一种低噪声放大变频器设备的精细控制方法与流程

本发明涉及设备控制，尤其涉及一种低噪声放大变频器设备的精细控制方法。

背景技术：

1、噪声是一种杂乱的无用信号，它会干扰和掩盖有效信号，降低系统的信噪比和灵敏度，低噪声放大变频器是一种特定的电子设备，结合了低噪声放大器（low noiseamplifier, lna）和变频器的功能，可以将信号的幅度放大并转化成不同的频率，同时保持噪声水平尽可能低，在一些对信号质量要求较高的应用领域中，如无线通信、雷达、无线电频谱分析等领域被广泛使用。

2、但现有的低噪声放大变频器设备控制方法主要是通过反馈控制，反馈控制是一种常用的控制方法，通过将放大器的输出与期望的输出进行比较，将误差信号反馈到控制回路中进行调整，通过反馈控制可以根据实时的误差信息来调整放大器的参数，以使输出更接近期望值，但反馈控制的性能高度依赖于控制器的灵敏度和稳定补偿，会出现过度补偿或不足补偿的问题，导致对噪声放大变频器设备的控制准确度较差，因此，如何更精细地对低噪声放大变频器进行控制成为亟待解决的问题。

技术实现思路

1、本发明提供一种低噪声放大变频器设备的精细控制方法，其主要目的在于解决低噪声放大变频器设备的控制精度较差的问题。

2、为实现上述目的，本发明提供的一种低噪声放大变频器设备的精细控制方法，包括：

3、获取低噪声放大变频器设备的待变频信号，对所述待变频信号进行信号重构，得到重构信号；

4、对所述重构信号进行时频重排，得到所述待变频信号的时频图，对所述时频图中的时频数据进行数据压缩及双线性插值，得到目标时频图；

5、对所述目标时频图进行多层次的深度卷积，得到多个卷积特征图，对所述卷积特征图进行特征剪枝，得到剪枝特征图；

6、根据所述剪枝特征图提取所述待变频信号中的目标信号，根据低噪声放大变频器设备计算所述目标信号的参数指标；

7、根据所述参数指标计算所述低噪声放大变频器设备的最优参数，利用所述最优参数对所述低噪声放大变频器设备进行参数控制。

8、可选地，所述对所述待变频信号进行信号重构，得到重构信号，包括：

9、对所述待变频信号进行变分模态分解，得到多个模态分解分量；

10、分别计算每个所述模态分解分量与所述待变频信号之间的相似距离，根据所述相似距离从所述多个模态分解分量中选取目标模态分解分量；

11、利用所述目标模态分解分量进行信号重构，得到重构信号。

12、可选地，所述分别计算每个所述模态分解分量与所述待变频信号之间的相似距离，包括：

13、对每个所述模态分解分量及所述待变频信号进行最大似然估计，得到所述待变频信号的概率密度；

14、根据所述概率密度生成采样信号点，根据所述采样信号点计算信号均值及协方差矩阵；

15、根据所述信号均值及所述协方差矩阵计算每个所述模态分解分量与所述待变频信号之间的相似距离；

16、利用如下公式计算每个所述模态分解分量与所述待变频信号之间的相似距离：其中，表示第个模态分解分量与待变频信号之间的相似距离，表示待变频信号的信号均值，表示第个模态分解分量的信号均值，表示转置，表示协方差矩阵的逆矩阵，表示采样信号点的总数，表示待变频信号中的第个采样信号点，表示第个模态分解分量中的第个采样信号点。

17、可选地，所述对所述重构信号进行时频重排，得到所述待变频信号的时频图，包括：

18、对所述重构信号进行短时傅里叶变换，得到所述待变频信号的时频域分布；

19、计算所述时频域分布中每个时频点的能量密度梯度，根据所述能量密度梯度计算所述时频点的重心位置；

20、利用如下公式计算所述时频域分布中每个时频点的能量密度梯度：其中，表示时频点的能量密度梯度，表示时频点的能量密度， 表示时频点的能量密度，表示重构信号在时间域上对信号进行采样的间隔， 表示时频点的能量密度，表示时频点的能量密度，表示频率域上对重构信号进行分析的间隔；

