CN106597262A - 一种基于K‑means算法的无线测试校准方法 - Google Patents

一种基于K‑means算法的无线测试校准方法 Download PDF

Info

Publication number
CN106597262A
CN106597262A CN201710030580.2A CN201710030580A CN106597262A CN 106597262 A CN106597262 A CN 106597262A CN 201710030580 A CN201710030580 A CN 201710030580A CN 106597262 A CN106597262 A CN 106597262A
Authority
CN
China
Prior art keywords
channel
cluster
calibration
means algorithms
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710030580.2A
Other languages
English (en)
Other versions
CN106597262B (zh
Inventor
王海
黄亮
王宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Gongjin Automotive Technology Co ltd
Original Assignee
Taicang T&W Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taicang T&W Electronics Co Ltd filed Critical Taicang T&W Electronics Co Ltd
Priority to CN201710030580.2A priority Critical patent/CN106597262B/zh
Publication of CN106597262A publication Critical patent/CN106597262A/zh
Application granted granted Critical
Publication of CN106597262B publication Critical patent/CN106597262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及无线测试领域，尤其涉及一种基于K‑means算法的无线测试校准方法，包括以下步骤：步骤一，通过分析同一片电路板以往的大量数据，统计出各信道之间的差值；步骤二，利用K‑means算法对待测信道进行聚类划分，随机给定K个簇中心，按照最邻近原则把待分类的信道gain值分到各个簇，得到簇中心信道；步骤三，校准各信道的簇中心信道，对其他信道簇内的剩余信道的调试初始值通过计算与所处信道簇中心信道的差值获取，完成校准。本发明大大提高了校准一次通过率，减少了调试次数，从而大幅缩短测试时间，提升了生产效率。

Description

一种基于K-means算法的无线测试校准方法
技术领域
本发明涉及无线测试领域，尤其涉及一种基于K-means算法的无线测试校准方法。
背景技术
互联网时代，无线网络在人们的生活中起着越来越重要的作用，因此，越来越多的产品也都带有了无线功能，为了确保无线功能的正常使用，在生产过程中，就必须要对无线芯片进行校准和测试，也就需要高效的校准算法来满足大批量生产的需要。
在生产过程中，往往会根据不同的硬件设计，甚至是同硬件设计的同批次的不同电路板，对每一片电路板都进行无线校准，并且需要写入的校准参数往往都不相同。但是由于需要校准的信道和测试项目比较多，往往耗时长，重测高，如何可以高效的完成测试，缩短测试时间，提升产能，就成为了一个需要解决的问题。
发明内容
本发明的目的在于提供一种基于K-means算法的无线测试校准方法，解决了现有技术中，对无线网络状态测试校因需要校准的信道和测试项目较多，导致准效率低，出错率高的问题。
为解决上述问题，本发明所采取的技术方案是：
一种基于K-means算法的无线测试校准方法，包括以下步骤：
步骤一，通过分析同一片电路板以往的大量数据，统计出各信道之间的差值；
步骤二，利用K-means算法对待测信道进行聚类划分，随机给定K个簇中心，按照最邻近原则把待分类的信道gain值分到各个簇，得到簇中心信道；
步骤三，校准各信道的簇中心信道，对其他信道簇内的剩余信道的调试初始值通过计算与所处信道簇中心信道的差值获取，完成校准。
进一步的技术方案是，上述利用K-means算法对待测信道进行聚类划分的具体方法是：
(1)随机给定K个簇中心，为待聚类的信道点寻找聚类中心；
(2)计算每个信道点到聚类中心信道点的距离，将每个信道点聚类到离该点最近的聚类中去；
(3)计算每个聚类中所有信道点的平均值，并将这个平均值作为新的聚类中心信道点；
(4)反复执行(2)和(3)步骤，直到类次数达到预定次数或聚类中心信道点的移动距离小于预定值为止，所述预定值可以通过测度函数来度量，一般都采用均方差作为标准测度函数。
进一步的，完成校准后，上传本次校准成功的校准数据，用于服务器更新校准参数记录，并生成更加符合本批次产品的各信道之间的差值，待下次使用。
采用上述技术方案所产生的有益效果在于：本发明通过从服务器获取各信道gain值以及差值，采用K-means算法对信道进行划分，获取k个信道簇，只需要校准各信道簇中心信道，其他信道簇内的剩余信道的调试初始值是通过计算与所处信道簇中心信道的差值获取，大大提高了校准一次通过率，减少了调试次数，从而大幅缩短测试时间，提升了生产效率。
附图说明
图1是本发明本发明一种基于K-means算法的无线测试校准方法所搭建的***示意图。
图2是本发明本发明一种基于K-means算法的无线测试校准方法中K-means算法的原理示意图。
图3是本发明本发明一种基于K-means算法的无线测试校准方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1和图3示出了本发明一种基于K-means算法的无线测试校准方法的一个实施例：一种基于K-means算法的无线测试校准方法，包括以下步骤：
步骤一，通过分析同一片电路板以往的大量数据，统计出各信道之间的差值，所述大量数据为包括软件不同和生产批次不相同的数据；
步骤二，利用K-means算法对待测信道进行聚类划分，随机给定K个簇中心，按照最邻近原则把待分类的信道gain值分到各个簇，得到簇中心信道，所述邻近原则是指依据广义的欧式距离来定义的，应用到本算法场景中，所述欧式距离是指信道与信道之间gain值误差值，在一定的阈值范围内就表示是邻近的；
步骤三，校准各信道的簇中心信道，对其他信道簇内的剩余信道的调试初始值通过计算与所处信道簇中心信道的差值获取，完成校准。
图2示出了本发明一种基于K-means算法的无线测试校准方法的一个优选实施例，上述利用K-means算法对待测信道进行聚类划分的具体方法是：
(1)随机给定K个簇中心，为待聚类的信道点寻找聚类中心；
(2)计算每个信道点到聚类中心信道点的距离，将每个信道点聚类到离该点最近的聚类中去；所述距离指信道与信道之间gain值误差值，误差越小越近邻，靠近的越紧密，就将其划分到同一个聚类簇中；反之，误差值越大越不近邻，距离较为疏远，将其划分到不同的聚类簇中。
(3)计算每个聚类中所有信道点的平均值，并将这个平均值作为新的聚类中心信道点；
(4)反复执行(2)和(3)步骤，直到类次数达到预定次数或聚类中心信道点的移动距离小于预定值为止，所述预定值可以通过测度函数来度量，一般都采用均方差作为标准测度函数。
图1还示出了本发明一种基于K-means算法的无线测试校准方法的一个优选实施例，完成校准后，上传本次校准成功的校准数据，用于服务器更新校准参数记录，并生成更加符合本批次产品的各信道之间的差值，待下次使用。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (3)

1.一种基于K-means算法的无线测试校准方法，其特征在于包括以下步骤：
步骤一，通过分析同一片电路板以往的大量数据，统计出各信道之间的差值；
步骤二，利用K-means算法对待测信道进行聚类划分，随机给定K个簇中心，按照最邻近原则把待分类的信道gain值分到各个簇，得到簇中心信道；步骤三，校准各信道的簇中心信道，对其他信道簇内的剩余信道的调试初始值通过计算与所处信道簇中心信道的差值获取，完成校准。
2.根据权利要求1所述的一种基于K-means算法的无线测试校准方法，其特征在于：利用K-means算法对待测信道进行聚类划分的具体方法是：
(1)随机给定K个簇中心，为待聚类的信道点寻找聚类中心；
(2)计算每个信道点到聚类中心信道点的距离；
(3)计算每个聚类中所有信道点的平均值，并将这个平均值作为新的聚类中心信道点；
(4)反复执行(2)和(3)步骤，直到类次数达到预定次数或聚类中心信道点的移动距离小于预定值为止。
3.根据权利要求1或2所述的一种基于K-means算法的无线测试校准方法，其特征在于：完成校准后，上传本次校准成功的校准数据，用于服务器更新校准参数记录，并生成更加符合本批次产品的各信道之间的差值，待下次使用。
CN201710030580.2A 2017-01-17 2017-01-17 一种基于K-means算法的无线测试校准方法 Active CN106597262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710030580.2A CN106597262B (zh) 2017-01-17 2017-01-17 一种基于K-means算法的无线测试校准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710030580.2A CN106597262B (zh) 2017-01-17 2017-01-17 一种基于K-means算法的无线测试校准方法

Publications (2)

Publication Number Publication Date
CN106597262A true CN106597262A (zh) 2017-04-26
CN106597262B CN106597262B (zh) 2019-06-07

Family

ID=58585534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710030580.2A Active CN106597262B (zh) 2017-01-17 2017-01-17 一种基于K-means算法的无线测试校准方法

Country Status (1)

