數神經元，每一層之每一個神經元都與下一層之每一個神經元藉由神經突觸相連接。該類神 經網路之訊號流向為單向，由輸入層流往隱藏層，再由隱藏層流向輸出層。

如圖3所示，係圖2中之類神經網路之神經元內部結構圖。其中，每個神經元接收來自前一層每一神經元之訊號，每一個接收訊號先乘上神經突觸上之權重值(記為W_i)，經過加總後再經過一個轉換函數δ(y)，其函數運算式如下： ，其中“y”為接收訊號，“e”為轉換係數。

經轉換函數δ(y)轉換所得到之結果作為該神經元之輸出，並再往類神經網路之下一層傳遞。一般來說，類神經網路具有優良之內插能力，本發明即係利用該特性來達到加速射頻發射功率校正之目的。於本實施例中，利用類神經網路來對手機射頻發射功率進行校正，需將手機射頻發射功率之頻譜訊號之部分量測點饋入該類神經網路輸入層之神經元，經過該類神經網路計算與校正得到所有量測點，並將所有量測點輸出即可得到完整之射頻發射功率頻譜，從而達到校正手機射頻發射功率之目的。由此可知，類神經網路之“訓練知識”存在於神經突觸上之權重值，而要得到這些正確之權重值，必須預先準備一組訓練樣本。經過該訓練樣本對類神經網路訓練之後，即可得出神經突觸上之適當之權重值，而此訓練好之類神經網路就可以應用於大批量檢測及校正手機之射頻發射功率。

如圖4所示，係本發明手機射頻發射功率校正方法較佳實施例之流程圖。首先，功率頻譜採集單元1採集複數(例如N 100 部)手機之射頻發射功率之頻譜訊號，並將該頻譜訊號輸入至發射功率校正單元2(步驟S10)。訓練樣本產生模組21接收採集之射頻發射功率之頻譜訊號，並獲取手機頻譜訊號上之量測點來產生N組訓練樣本(步驟S20)。類神經網路構建模組22利用訓練樣本產生模組21產生之N組訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路(步驟S30)。發射功率校正模組23利用構建出之類神經網路對所述功率頻譜採集單元1採集之手機射頻發射功率進行校正，產生並輸出相應之校正結果至校正結果輸出單元3(步驟S40)。校正結果輸出單元3根據校正結果產生手機射頻發射功率頻譜，並輸出該射頻發射功率頻譜(步驟S50)。所述之射頻發射功率頻譜係一種反應手機射頻發射功率與DAC值之間之關係曲線圖，參閱圖8所示。

如圖5所示，係圖4中之步驟S20產生訓練樣本之細化流程圖。步驟S201，訓練樣本產生模組21接收所述功率頻譜採集單元1採集之射頻發射功率頻譜訊號，並獲取手機頻譜訊號上之所有量測點之DAC值與對應之射頻發射功率，其描述為{(DAC ₁,P ₁),(DAC ₂,P ₂),…,(DAC _M ,P _M )}，其中“M”代表獲取量測點之數量。步驟S202，發射功率校正模組23將射頻發射功率頻譜訊號上所有量測點之實際功率值{P ₁,P ₂,…,P _M }進行正規化運算，並得到所有量測點之正規化功率值{,,…,}。其中所述正規化運算法係將所有輸出功率對最大輸出功率P _max與最小輸出功率P _min之差距做正規化 運算，亦即，其中 <1。

步驟S203，訓練樣本產生模組21從所有量測點中選擇部分量測點之正規化功率值{,,…,}，其中：“T”代表選擇之時間間隔，“L”代表選擇部分量測點之數量，且L<M，L×T M。步驟S204，訓練樣本產生模組21以部分量測點之正規化功率值{,,…,}作為輸入，並以所有量測點之正規化功率值{,,…,}作為輸出建立用於構建並訓練一個類神經網路之訓練樣本。本實施例中，功率頻譜採集單元1採集了N部手機之射頻發射功率頻譜訊號，因此訓練樣本產生模組21產生了N組訓練樣本。

如圖6所示，係圖4中之步驟S30構建類神經網路之細化流程圖。步驟S301，類神經網路構建模組22接收一訓練樣本中部分量測點之正規化功率值{,,…,}輸入類神經網路輸入層之神經元，經類神經網路後由輸出層之神經元輸出實際功率值{P ₁,P ₂,…,P _M }。步驟S302，類神經網路構建模組22將所有量測點之實際功率值{P ₁,P ₂,…,P _M }與所有量測點之正規化功率值{,,…,}作比較得到一個誤差值，並計算該誤差值之均方差。

步驟S303，類神經網路構建模組22將該均方差輸入類神經網路進 行傳遞，並計算該類神經網路中輸出層及隱藏層所有神經元之權重應該改變之權重變化值δ _k及δ _h，其可以讓輸出之均方差變小。具體地，對輸出層神經元計算δ _k，則δ_k=o_k(1-o_k)(t_k-o_k)，其中o_k為輸出層神經元之實際輸出，t_k為輸出層神經元之目標輸出。對隱藏層神經元計算δ _h，δ_h=o_h(1-o_h)Σw_khδ_h，其中o_h為隱藏層神經元之實際輸出，t_h為隱藏層神經元之目標輸出。步驟S304，類神經網路構建模組22根據權重變化值δ _k及δ _h計算出該類神經網路中每一個神經元之權重值w_kh，最後按照如下公式計算出所有神經元之權重值：w_ji=w_ji+△w_ji，及△w_ji=ηδ_jx_ji，其中“η”為學習率。

步驟S305，類神經網路構建模組22判斷每個訓練樣本之均方差是否少於預設值(例如，0至1之間)。若還有訓練樣本之均方差大於等於預設值，則重新執行步驟S301至步驟S304直到所有訓練樣本之均方差少於預設值。若所有訓練樣本之均方差都小於預設值，步驟S306，則將計算出之權重值w_ji作為該類神經網路中各個神經元之目標權重值，以構建出該類神經網路。

如圖7所示，係圖4中之步驟S40由類神經網路校正射頻發射功率之細化流程圖。步驟S401，訓練樣本產生模組21接收功率頻譜採集單元1採集之射頻發射功率頻譜訊號，並獲取該射頻發射功率頻譜上部分量測點之DAC值與發射功率之對應值：{(DAC ₁,P ₁),(DAC _T ,P _T ),…,(DAC _LT ,P _LT )}。步驟S402，發射 功率校正模組23將部分量測點之正規化功率值{,,…,}由訓練好之類神經網路輸入層輸入，藉由該類神經網路校正後由輸出層輸出校正功率值{,,…,}。步驟S403，發射功率校正模組23將該校正功率值{,,…,}進行反正規劃運算得到所有量測點之目標功率值{P'₁,P'₂,…,P' _M }。步驟S404，發射功率校正模組23獲得該類神網路校正後所有量測點之DAC值與發射功率之對應值{(DAC ₁,P ₁),(DAC ₂,P ₂),…,(DAC _M ,P _M )}。

如圖8所示，係手機射頻發射功率頻譜圖，其反應了射頻發射功率與DAC值之間之曲線關係。如圖9所示，係為類神網路校正後之手機射頻發射功率頻譜圖。當部分預測點之功率值藉由類神網路校正後得到所有量測點之DAC值與發射功率之對應值{(DAC ₁,P'₁),(DAC ₂,P'₂),…,(DAC _M ,P' _M )}，再由校正結果輸出單元3根據該對應值產生校正後之手機射頻發射功率頻譜。

由此可知，本發明所述之手機射頻發射功率校正系統及方法僅利用較少數量之預測點，即可完成對手機射頻發射功率之全部量測，從而大量節省校正手機射頻發射功率之時間，例如當量測點數為原來之五分之一時，則可以節省80%之校正時間，從而提高手機生產效率。

以上所述僅為本發明之較佳實施例而已，且已達廣泛之使用功效 ，凡其他未脫離本發明所揭示之精神下所完成之均等變化或修飾，均應包含在下述之申請專利範圍內。

1‧‧‧率頻譜採集單元

2‧‧‧發射功率校正單元

3‧‧‧校正結果輸出單元

21‧‧‧訓練樣本產生模組

22‧‧‧類神經網路構建模組

23‧‧‧發射功率校正模組

Claims (10)

