【技术实现步骤摘要】
分离噪声以提高测试和测量系统中的机器学习预测准确性
[0001]相关申请的交叉引用
[0002]本公开要求于2022年6月15日提交的、题为“SEPARATING NOISE TO INCREASE MACHINE LEARNING PREDICTION ACCURACY IN A TEST AND MEASUREMENT SYSTEM”的美国临时申请第63/352,592号的权益,该美国临时申请的公开内容通过引用整体地并入到本文中。
[0003]本公开涉及测试和测量系统,并且更特别地涉及测试和测量系统的机器学习组件。
[0004]描述
[0005]各自在2022年3月22日提交的、题为“OPTICAL TRANSMITTER TUNING USING MACHINE LEARNING AND REFERENCE PARAMETERS”的美国专利申请第17/701,186号和题为“OPTICAL TRANSCEIVER TUNING USING MACHINE LEARNING”的美国专利申请第17/701,411号,描述了在调谐光收发器的过程中采用机器学习组件的测试和测量系统,这可以包括测量或预测光发射器或收发器的发射器色散眼图闭合四相(Transmitter Dispersion Eye Closure Quaternary)(TDECQ)值。2022年5月18日提交的、题为“SHORT PATTERN WAVEFORM DATABASE BASED MACHINE LEARNING FOR ME ...
【技术保护点】
【技术特征摘要】
1.一种测试和测量仪器,包括:输入端口,用于允许仪器从被测设备(DUT)接收一个或多个波形;一个或多个低通滤波器,用于从一个或多个波形中去除噪声的一部分,以产生一个或多个滤波波形;以及一个或多个处理器,其被配置成执行代码,所述代码使得一个或多个处理器:从一个或多个波形中选择一个或多个波形模式;测量一个或多个波形中的噪声,并生成从一个或多个波形中去除的噪声的噪声表示;使用一个或多个波形模式和一个或多个滤波波形来创建一个或多个波形的一个或多个图像;将噪声表示添加到一个或多个波形的一个或多个图像,以产生至少一个组合图像;将至少一个组合图像输入到一个或多个深度学习网络;以及从一个或多个深度学习网络接收DUT的一个或多个预测值。2.根据权利要求1中所述的测试和测量仪器,其中,所述一个或多个低通滤波器包括用于产生第一滤波波形的第一低通滤波器和用于产生第二滤波波形的第二低通滤波器,并且使得所述一个或多个处理器创建至少一个组合图像的所述代码包括使得所述一个或多个处理器执行以下操作的代码:使用波形模式和来自第一低通滤波器的第一滤波波形来创建波形的电平图像;以及使用波形模式和来自第二低通滤波器的第二滤波波形来创建波形的脉冲图像。3.根据权利要求2中所述的测试和测量仪器,其中,第一低通滤波器具有低于第二低通滤波器的通带。4.根据权利要求1中所述的测试和测量仪器,其中,所述端口还允许仪器接收DUT的温度数据,并且每个波形的组合图像包括温度数据的表示。5.根据权利要求1中所述的测试和测量仪器,其中,使得所述一个或多个处理器测量噪声的所述代码使得一个或多个处理器:从波形中减去滤波波形以找到差异;找到差异的标准偏差;以及使用标准偏差来生成噪声表示。6.根据权利要求1中所述的测试和测量仪器,其中,所述一个或多个预测值包括预测的发射器色散和眼图闭合四相值以及前馈均衡器抽头。7.根据权利要求6中所述的测试和测量仪器,其中,使得所述一个或多个处理器创建一个或多个图像的所述代码包括使得所述一个或多个处理器创建包括噪声的电平和脉冲图像的代码。8.根据权利要求1中所述的测试和测量仪器,其中,所述一个或多个预测值包括DUT的操作参数。9.根据权利要求8中所述的测试和测量仪器,其中,使得处理器创建一个或多个波形的一个或多个图像的所述代码包括使得所述一个或多个处理器执行以下操作的代码:从DUT接收一个或多个波形,由所述DUT产生的所述一个或多个波形中的每个都被配置有一组不同的参考操作参数;通过创建电平和脉冲图像以及来自DUT的一个或多个波形中的每个的电平图像来创建
一个或多个图像;以及将一个或多个波形中的每个的电平和脉冲图像、脉冲图像以及噪声表示放置在DUT的至少一个组合图像中的不同颜色通道上。10.根据权利要求8中所述的测试和测量仪器,其中,使得所述一个或多个处理器将所述至少一个组合图像输入到所述一个或多个深度学习网络的所述代码包括使得所述一个或多个处理器执行以下操作的代码:将第一组合图像输入到所述一个或多个深度学习网络中的第一深度学习网络,所述第一组合图像包括电平和脉冲图像以及噪声表示;以及将第二组合图像输入到所述一个或多个深度学习网络中的第二深度学习网络,所述第二组合图像包括到所述一个或多个深度学习网络中的第二深度学习网络的电平图像和噪声表示。11.根据权利要求1中所述的测试和测量仪器,所述一个或多个处理器进一步被配置成执行代码,所述代码使得所述一个或多个处理器通过以下方式来训练所述一个或多个深度学习网络:使用来自多个被测设备的多个波形的常规测试来获取性能测量的值;针对多个波形中的每个,从至少一个组合图像创建至...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。