Country Link
CN (1) CN106597262B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764458A (zh) * 2018-05-15 2018-11-06 武汉环宇智行科技有限公司 一种非均匀量化的模型压缩方法及***
CN111061865A (zh) * 2018-10-17 2020-04-24 武汉斗鱼网络科技有限公司 一种会话场景文本挖掘的方法及计算装置
CN113329418A (zh) * 2021-04-21 2021-08-31 中南大学 基于大规模mimo-noma***的用户分簇方法、***及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146313A (zh) * 2007-10-17 2008-03-19 中兴通讯股份有限公司 一种无线传播模型的校正方法
CN101826274A (zh) * 2010-04-16 2010-09-08 重庆大学 基于浮动车数据的矢量交通数字地图校正方法
CN102238604A (zh) * 2011-08-18 2011-11-09 无锡儒安科技有限公司 无线传感器网络故障诊断方法
US20120170830A1 (en) * 2010-06-14 2012-07-05 Carnegie Mellon University Method and system for systematic defect identification
CN104467986A (zh) * 2013-09-22 2015-03-25 深圳市共进电子股份有限公司 射频设备校准方法
CN104767574A (zh) * 2015-04-29 2015-07-08 太仓市同维电子有限公司 一种射频自动校准衰减校准***和校准方法
CN105846917A (zh) * 2016-03-16 2016-08-10 太仓市同维电子有限公司 一种基于无线测试的校准***及其校准方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146313A (zh) * 2007-10-17 2008-03-19 中兴通讯股份有限公司 一种无线传播模型的校正方法
CN101826274A (zh) * 2010-04-16 2010-09-08 重庆大学 基于浮动车数据的矢量交通数字地图校正方法
US20120170830A1 (en) * 2010-06-14 2012-07-05 Carnegie Mellon University Method and system for systematic defect identification
CN102238604A (zh) * 2011-08-18 2011-11-09 无锡儒安科技有限公司 无线传感器网络故障诊断方法
CN104467986A (zh) * 2013-09-22 2015-03-25 深圳市共进电子股份有限公司 射频设备校准方法
CN104767574A (zh) * 2015-04-29 2015-07-08 太仓市同维电子有限公司 一种射频自动校准衰减校准***和校准方法
CN105846917A (zh) * 2016-03-16 2016-08-10 太仓市同维电子有限公司 一种基于无线测试的校准***及其校准方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764458A (zh) * 2018-05-15 2018-11-06 武汉环宇智行科技有限公司 一种非均匀量化的模型压缩方法及***
CN108764458B (zh) * 2018-05-15 2021-03-02 武汉环宇智行科技有限公司 一种减少移动设备存储空间消耗以及计算量的方法及***
CN111061865A (zh) * 2018-10-17 2020-04-24 武汉斗鱼网络科技有限公司 一种会话场景文本挖掘的方法及计算装置
CN113329418A (zh) * 2021-04-21 2021-08-31 中南大学 基于大规模mimo-noma***的用户分簇方法、***及介质
CN113329418B (zh) * 2021-04-21 2022-04-05 中南大学 基于大规模mimo-noma***的用户分簇方法、***及介质

Also Published As

Publication number Publication date
CN106597262B (zh) 2019-06-07

Similar Documents

Publication Publication Date Title
CN109495920B (zh) 一种无线通信网络特征画像方法、设备和计算机程序产品
US20230300159A1 (en) Network traffic anomaly detection method and apparatus, and electronic apparatus and storage medium
CN106597262A (zh) 一种基于K‑means算法的无线测试校准方法
CN113655768B (zh) 装配良率控制方法、设备及计算机可读存储介质
CN116055182B (zh) 基于访问请求路径分析的网络节点异常识别方法
CN103916860B (zh) 无线传感器簇形网络中基于时空关联的离群数据检测方法
WO2018006631A1 (zh) 一种用户等级自动划分方法及***
CN112817954A (zh) 一种基于多种方法集成学习的缺失值插补方法
CN111476375A (zh) 一种确定识别模型的方法、装置、电子设备及存储介质
CN108537249A (zh) 一种密度峰值聚类的工业过程数据聚类方法
CN116502802A (zh) 一种基于大数据与无线传感技术的数据管理***
CN114449610A (zh) 一种基于网络划分的无线传感节点分簇及簇头选举方法
CN110047509A (zh) 一种两级子空间划分方法及装置
CN111814147B (zh) 基于模型库的安卓恶意软件检测方法
CN107609348B (zh) 高通量转录组数据样本分类数目估计方法
CN110784887B (zh) 网格化无线电信号监测***中异常信号源数量的检测方法
CN113254485A (zh) 实时数据流异常检测方法及***
CN109857881B (zh) 用于opc验证的验证图形的量化分析方法
CN104752259B (zh) 对具有与工艺水平不相称良率的芯片的分类方法
Ming et al. Ensemble learning based sleeping cell detection in cloud radio access networks
Chen et al. Real-time performance analysis of batch-based serial flexible production lines with geometric machines
CN106507365B (zh) 一种异构网络中的动态分簇方法
CN114117763B (zh) 一种基于移一交叉验证法的模型筛选方法
CN102682048A (zh) 一种自适应吸引传播聚类方法及装置
US20230153652A1 (en) Parameter optimization device and non-transitory computer readable medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240304

Address after: No. 1-4, No. 89 Jiangnan Road, Ludu Street, Taicang City, Suzhou City, Jiangsu Province, China

Patentee after: Suzhou Gongjin Automotive Technology Co.,Ltd.

Country or region after: China

Address before: 215400 Feihu North Road, Ludu Town, Taicang City, Suzhou City, Jiangsu Province

Patentee before: TAICANG T&W ELECTRONICS Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right