[发明专利]一种接收机射频链路非线性效应的模型筛选方法、平台有效
申请号: | 202110908338.7 | 申请日: | 2021-08-09 |
公开(公告)号: | CN113591390B | 公开(公告)日: | 2023-10-13 |
发明(设计)人: | 严发宝;于永林;尚自乾;张磊;陈耀 | 申请(专利权)人: | 山东大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F18/214;G06F119/02 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 祖之强 |
地址: | 264209 *** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 接收机 射频 非线性 效应 模型 筛选 方法 平台 | ||
本发明提供了一种接收机射频链路非线性效应的模型筛选方法、平台。该方法包括,获取接收机的信号源及测试输出数据;利用已有的先验知识结合接收机机理,选择一个验前假定模型;对验前假定模型的模型参数进行辨识,得到参数辨识后的验前假定模型;基于信号源及测试输出数据,采用参数辨识后的验前假定模型,得到的结果与真实系统结果进行对比,判断误差的大小是否达到设定的阈值,若是,得到建模的模型,否则,重新选定验前假定模型进行参数辨识、验证的过程。
技术领域
本发明属于建模技术领域,尤其涉及一种接收机射频链路非线性效应的模型筛选方法、平台。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
目前接收机射频链路非线性效应的建模主要集中在高精度模型的研究,尤其以X参数模型、基于机器学习的模型为重点,但建模的过程,模型精度是决定建模效果的一方面,非线性效应测试、模型参数辨识也是决定建模效果的重点。由于在研究非线性效应建模工作中,基本上都是临时搭建测试平台进行测试,因此相同链路在不同测试平台中存在一定的差异,导致模型精度比对时难以客观的进行比较。因此,现有技术无法在同一平台进行多个模型的选择和显示,且无法根据输入的数据选择最合适的模型。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种接收机射频链路非线性效应的模型筛选方法、平台,其可以为多类型建模提供平台,尤其是在新模型的研究中提供相同数据下模型精度的同平台比较。每种模型都有其相应的建模优点,在一定带宽、环境下选用精度最高的模型,大大提升接收机链路的性能。因此接收机射频链路非线性效应多类型建模平台的建立尤为重要。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种接收机射频链路非线性效应的模型筛选方法。
一种接收机射频链路非线性效应的模型筛选方法,包括:
获取接收机的信号源及测试输出数据;
利用已有的先验知识结合接收机机理,选择一个验前假定模型;
对验前假定模型的模型参数进行辨识,得到参数辨识后的验前假定模型;
基于信号源及测试输出数据,采用参数辨识后的验前假定模型,得到的结果与真实系统结果进行对比,判断误差的大小是否达到设定的阈值,若是,得到建模的模型,否则,重新选定验前假定模型进行参数辨识、验证的过程。
本发明的第二个方面提供一种接收机射频链路非线性效应的模型筛选平台。
一种接收机射频链路非线性效应的模型筛选平台,包括:
数据获取模块,其被配置为:获取接收机的信号源及测试输出数据;
模型选择模块,其被配置为:利用已有的先验知识结合接收机机理,选择一个验前假定模型;
参数辨识模块,其被配置为:对验前假定模型的模型参数进行辨识,得到参数辨识后的验前假定模型;
验证模型,其被配置为:基于信号源及测试输出数据,采用参数辨识后的验前假定模型,得到的结果与真实系统结果进行对比,判断误差的大小是否达到设定的阈值,若是,得到建模的模型,否则,重新选定验前假定模型进行参数辨识、验证的过程。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的接收机射频链路非线性效应的模型筛选方法中的步骤。
本发明的第四个方面提供一种计算机设备。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110908338.7/2.html,转载请声明来源钻瓜专利网。