申请/专利权人：北京雷格讯电子股份有限公司

申请日：2024-01-25

公开（公告）日：2024-06-18

公开（公告）号：CN117896020B

主分类号：H04B17/15

分类号：H04B17/15;H04B17/29

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种微波收发通信系统的测试方法及测试系统，涉及智能化测试技术领域，其获取多组发射信号的参数值和多组接收信号的参数值；将所述多组发射信号的参数值分别排列为输入向量以得到多组发射信号参数输入向量；将所述多组接收信号的参数值分别排列为输入向量以得到多组接收信号参数输入向量；对所述多组发射信号参数输入向量和所述多组接收信号参数输入向量进行综合分析以得到微波收发通信系统全域性能特征向量，确定被测试微波收发通信系统的性能是否符合预定标准，可以学习发射信号和接收信号之间的隐含关联，并从中学习和理解微波收发通信系统的内在规律和性能，实现对微波收发通信系统的测试。

主权项：1.一种微波收发通信系统的测试方法，其特征在于，包括：获取多组发射信号的参数值和多组接收信号的参数值；将所述多组发射信号的参数值分别排列为输入向量以得到多组发射信号参数输入向量；将所述多组接收信号的参数值分别排列为输入向量以得到多组接收信号参数输入向量；对所述多组发射信号参数输入向量和所述多组接收信号参数输入向量进行综合分析以得到微波收发通信系统全域性能特征向量；以及基于所述微波收发通信系统全域性能特征向量，确定被测试微波收发通信系统的性能是否符合预定标准；其中，对所述多组发射信号参数输入向量和所述多组接收信号参数输入向量进行综合分析以得到微波收发通信系统全域性能特征向量，包括：利用深度学习网络模型对所述多组发射信号参数输入向量和所述多组接收信号参数输入向量分别进行特征提取以得到多组发射信号参数关联特征向量和多组接收信号参数关联特征向量；基于所述多组发射信号参数关联特征向量，对所述多组接收信号参数关联特征向量进行优化以得到多组优化后接收信号参数关联特征向量；以及计算每组对应的发射信号参数关联特征向量和优化后接收信号参数关联特征向量之间的相关度以得到由多个相关度组成的所述微波收发通信系统全域性能特征向量；其中，所述深度学习网络模型为基于一维卷积层的参数间关联特征提取器；其中，所述基于一维卷积层的参数间关联特征提取器包括：输入层、卷积层、池化层、激活层和输出层；其中，计算每组对应的发射信号参数关联特征向量和优化后接收信号参数关联特征向量之间的相关度以得到由多个相关度组成的所述微波收发通信系统全域性能特征向量，包括：以如下相关度公式来计算所述多组发射信号参数关联特征向量中各组发射信号参数关联特征向量与所述多组优化后接收信号参数关联特征向量中各组优化后接收信号参数关联特征向量之间的相关度，其中，所述相关度公式为： ；其中，表示所述多组发射信号参数关联特征向量中第组发射信号参数关联特征向量与所述多组优化后接收信号参数关联特征向量中第组优化后接收信号参数关联特征向量之间的相关度，表示所述多组发射信号参数关联特征向量中第组发射信号参数关联特征向量，且表示所述多组优化后接收信号参数关联特征向量中第组优化后接收信号参数关联特征向量，表示转置操作；以及将多个所述相关度进行二维排列以得到所述微波收发通信系统全域性能特征向量；其中，基于所述微波收发通信系统全域性能特征向量，确定被测试微波收发通信系统的性能是否符合预定标准，包括：将所述微波收发通信系统全域性能特征向量通过分类器以得到分类结果，所述分类结果用于表示被测试微波收发通信系统的性能是否符合预定标准；其中，将所述微波收发通信系统全域性能特征向量通过分类器以得到分类结果，所述分类结果用于表示被测试微波收发通信系统的性能是否符合预定标准，包括：使用所述分类器的多个全连接层对所述微波收发通信系统全域性能特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

全文数据：

权利要求：

百度查询： 北京雷格讯电子股份有限公司 一种微波收发通信系统的测试方法及测试系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD