← 返回列表

用于智能移动终端的辐射检测方法、系统、设备及介质

申请号: CN202311632844.3
申请人: 上海优立检测技术股份有限公司
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 用于智能移动终端的辐射检测方法、系统、设备及介质
专利类型 发明授权
申请号 CN202311632844.3
申请日 2023/12/1
公告号 CN117330850B
公开日 2024/3/15
IPC主分类号 G01R29/08
权利人 上海优立检测技术股份有限公司
发明人 王蓉
地址 上海市奉贤区扶港路1500号2幢3号

摘要文本

上海优立检测技术股份有限公司获取“一种透气窗帘布”专利技术,本发明涉及电磁辐射检测技术领域,本发明公开了用于智能移动终端的辐射检测方法、系统、设备及介质,包括步骤1:测量电磁辐射初始值,以及获取屏蔽系数特征数据;步骤2:基于屏蔽系数特征数据和第二机器学习模型,确定辐射屏蔽系数;步骤3:获取辐射校正特征数据,基于辐射校正特征数据、辐射屏蔽系数和第一机器学习模型对电磁辐射初始值进行校正,得到电磁辐射修正值;步骤4:筛选目标修正值,将目标修正值进行比对分析,得到比对分析结果;步骤5:重复上述步骤,得到所有抽检终端的比对分析结果;步骤6:根据所有抽检终端的比对分析结果确定抽签批次下的质量告警等级,本发明有利于避免智能移动终端出现大规模的返工。

专利主权项内容

1.用于智能移动终端的辐射检测方法,其特征在于,所述方法包括:步骤1:在抽签批次下,测量第i个抽检终端中射频模块在不同温度的电磁辐射,得到M个电磁辐射初始值,以及获取第i个抽检终端的屏蔽系数特征数据,i、M为大于零的正整数;所述屏蔽系数特征数据包括终端型号、终端的外壳材料、终端的外壳厚度、终端外壳的导电系数和终端外壳的介电常数;步骤2:基于屏蔽系数特征数据和预构建第二机器学习模型,确定第i个抽检终端的辐射屏蔽系数;预构建第二机器学习模型的生成逻辑如下:获取历史屏蔽系数样本数据,所述历史屏蔽系数样本数据包括屏蔽系数特征数据及其对应的辐射屏蔽系数;将历史屏蔽系数样本数据划分为屏蔽系数训练集和屏蔽系数测试集;构建回归网络模型,将屏蔽系数训练集中的屏蔽系数特征数据作为回归网络模型的输入,将屏蔽系数训练集中的辐射屏蔽系数作为回归网络模型的输出,对回归网络模型进行训练,得到第二初始回归网络模型,以最小化第二预测准确度之和为训练目标,利用屏蔽系数测试集对第二初始回归网络模型进行模型评测,将第二预测准确度之和达到收敛时的第二初始回归网络模型作为预构建第二机器学习模型;其中,第二预测准确度的计算公式为:,式中,/>为每组屏蔽系数特征数据的编号,/>为第二预测准确度,/>为第/>组屏蔽系数特征数据对应的辐射屏蔽系数的预测值,/>为第/>组屏蔽系数特征数据对应的辐射屏蔽系数的实际值,其中,/>、/>和/>的单位为分贝;所述辐射屏蔽系数的生成逻辑如下:获取射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率;基于射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率进行公式化计算,得到辐射屏蔽系数;其计算公式为:;式中:/>表示辐射屏蔽系数,单位为分贝,/>表示射频模块的电磁辐射输出功率,单位为瓦特,/>表示无外壳情况下的电磁辐射接收功率,单位为瓦特,/>表示有外壳情况下的电磁辐射接收功率,单位为瓦特;步骤3:获取辐射校正特征数据,基于辐射校正特征数据、第i个抽检终端的辐射屏蔽系数和预构建第一机器学习模型对射频模块的每个电磁辐射初始值进行校正,得到N个电磁辐射修正值,N为大于零的正整数;所述辐射校正特征数据包括终端型号、发射功率、发射频率、发射天线的增益和发射频段;所述预构建第一机器学习模型基于预先获取的电磁辐射测试数据训练生成;步骤4:筛选N个电磁辐射修正值中的目标修正值,将目标修正值进行比对分析,得到第i个抽检终端的比对分析结果;所述比对分析结果包括电磁辐射符合标准和电磁辐射不符合标准;步骤5:重复上述步骤1~步骤4,直至i=Q时结束循环,得到所有抽检终端的比对分析结果,Q为大于零的正整数;步骤6:根据所有抽检终端的比对分析结果确定抽签批次下的质量告警等级,并根据质量告警等级进行生产告警。