CN119738764A 基于机器学习的无线电计量校准方法及系统_第1页
CN119738764A 基于机器学习的无线电计量校准方法及系统_第2页
CN119738764A 基于机器学习的无线电计量校准方法及系统_第3页
CN119738764A 基于机器学习的无线电计量校准方法及系统_第4页
CN119738764A 基于机器学习的无线电计量校准方法及系统_第5页
已阅读5页，还剩37页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(21)申请号202510262102.9(22)申请日2025.03.06(54)发明名称统(57)摘要对无线电的信号源进行参数测量，得到原始测量数据集基于原始测量数据集，提取频率精度特征、功率平坦度特征、相位噪声特征、谐波比值特征和环境变化特征，得到特征数据集将特征数据集划分为训练数据子集、验证数据子集和测试数据子集，并基于训练数据子集构建包含双分支神经网络的第一神经网络模型将验证数据子集输入第一神经网络模型进行模型参数优化，得到第二神经网络模型23根据所述第一神经网络模型的输出结果构建损失函数，对频率误差项赋第一权重系4基于所述第一神经网络模型的参数校准网络输出，对所述频率稳定度评估数据进行自对所述测试数据子集中的相位噪声测量数据计算多个频偏点的56附图说明79Ct=ft⊙Ct-1+it◎tanhYfinal=λycalib+(1-λL=λfδfl+λp|δp|+λRMSEL+λHZn=2|HLconstrained=L+amax(0,|δf-ef)+βmax(0,|δp|-Ep)+γmaxmt=β1mt-1+(1-β1)VeLconstVt=β2Vt-1+(1-β2)(VeLconstra对第二神经网络模型中参数校准网络的前五层参数进行固Nnew≥0.1Ntrain;练数据上学习到了有效的特征映射，因此无需频繁调整。设原有模型的参数为

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论