System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于测试,具体涉及一种面向天线测试的数据分析流程建模的系统及方法。
技术介绍
1、天线测试数据是天线设计和性能评估的关键数据源,为保证产品质量,天线测试数据分析越来越受到天线产品设计、研发和生产企业的重视。目前,大多数的天线测试数据分析软件,能模拟各种复杂结构,提供丰富的数据处理、计算和分析工具,具有分析效率高、软件简便易上手等优点。具体实现方法主要有以下两种:第一种是定制化的编码式开发,专注于特定领域或类型的天线设备,被测设备产生的测试数据在进行分析前,需要设计定制化的数据分析流程、筛选相关的数据处理分析算法、指定可视化效果内容等。这种方式开发效率较高,但会导致软件缺乏通用性,每次输入测试数据都需要手动选择相关的数据分析方法,进行数据清洗、特征提取和数据仿真时也都需要定制化,分析资源无法在多个分析任务之间共享。第二种是不考虑具体的天线测试场景,将主流的数据分析算法批量封装到程序中,用户在进行数据分析工作时,除了要输入经过测试的数据,还要输入材质、频率等外部测试场景。用户需要手动搭建设计分析流程,这种方式虽然提高了资源利用率,但测试数据并不一定能完全适配分析算法,往往会导致分析流程崩溃,无法执行到底,严重影响分析效率。
2、目前测试数据分析软件开发主要有两种技术:一种是基于定制化的分析软件开发技术,另一种是基于功能化的分析软件开发技术。
3、基于定制化的测试数据分析软件开发是指,针对某套完整的天线测试设备同时需要考虑测试的各种外部环境,保证条件几乎一致的情况下对目标天线进行测试,记录测试数据,对
4、由于需要涵盖大量的数据处理算法和数据分析算法,因此大多数主流测试数据分析软件多采用功能化的开发技术。以ni公司为例,他们提供了一种名叫diadem的产品,其中包含了强大的数据分析功能:
5、数据导入、数据处理和去噪,处理数据中的噪声、异常值和缺失值。
6、将处理好的数据进行整理、过滤、转换各种数据类型。
7、按照所需要的分析功能,选择分析工具可进行统计分析、信号处理、峰值分析、频谱检测等。
8、对分析结果进行定制,选择可视化效果图。
9、目前,天线测试数据分析软件设计主要是通过定制化或基于功能化的方式来实现的,二者实现的目标基本一致,同时都以天线测试数据贯穿整个分析流程。
10、这两种方式在应对天线测试数据分析系统的扩展性和开放性以及高效开发上都有不足之处。对于第一种方式,测试数据分析软件的开发主要以分析流程为依据,由上至下一步一步完成,所有的数据处理、数据分析、数据可视化等算法都内置于分析软件中。在后续使用过程中可能出现如下情况:由于被测件的增加或者测试仪器的更新等原因,导致测试环境、测试结果以及其他测试数据发生变化。面对这种情况,分析人员需要按照变化制定新的数据分析流程,软件开发人员需要对整个测试数据分析软件进行重新设计编码,这种方式数据分析软件通用性差、分析资源无法共享,而且应用范围有限、维护成本较高。对于第二种方式,首先需要将大量的算法集成到程序当中,并且无论是开发人员还是使用人员都需要对这些算法有一定的理解,否则在编码过程中会出现无法将数据处理成有效数据源的问题,导致分析结果出错。同时,操作人员也要对分析算法的分析效果有一定的认知,否则就会耗费大量的时间和精力去试验,进而才能选择适合本次测试数据的数据分析方法。这种方式时间成本高,分析人员使用软件难度大。因此无论以何种方法实现天线测试数据分析软件,都不能提供一种智能化的分析流程来对测试数据进行有效且准确的分析。
技术实现思路
1、针对现有技术中存在的上述技术问题,本专利技术提出了一种面向天线测试的数据分析流程建模的系统及方法,设计合理,克服了现有技术的不足,具有良好的效果。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、一种面向天线测试的数据分析流程建模的系统,包括天线测试数据分析流程决策树回归模型定义模块、数据分析流程模型保存和增量学习功能模块、算法仓库功能模块、分析流程判定模型定义模块和数据采集功能模块五部分;
4、天线测试数据分析流程决策树回归模型定义模块,被配置为用于通过量化包括天线测试数据和对应的数据分析流程在内的指标,建立数学关系模型;
5、数据分析流程模型保存和增量学习功能模块,被配置为用于保存构建好的模型并对模型增量学习;
6、数据采集功能模块,被配置为用于将网络中天线测试数据分析案例数据进行处理和整合以供模型增量学习;
7、算法仓库功能模块,被配置为用于集中存储数据分析算法,将算法仓库封装成微服务部署到云端;
8、分析流程判定模型定义模块,被配置为用于解决用户自定义流程可行性判断的需求,方便用户及时修改流程缺陷。
9、此外,本专利技术还提到一种面向天线测试的数据分析流程建模的方法,该方法采用如上所述的一种面向天线测试的数据分析流程建模的系统,具体包括如下步骤:
10、步骤1:执行天线测试数据分析流程决策树回归模型定义模块,构建决策树回归原始模型;
11、步骤2:使用数据分析流程模型保存和增量学习功能模块将模型保存到服务器中,方便以后对模型调优和迭代训练;
12、步骤3:通过数据采集功能模块获取网络端数据,为模型增量学习提供训练集数据;
13、步骤4:通过算法仓库模块储存分析算法,以供数据分析调用;
14、步骤5:通过分析流程判定模型定义模块做出可行性判断;
15、若:判断结果是不可行,则将重新返回给用户,用户对分析流程的不合理处进行修改,重新发送给分析流程判定模型定义模块进行判断;
16、或判断结果是可行,则作为训练数据发送给数据分析流程模型保存和增量学习功能模块继续学习,同时执行该分析流程,若输出数据分析结果,则生成数据分析报告,若未能正确输出数据分析结果,则作为训练数据发送到分析流程判定模型定义模块进行模型训练。
17、优选地,步骤1中,具体包括如下步骤:
18、步骤1.本文档来自技高网...
【技术保护点】
1.一种面向天线测试的数据分析流程建模的系统,其特征在于:包括天线测试数据分析流程决策树回归模型定义模块、数据分析流程模型保存和增量学习功能模块、算法仓库功能模块、分析流程判定模型定义模块和数据采集功能模块五部分;
2.一种面向天线测试的数据分析流程建模的方法,其特征在于:采用如权利要求1所述的一种面向天线测试的数据分析流程建模的系统,具体包括如下步骤:
3.根据权利要求2所述的面向天线测试的数据分析流程建模的方法,其特征在于:步骤1中,具体包括如下步骤:
4.根据权利要求3所述的面向天线测试的数据分析流程建模的方法,其特征在于:步骤1.2中,具体包括如下步骤:
【技术特征摘要】
1.一种面向天线测试的数据分析流程建模的系统,其特征在于:包括天线测试数据分析流程决策树回归模型定义模块、数据分析流程模型保存和增量学习功能模块、算法仓库功能模块、分析流程判定模型定义模块和数据采集功能模块五部分;
2.一种面向天线测试的数据分析流程建模的方法,其特征在于:采用如权利要求1...
【专利技术属性】
技术研发人员:王兆业,王亚海,刘毅,陈鹏飞,邹德军,张明柱,常庆功,周杨,
申请(专利权)人:中电科思仪科技股份有限公司,
类型:发明
国别省市:
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。