买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安空间无线电技术研究所申请的专利宇航产品频谱测试的分辨率带宽智能化设置方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115494302B 。

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210964917.8，技术领域涉及：G01R23/16；该发明授权宇航产品频谱测试的分辨率带宽智能化设置方法及系统是由李新雷;戴利栋;杨宁彬;高妍;李磊;王湾;张进仓设计研发完成，并于2022-08-12向国家知识产权局提交的专利申请。

本宇航产品频谱测试的分辨率带宽智能化设置方法及系统在说明书摘要公布了：一种宇航产品频谱测试的分辨率带宽智能化设置方法及系统，包括：根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素；根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量；建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型；使用所述分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置。本发明根据产品频谱项目历史测试数据特点，提取频谱项目测试分辨率带宽设置的影响因素，利用机器学习方法在参数寻优上的优势，使用神经网络技术拟合分辨率带宽与其影响因素的非线性模型，实现了频谱项目测试分辨率带宽的智能化设置。

本发明授权宇航产品频谱测试的分辨率带宽智能化设置方法及系统在权利要求书中公布了：1.一种宇航产品频谱测试的分辨率带宽智能化设置方法，其特征在于包括： 根据产品频谱测试项目测试需要配置的常用参数，确定频谱项目自动配置的主要因素； 根据产品频谱测试项目历史测试数据特点，提取分辨率带宽设置的影响因素，构建特征向量； 建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型； 使用所述分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置； 所述产品频谱测试项目测试需要配置的常用参数包括：载波频率、带宽、内置衰减、参考电平、幅度分辨率、分辨率带宽、视频带宽； 载波频率、带宽是测试的输入条件； 内置衰减、参考电平、幅度分辨率的设置受被测信号输出功率的直接影响，其参数取值和被测信号输出功率是线性的函数关系； 内置衰减用于保护频谱仪内部的混频器，内置衰减最小值等于被测信号最大输出功率减去混频器最大输入功率值； 参考电平等于被测信号最大输出功率加上b，b0； 幅度分辨率等于被测信号最大输出功率减去被测信号最小输出功率，然后除以10； 视频带宽和分辨率带宽设置固定的倍数关系； 频谱测试项目自动配置的主要因素为分辨率带宽； 提取的分辨率带宽设置的影响因素包括：被测信号中心频率fc、带宽s、参考电平l、衰减a、扫描时间t和指标要求； 将分辨率带宽的影响因素作为设置分辨率带宽神经网络模型的输入向量因素，则输入特征向量表示为： X＝[fcslati] 对特征向量进行归一化处理，得到归一化特征向量；收集历史测试数据，制定数据特征向量Xk，k＝1,2,…,m，其中m为最大样本数；并对样本进行标记，设置标签值，则向量Xk及其对应的标签作为神经网络模型的样本集； 归一化特征向量，计算公式为： 其中，fmin和fmax为频谱仪测试频率，smin和smax为频谱仪测试带宽，lmin和lmax为频谱仪参考电平，amin和amax为频谱仪内部衰减，tmin和tmax为频谱仪扫描时间，imin和imax为行波管放大器常用指标要求； 建立分辨率带宽设置的神经网络模型，利用训练样本集训练神经网络模型，获得分辨率带宽预测模型，具体为： 构建全连接神经网络，即分辨率带宽设置的神经网络模型，网络模型结构包括一个输入层，3个隐藏层，一个输出层；根据所述构建的特征向量，输入层向量维数是6，输出层采用softmax分类，输出为10类分辨率带宽的设置概率；将训练样本集输入到神经网络模型中，设置训练迭代次数，批处理样本数量和学习率，不断训练优化网络模型，获得分辨率带宽预测模型； 所述使用分辨率带宽预测模型对频谱测试项目的分辨率带宽进行设置，具体为：将得到的分辨率带宽预测模型嵌入产品测试系统，读取参数被测信号中心频率fc、带宽s，自动识别参数参考电平l、衰减a、扫描时间t和指标要求i，生成实时特征向量，获得预设10类分辨率带宽的设置概率，取概率最大值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安空间无线电技术研究所，其通讯地址为：710100 陕西省西安市长安区航天基地东长安街504号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。