1. 一種手機射頻發射功率校正系統，包括功率頻譜採集單元、發射功率校正單元及校正結果輸出單元，所述之發射功率校正單元包括：訓練樣本產生模組，用於接收所述之功率頻譜採集單元採集之手機射頻發射功率頻譜訊號，並獲取該頻譜訊號上之量測點來產生複數訓練樣本；類神經網路構建模組，用於利用產生之訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路；及發射功率校正模組，用於利用構建之類神經網路對手機射頻發射功率進行校正，及產生並輸出校正結果至所述之校正結果輸出單元。
2. 如申請專利範圍第1項所述之手機射頻發射功率校正系統，其中所述之功率頻譜採集單元用於採集複數手機之射頻發射功率頻譜訊號，並將該頻譜訊號輸入至所述之發射功率校正單元。
3. 如申請專利範圍第1項所述之手機射頻發射功率校正系統，其中所述之發射功率校正模組還用於將所述量測點之發射功率進行正規劃運算或反正規劃運算得到相應之發射功率值。
4. 如申請專利範圍第1項所述之手機射頻發射功率校正系統，其中所述之校正結果輸出單元用於根據所述之校正結果產生手機射頻發射功率頻譜，該射頻發射功率頻譜係一種反應手機射頻發射功率與DAC值之間關係曲線圖。
5. 如申請專利範圍第1項所述之手機射頻發射功率校正系統，其中所述之類神經網路分為輸入層、隱藏層及輸出層，其中每一層各有複數神經元， 每一層之每一個神經元都與下一層之每一個神經元藉由神經突觸相連接。
6. 一種手機射頻發射功率校正方法，該方法包括如下步驟：採集手機射頻發射功率之頻譜訊號，並獲取該頻譜訊號上之量測點；根據獲取之量測點產生複數訓練樣本；利用產生之訓練樣本計算出所需構建的類神經網路內各個神經元之權重值，並根據各個神經元之權重值構建出該類神經網路；利用構建之類神經網路對採集之手機射頻發射功率進行校正，並產生相應之校正結果；及根據校正結果產生並輸出手機射頻發射功率頻譜，該射頻發射功率頻譜係一種反應手機射頻發射功率與DAC值之間關係曲線圖。
7. 如申請專利範圍第6項所述之手機射頻發射功率校正方法，其中所述之根據獲取之量測點產生複數訓練樣本之步驟包括：獲取手機頻譜訊號上之所有量測點之DAC值與對應之射頻發射功率{(DAC ₁,P ₁),(DAC ₂,P ₂),…,(DAC _M ,P _M )}，其中“M”代表獲取量測點之數量；將射頻發射功率頻譜訊號上所有量測點之實際功率值{P ₁,P ₂,…,P _M }進行正規化運算，並得到對應之正規化功率值{,,…,}；從所有量測點中選擇部分量測點之正規化功率值{,,…,}，其中“T”代表時間間隔，“L”代表部分量測點之數量，且L<M及L×T M；及以部分量測點之正規化功率值{,,…,}作為輸入並以所有量 測點之正規化功率值{,,…,}作為輸出建立所述類神經網路之訓練樣本。
8. 如申請專利範圍第7項所述之手機射頻發射功率校正方法，其中所述之正規化運算法係將所有實際功率值對最大輸出功率值P _max與最小輸出功 率值P _min按照正規化演算法 做正規化運算，其中0<<1。
9. 如申請專利範圍第6項所述之手機射頻發射功率校正方法，其中所述之利用產生之訓練樣本構建類神經網路之步驟包括：接收一組訓練樣本中部分量測點之正規化功率值{,,…,}輸入類神經網路輸入層之神經元，經類神經網路後由輸出層之神經元輸出實際功率值{P ₁,P ₂,…,P _M }；將所有量測點之實際功率值{P ₁,P ₂,…,P _M }與所有量測點之正規化功率值{,,…,}作比較得到誤差值，並計算該誤差值之均方差；將該均方差輸入類神經網路進行傳遞，並計算該類神經網路中隱藏層及輸出層所有神經元之權重應改變之權重變化值；判斷每組訓練樣本之均方差是否少於預設值；及若每組訓練樣本之均方差都小於預設值，則根據所述之權重變化值計算出作為類神經網路中各個神經元之目標權重值，以構建出該類神經網路。
10. 如申請專利範圍第6項所述之手機射頻發射功率校正方法，其中所述之利 用構建之類神經網路對採集之手機射頻發射功率進行校正之步驟包括：接收採集之射頻發射功率頻譜訊號，並獲取該射頻發射功率頻譜上部分量測點之DAC值與發射功率之對應值((DAC ₁,P ₁),(DAC _T ,P _T ),…,(DAC _LT ,P _LT )}；將部分量測點之正規化功率值{,,…,}由訓練好之類神經網路輸入層輸入，藉由該類神經網路校正後由輸出層輸出所有量測點之校正功率值{,,…,}；將所有量測點之校正功率值{,,…,}進行反正規劃運算得到所有量測點之目標功率值{P'₁,P'₂,…,P' _M }；及獲得藉由該類神網路校正後之所有量測點之DAC值與發射功率之對應值{(DAC ₁,P'₁),(DAC ₂,P'₂),…,(DAC _M ,P' _M )}。