基于FPGA的射频参数自动调节系统及方法与流程

基于fpga的射频参数自动调节系统及方法
技术领域
1.本发明涉及集成电路设计技术领域，特别涉及一种基于fpga的射频参数自动调节系统及方法。


背景技术：

2.高效率5g射频前端集成收发系统芯片涉及收发天线（rx/tx antenna）、射频功率放大器（pa）、低噪声放大器（lna）、低通滤波（lpf）、混频（mixer）、可变增益放大器(vga）、模数/数模转换（adc、dac）、等等多个模板的高效搭配，方能达到集成收发系统整体设计的要求。
3.这些模块都有各自的性能参数需要达标并精准调优，而因为模块之间的互联，各自参数的调节均会对其它模块的输出性能造成影响，从而影响系统的整体性能指标。
4.现有的方法基本是依靠人工进行调节，由现场工程师配合根据客户场景决定哪些参数进行调节，并依靠经验运用探错法（try and error）逐步调优。这种人工实现参数调节的方法不仅要求现场技术人员对各种不同现场应用场景都要具备一定对应的相应专业知识和相关经验，同时实现的过程相当耗费时间，当使用环境改变时不能迅速地根据现场实际进行全系统参数重新调节以保证最优的系统整体性能。另外，人工实现参数调节的过程无法满足当前5g部署对高效智能化和自动化的要求，更无法跟上未来6g、7g的更高频率、带宽的射频前端的设计要求。因此，快速并且精准有效地对5g射频前端收发系统各模块的参数进行自动优化调节成为一个急切的需求。


