[发明专利]一种晶体振荡器的温度补偿方法及其温度补偿系统在审

专利信息
申请号: 202210966973.5 申请日: 2022-08-11
公开(公告)号: CN115133877A 公开(公告)日: 2022-09-30
发明(设计)人: 王科明;吴龙;章娟;袁练红 申请(专利权)人: 杭州科技职业技术学院
主分类号: H03B5/04 分类号: H03B5/04;H03B5/32;G06N3/04;G06N3/08
代理公司: 合肥市科融知识产权代理事务所(普通合伙) 34126 代理人: 吴伟栋
地址: 311402 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 晶体振荡器 温度 补偿 方法 及其 系统
【权利要求书】:

1.一种晶体振荡器的温度补偿方法,其特征在于,包括:

获取晶体振荡器阵列中各个晶体振荡器在多个预定时间点的温度数据;

将各个所述晶体振荡器在多个预定时间点的温度数据通过包含一维卷积层和全连接层的时序编码器以获得对应于各个所述晶体振荡器的第一特征向量;

对各个所述晶体振荡器的第一特征向量进行基于柯西损失的重参数化处理以获得各个所述晶体振荡器的校正后第一特征向量,其中,所述基于柯西损失的重参数化处理基于所述第一特征向量中各个位置的特征值为幂的自然指数函数值与所有所述第一特征向量的均值向量中各个位置的特征值为幂的自然指数函数值之差的对数函数值进行;

将各个所述晶体振荡器的第一特征向量进行二维排列以获得第一特征矩阵;

获取所述晶体振荡器阵列的拓扑矩阵,其中,所述拓扑矩阵中非对角线位置上各个位置的值为相应两个晶体振荡器之间的距离,所述拓扑矩阵中对角线位置上各个位置的值为零;

将所述拓扑矩阵通过使用空间注意力机制的卷积神经网络以获得拓扑特征矩阵;

将所述拓扑特征矩阵和所述第一特征矩阵通过图神经网络以获得第二特征矩阵,其中,所述图神经网络通过可学习的神经网络参数来生成包含不规则的拓扑信息和高维温度信息的特征表示;

从所述第二特征矩阵中提取待补偿的晶体振荡器对应的行向量作为解码特征向量;

将所述解码特征向量通过解码器以获得解码值,所述解码值为待补偿的晶体振荡器的加热电流值。

2.根据权利要求1所述的晶体振荡器的温度补偿方法,其中,将各个所述晶体振荡器在多个预定时间点的温度数据通过包含一维卷积层和全连接层的时序编码器以获得对应于各个所述晶体振荡器的第一特征向量,包括:

将各个所述晶体振荡器在多个预定时间点的温度数据按照时间维度排列为对应于各个所述晶体振荡器的一维的输入向量;

使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征,其中,所述公式为:其中X是输入向量,Y是输出向量,W是权重矩阵,B是偏置向量,表示矩阵乘;

使用所述时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征,其中,所述公式为:

其中,a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵,w为卷积核的尺寸。

3.根据权利要求2所述的晶体振荡器的温度补偿方法,其中,对各个所述晶体振荡器的第一特征向量进行基于柯西损失的重参数化处理以获得各个所述晶体振荡器的校正后第一特征向量,包括:

以如下公式对各个所述晶体振荡器的第一特征向量进行基于柯西损失的重参数化处理以获得各个所述晶体振荡器的校正后第一特征向量;

其中,所述公式为:

其中vi是所述第一特征向量的第i个位置的特征值,且是多个所述第一特征向量Vt到Vn的均值特征向量的第i个位置的特征值。

4.根据权利要求3所述的晶体振荡器的温度补偿方法,其中,将所述拓扑矩阵通过使用空间注意力机制的卷积神经网络以获得拓扑特征矩阵,包括:所述卷积神经网络的各层在层的正向传递过程中对输入数据分别进行:

对输入数据进行卷积处理以生成卷积特征图;

对所述卷积特征图进行池化处理以生成池化特征图;

对所述池化特征图进行非线性激活以生成激活特征图;

计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵;

计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵;以及

计算所述空间特征矩阵和所述空间得分图的按位置点乘以获得特征矩阵;

其中,所述卷积神经网络的最后一层输出的所述特征矩阵为所述拓扑特征矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州科技职业技术学院,未经杭州科技职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210966973.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top