[发明专利]预测天线频率的方法、装置及电子设备

说明书

本申请公开了一种预测天线频率的方法、装置及电子设备。其中，该方法包括：获取第一谐振频率值，其中，第一谐振频率值为通过第一模型得到的，第一模型为天线在预设精度下迭代第一预设次数得到的；获取第二谐振频率值，其中，第二谐振频率值为通过第二模型得到的，第二模型为天线在预设精度下迭代第二预设次数得到的；至少依据第一谐振频率值和第二谐振频率值，确定第一模型和第二模型之间的映射关系；依据映射关系生成预测模型，通过预测模型对天线的目标谐振频率值进行预测。本申请解决了现有技术中选用高精度离散数据集以提高模型的预测精度导致计算代价太高的技术问题。

技术领域

本申请涉及天线技术领域，具体而言，涉及一种预测天线频率的方法、装置及电子设备。

背景技术

近年来，人工神经网络(ANN)、支持向量机(SVM)和高斯过程(GP)等方法在分析天线问题中的应用越来越广泛。但ANN结构相对复杂，需要大量的电磁仿真数据，且易呈现网络结构较难确定、泛化能力差等问题；SVM也存在着核参数难以选择、易过拟合以及预测输出不具备概率意义的缺点。GP与SVM和ANN相比更容易实现，并且其超参数可以自适应获取，同时预测输出值也具有概率意义。然而，高斯过程建模最大的限制便是其训练数据往往选用高精度离散数据集以保证模型有足够的预测精度，因此计算代价太高。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种预测天线频率的方法、装置及电子设备，以至少解决现有技术中选用高精度离散数据集以提高模型的预测精度导致计算代价太高的技术问题。

根据本申请实施例的一个方面，提供了一种预测天线频率的方法，包括：获取第一谐振频率值，其中，第一谐振频率值为通过第一模型得到的，第一模型为天线在预设精度下迭代第一预设次数得到的；获取第二谐振频率值，其中，第二谐振频率值为通过第二模型得到的，第二模型为天线在预设精度下迭代第二预设次数得到的；至少依据第一谐振频率值和第二谐振频率值，确定第一模型和第二模型之间的映射关系；依据映射关系生成预测模型，通过预测模型对天线的目标谐振频率值进行预测。

可选地，获取第一谐振频率值，包括：获取目标数量的天线的尺寸信息和对应的天线的工作频率；将目标数量的尺寸信息和工作频率输入第一模型中，得到目标数量的第一谐振频率值。

可选地，获取第二谐振频率值，包括：从目标数量中选取第一数量；将第一数量所对应的尺寸信息和工作频率输入第二模型中进行处理，得到第一数量的第二谐振频率值。

可选地，确定第一模型和第二模型之间的映射关系之后，方法还包括：依据映射关系，预测第二数量的频率值在第二模型下对应的第三谐振频率值，其中，第二数量的频率值为目标数量的第一谐振频率值中除第一数量的频率值之外的其他频率值。

可选地，依据映射关系生成预测模型，包括：获取第一数据集，其中，第一数据集包括第二谐振频率值、第一数量的频率值对应的天线的尺寸信息和第一数量的频率值对应的天线的工作频率；获取第二数据集，其中，第二数据集包括第三谐振频率值、第二数量的频率值对应的天线的尺寸信息和第二数量的频率值对应的天线的工作频率；依据第一数据集和第二数据集，确定目标数据集；依据目标数据集和映射关系，生成预测模型。

可选地，通过预测模型对天线的目标谐振频率值进行预测之后，方法还包括：获取在第二谐振频率值处的第一回波损耗，以及获取在第三谐振频率值处的第二回波损耗；依据第一回波损耗和第二回波损耗，确定预测模型的多种评价指标；依据多种评价指标，确定预测模型的预测精度。

可选地，第一预设次数小于第二预设次数。