技术实现要素：

5.鉴于上述问题，本发明提供了一种基于fpga的射频参数自动调节系统及方法，解决现有射频前端模块中当使用场景变化下无法自适应对参数重新调节的问题。
6.根据本发明的第一方面，公开了一种基于fpga的射频参数自动调节系统，包括：场景模块，用于获取使用场景；输入模块，用于获取需要重新调优的参数特征向量，并输入fpga模块；fpga模块，用于根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑。
7.可选的，对于所述的基于fpga的射频参数自动调节系统，所述fpga模块具有存储资源，所述使用场景存储于所述存储资源中。
8.可选的，对于所述的基于fpga的射频参数自动调节系统，所述获取使用场景的制约条件包括频率、功率、精度中的至少一个。
9.可选的，对于所述的基于fpga的射频参数自动调节系统，所述输入模块包括bb adc/dac、offset dac、bg lpf、bg vga、mixer、rf lo、rf pa、lna中的至少一个。
10.可选的，对于所述的基于fpga的射频参数自动调节系统，所述参数特征向量包括：偏置电压、偏置电流、直流偏移控制数量、带宽调节位元数量、增益调节位元数量和滤波器
系数中的至少一个。
11.根据本发明的第二方面，提供一种基于fpga的射频参数自动调节方法，包括：获取使用场景；获取需要重新调优的参数特征向量，并输入fpga模块；根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑。
12.可选的，对于所述的基于fpga的射频参数自动调节方法，获取使用场景包括：输入新的使用场景描述或者调用预存的使用场景。
13.可选的，对于所述的基于fpga的射频参数自动调节方法，根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑的步骤包括：根据所述参数特征向量，利用fpga预定义的机器学习算法库选择对应的参数调节算法，从所述机器学习算法库中自动挑选机器学习算法，并根据要求对算法进行配置。
14.可选的，对于所述的基于fpga的射频参数自动调节方法，并根据所述参数调节算法重新产生新的硬件算法逻辑的步骤包括：通过将挑选的参数调节算法调入fpga的eeprom，再由fpga调入的ram运行，对内部可配置逻辑模块、输出输入模块和内部连线实现编程。
15.可选的，对于所述的基于fpga的射频参数自动调节方法，还包括：通过获取实时参数数据采样，并根据最初的客户应用场景的需求进行参数自动调优，并在达到调优终止条件时终止；在参数调节过程中，当有需要修改所提取的特征向量时，重新提取需要引入的参数。
16.与现有技术相比，在本发明的基于fpga的射频参数自动调节系统中，包括：场景模块，用于获取使用场景；输入模块，用于获取需要重新调优的参数特征向量，并输入fpga模块；fpga模块，用于根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑。本发明利用fpga具有的硬件可编程性和高性能低功耗特性，并引入机器学习人工智能的算法，设计出射频参数自动调节系统，在此新型的系统架构下，可以根据当前使用场景的要求，动态挑选产生新的机器学习算法，并指导所产生的机器学习算法针对当前使用场景的需求自动对各模块的参数调优。
附图说明
17.图1是本发明一种基于fpga的射频参数自动调节系统的示意图。
18.图2是本发明一种基于fpga的射频参数自动调节方法的流程示意图一。
19.图3是本发明一种基于fpga的射频参数自动调节方法的流程示意图二。
具体实施方式
20.下面将结合示意图对本发明的基于fpga的射频参数自动调节系统及方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术
人员的广泛知道，而并不作为对本发明的限制。
21.在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
22.实施例一本实施例1提供一种基于fpga的射频参数自动调节系统，下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
23.参考图1所示，本发明的实施一公开了一种基于fpga的射频参数自动调节系统，包括：场景模块，用于获取使用场景；输入模块，用于获取需要重新调优的参数特征向量，并输入fpga模块；fpga模块，用于根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑。
24.其中，fpga模块引入机器学习人工智能算法，能够自动挑选算法并进行优化更新。
25.由此可见，本发明实施例的基于fpga的射频参数自动调节系统为使用场景变化下自适应对参数重新调节提供了可能性。
26.实施例二本实施例2可以是在实施例1的基础上进一步完善，相同或相似部分省略其描述。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。具体的，本实施例包括：在本发明实施例中，所述fpga模块具有存储资源，所述使用场景存储于所述存储资源中，比如固态硬盘ssd。所述使用场景可以直接从存储资源中进行调用。对于存储资源中尚不存在的场景，则可以通过直接输入获得。
27.具体的，通常比如手机终端或是工业物联网等比较简单的场景可以进行存储。
28.所述使用场景的描述由客户应用决定，参数的最终选择是和最终客户应用的实际需要直接相关的，包括对操作频率、功率、精度等等的要求，因此，所述获取使用场景的制约条件包括频率、功率、精度中的至少一个。
29.在本发明实施例中，所述输入模块包括bb adc/dac、offset dac、bg lpf、bg vga、mixer、rf lo、rf pa、lna中的至少一个。此外，根据实际需要，所述输入模块还可以包括其他类型，本领域技术人员可以根据需要进行调整。