21、根据所述重心位置所述时频点进行位置重排，得到所述待变频信号的时频图。

22、可选地，所述对所述时频图中的时频数据进行数据压缩及双线性插值，得到目标时频图，包括：

23、利用预设的测量矩阵对所述时频图中的时频数据进行压缩，得到压缩时频图；

24、获取预设的目标时频图的图片尺寸，根据所述图片尺寸计算所述时频图中的时频数据的插值坐标；

25、对所述时频数据进行双向插值计算，得到每个所述插值数据对应的插值时频数据；

26、根据所述插值坐标及所述插值时频数据生成目标时频图。

27、可选地，所述对所述目标时频图进行多层次的深度卷积，得到多个卷积特征图，包括：

28、利用预构建的卷积层分别对所述目标时频图进行通道卷积，得到通道卷积特征；

29、对所述通道卷积特征进行元素加权求和，得到每个卷积层的卷积特征图；

30、汇集所述卷积特征图，得到多个卷积特征图。

31、可选地，所述对所述卷积特征图进行特征剪枝，得到剪枝特征图，包括：

32、分别将所述卷积特征图进行特征映射，得到一维特征向量；

33、根据所述一维特征向量构建卷积特征矩阵，及构建每个卷积特征图的参数矩阵；

34、根据所述卷积特征矩阵及所述参数矩阵计算每个所述卷积特征图的剪枝权重；

35、利用如下公式计算每个所述卷积特征图的剪枝权重：其中，表示第个卷积特征图的表示哈达玛积，剪枝权重，表示卷积特征矩阵，表示第个卷积特征图的参数矩阵，表示哈达玛积，表示核范数；

36、根据所述剪枝权重对所述卷积特征图进行剪枝，得到剪枝特征图。

37、可选地，所述根据所述剪枝特征图提取所述待变频信号中的目标信号，包括：

38、对所述剪枝特征图进行通道重排，得到重排特征图，对所述重排特征图进行特征融合，得到目标特征图；

39、对所述目标特征图进行最大池化及特征压缩，得到一维目标向量；

40、对所述一维目标向量进行全连接及激活计算，得到所述待变频信号中的目标信号。

41、可选地，所述根据低噪声放大变频器设备计算所述目标信号的参数指标，包括：

42、获取预设的参数组合集，采集所述低噪声放大变频器在所述参数组合集中每个参数组合下目标信号的输出噪声功率及输出信号电平；

43、根据所述输出噪声功率及所述参数组合计算所述参数组合的噪声系数及信号增益；

44、利用如下公式计算所述参数组合的噪声系数及信号增益：其中，表示噪声系数，表示输出噪声功率，表示参数组合中的玻尔兹曼常数，表示参数组合中的绝对温度，表示参数组合中的带宽，表示信号增益，参数组合下的输出信号电平，表示目标信号的信号电平；

45、汇集所述噪声系数及所述信号增益，得到所述参数组合的参数指标。

46、可选地，所述根据所述参数指标计算所述低噪声放大变频器设备的最优参数，包括：

47、根据所述参数指标拟合噪声系数函数及信号增益函数，根据所述噪声系数函数及所述信号增益函数构建目标函数；

48、初始化粒子总群，利用所述目标函数计算所述粒子总群中每个粒子的目标函数值；

49、计算所述目标函数值的平均函数值，根据所述平均函数值计算所述粒子的更新参数；

50、利用如下公式计算所述粒子的更新参数，包括：其中，表示第个粒子的更新参数中的惯性权重，表示预设的最小值，表示预设的最大值，表示大于平均函数值的粒子群的平均函数值，表示第个粒子的目标函数值，表示小于平均函数值的粒子群的平均函数值，表示更新参数中的第一学习因子，表示更新参数中的第二学习因子，表示当前迭代次数，表示预设的迭代次数阈值；

51、根据所述更新参数对所述粒子总群进行迭代，直至迭代的次数达到预设的次数阈值，得到更新粒子总群；

52、计算所述更新粒子总群中每个粒子的更新目标函数值，根据所述更新目标函数值确定所述低噪声放大变频器设备的最优参数。

53、本发明实施例通过对待变频信号进行信号重构，可以去除干扰信号以及噪声信号得到信息更准确的重构信号；对重构信号进行时频重排，得到时频图，对时频图进行数据压缩及双线性插值，得到目标时频图，可以减小数据量的同时保留特征信息，同时目标时频图可以直接进行后续多层次的深度卷积，提高计算效率；通过多层次的深度卷积，得到多个卷积特征图，对卷积特征图进行特征剪枝，可以卷积特征图中的冗余特征数据，提高目标信号提取的准确度；根据特征剪枝后的剪枝特征图提取目标信号，可以精确地对待变频信号中的信号来源进行分类，得到需要进行放大变频的目标信号；计算目标信号的参数指标，计算最优参数指标对应的最优参数，可以实现对低噪声放大变频器设备的精细控制。因此本发明提出的低噪声放大变频器设备的精细控制方法，可以解决低噪声放大变频器设备的控制精度较差的问题。