[發明專利]一種基于DNN的射頻功放溫度特性建模方法在審
| 申請號： | 201711409314.7 | 申請日： | 2017-12-22 |
| 公開（公告）號： | CN108287941A | 公開（公告）日： | 2018-07-17 |
| 發明（設計）人： | 馬建國;周紹華;傅海鵬 | 申請（專利權）人： | 天津大學 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50;G06N3/08;G06N3/10 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 吳學穎 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 射頻功率放大器 溫度特性 測試數據 射頻功放 訓練數據 建模 測試誤差 調整參數 實測數據 輸出變量 輸出結果 輸入變量 溫度區間 指標變化 預測 | ||
【權利要求書】：
1.一種基于DNN的射頻功放溫度特性建模方法，其特征在于，包括以下步驟：
步驟一，根據所獲得的射頻功率放大器溫度特性的實測數據選取DNN模型的訓練數據和測試數據；
步驟二，確定DNN模型的輸入變量(輸入功率、頻率和溫度)和輸出變量(輸出功率、S參數和PAE)；
步驟三，將訓練數據導入DNN模型中，對DNN模型進行訓練；
步驟四，將測試數據導入已經訓練好的DNN模型中，比較DNN模型輸出結果和測試結果并計算二者的誤差，即DNN模型的測試誤差MSE：
其中，mi表示DNN模型的測試結果，即DNN模型的理想輸出結果，oi表示DNN模型的輸出結果，即DNN模型的實際輸出結果，n表示樣本數量；
步驟五，比較DNN模型的測試誤差MSE和DNN模型精度期望值的大小，如果測試誤差MSE小于精度期望值，則DNN模型訓練完成；如果測試誤差MSE大于精度期望值，則需要通過調整參數(激勵函數F(￡)、隱藏層數L和隱藏神經元個數N)進行重新訓練，直到MSE小于精度期望值，訓練結束。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津大學，未經天津大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711409314.7/1.html，轉載請聲明來源鉆瓜專利網。