30.进一步的，所述参数特征向量包括：偏置电压、偏置电流、直流偏移控制数量、带宽调节位元数量、增益调节位元数量和滤波器系数中的至少一个。
31.通过产生的参数特征向量、利用fpga预定义的机器学习算法库选择对应参数调节算法，从机器学习的算法库中自动挑选机器学习算法，并根据要求对算法进行配置。
32.在本发明实施例中，对于参数调节算法的配置将依据实际选择的参数特征向量之间的关系以及调用的算法。
33.在算法选定以后，本系统即可利用fpga模块的高性能可重构计算逻辑（reconfigurable logic），根据算法重新产生新的硬件算法逻辑。这一步骤实现起来通常可以通过将前述算法库挑选的算法调入fpga相关的eeprom（非易失性的电写入电擦除可编
程只读存储器），再由fpga调入的ram（随机存取存储器）运行，对内部可配置逻辑模块clb (configurable logic block)、输出输入模块i/ob(input/output block)和内部连线(interconnect)实现编程。
34.进一步的，所述fpga模块还能够对调优过程进行控制，例如可根据输入的优化条件收敛性和其它因素共同决定，比如运行时间和功耗等。尤其对参数调节过程的时延比较敏感的应用，可以暂时放松优化条件收敛性以缩短运行时间，让调节的参数可以直接投入使用。
35.本发明还可以在在线运行过程中获取新的数据采样，并逐步提高对参数的调节性能，最后达到满意的收敛值。
36.进一步的，所述fpga模块还可以在参数调节过程中，当有需要修改所提取的参数特征向量时，可以重新提取需要引入的参数，再根据当前实际情况重新配置算法。
37.在本发明中，基于fpga现场可编程逻辑门阵列可编程的灵活性可以对射频各模块需要调节的大量参数进行调优，因此基于本发明的解决方案具有独一无二的扩展性。
38.本发明充分利用fpga高性能可重构特性对使用场景在参数调节算法上可以动态地调节态产生不同的算法逻辑，因此，本发明具有优异地自适应性。
39.fpga模块可以预制大量学习算法库或已经训练好的算法模型，在场景变换时可以迅速地部署对应的算法对参数进行调优。同时，本发明的架构也利用了fpga的良好人机界面，可以部署或更新新的算法或模型，可以适应更加广泛的应用环境，具有很好的灵活性。
40.实施例三本实施例3提供一种基于fpga的射频参数自动调节方法，下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
41.参考图2所示，本发明的实施3公开了一种基于fpga的射频参数自动调节方法，包括：步骤s1，获取使用场景；步骤s2，获取需要重新调优的参数特征向量，并输入fpga模块；步骤s3，根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑。
42.具体的，对于步骤s1，获取使用场景包括：输入新的使用场景描述或者调用预存的使用场景。
43.对于步骤s3，根据所述参数特征向量选择和配置参数调节算法，并根据所述参数调节算法重新产生新的硬件算法逻辑的步骤包括：根据所述参数特征向量，利用fpga预定义的机器学习算法库选择对应的参数调节算法，从所述机器学习算法库中自动挑选机器学习算法，并根据要求对算法进行配置。
44.例如，在一个例子中，所述参数特征向量包括：偏置电压、偏置电流、直流偏移控制数量、带宽调节位元数量、增益调节位元数量和滤波器系数。
45.在本步骤中，对上述的特征向量，考虑之间的非线性相关性和参数复杂度，算法库可以用5个神经元的人工神经网络算法（ann，artificial neural network），而对其配置则在于对应的人工神经网络的加权系数（weight）和初始偏移值（initial bias）。
46.此外，本步骤还可以参考使用场景的需求进行参数调节算法的选择，例如输入信
号的强弱，干扰信号的强弱，系统所处温度高低等。
47.进一步的，算法选定以后，系统即可利用fpga模块的高性能可重构计算逻辑（reconfigurable logic），根据算法重新产生新的硬件算法逻辑。例如：通过将挑选的参数调节算法调入fpga的eeprom，再由fpga调入的ram运行，对内部可配置逻辑模块、输出输入模块和内部连线实现编程。
48.当fpga模块运行开始后，图1所示的本发明系统将自动产生已经配置好的新的参数调优算法，并且由fpga模块在硬件逻辑上实现，可以开始运行。
49.进一步的，所述步骤s3还包括：通过获取实时参数数据采样，并根据最初的客户应用场景的需求（比如功耗最小或增益最佳等）进行参数自动调优，并在达到调优终止条件时终止；在参数调节过程中，当有需要修改所提取的特征向量时，重新提取需要引入的参数。
50.在本发明实施例中，调优过程的终止条件时完全可控制的，可根据输入的优化条件收敛性和其它因素共同决定，比如运行时间和功耗。尤其对参数调节过程的时延比较敏感的应用，可以暂时放松优化条件收敛性以缩短运行时间，让调节的参数可以直接投入使用，同时本发明的参数调节系统可以继续在线运行获取新的数据采样，并逐步提高对参数的调节性能，最后达到满意的收敛值。
51.进一步的，若采用本发明的方法，经过调整后仍然未能够达到要求，则可以借助人工进行算法选择。
52.请参考图3，在该示例中，根据实际需求可产生三个不同的算法，算法是针对输入场景描述分别对带宽、滤波系数、增益经行调节的算法。根据不同调节的目标，产生的具体机器学习算法也不相同（示例算法1、算法2、算法3），其对应的机器学习算法的特征向量也是动态生成的。所生成的算法实时转为可以被fpga模块接受的硬件逻辑，并部署到对应fpga模块中。最后fpga被调用执行，输出需要的参数。该流程同时可以保证用户在任何时候也可以受控直接影响算法的选择。
53.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型。