非显而易见性评估仅供参考，不构成法律建议。
权利要求列表点击可跳转
对比文件列表
| 编号 | 名称 |
|---|
权利要求1
一种用于校准射频（RF）电路的方法，包括；校准RF电路校准参数的第一子集；基于机器学习模型和所述RF电路校准参数的第一子集来预测RF电路校准参数的第二子集的值；所述RF电路校准参数的第二子集不同于所述RF电路校准参数的第一子集；并且所述RF电路校准参数的第二子集包括以小于阈值的良品率损失可预测的RF电路校准参数；验证至少所述RF电路校准参数的第一子集；以及在所述验证之后；将至少所述RF电路校准参数的第一子集写入到与所述RF电路相关联的存储器。
权利要求2
根据权利要求1所述的方法，还包括标识所述RF电路校准参数的第二子集。
权利要求3
根据权利要求2所述的方法，其中标识所述RF电路校准参数的第二子集包括；提取RF电路校准参数的历史数据集中的参数之间的成对相关性；以及将所述成对相关性聚类成多个集群；所述多个集群中的每个集群与所述RF电路校准参数的第二子集中的多个参数和所述RF电路校准参数的第一子集中的参数相关联。
权利要求4
根据权利要求3所述的方法，其中对所述成对相关性进行聚类包括生成最小数量的集群。
权利要求5
根据权利要求2所述的方法，其中标识所述RF电路校准参数的第二子集包括；对于包括RF电路校准参数的历史数据集中的第一参数和第二参数的每个相应参数对；计算通过使用所述第一参数的值校准所述第二参数而产生的良品率损失；以及基于针对所述相应参数对所计算的良品率损失来生成针对所述相应参数对的良品率损失相似性值；以及基于每个相应参数对的所述良品率损失相似性值；对每个相应参数对之间的成对相关性进行聚类。
权利要求6
根据权利要求5所述的方法，其中对所述成对相关性进行聚类包括生成最小数量的集群；使得每个集群的良品率损失小于阈值。
权利要求7
根据权利要求2所述的方法，其中标识所述RF电路校准参数的第二子集包括迭代地评估RF电路校准参数以标识具有小于阈值的良品率损失的参数。
权利要求8
根据权利要求2所述的方法，其中标识所述RF电路校准参数的第二子集包括基于丢弃梯度下降网络来标识所述RF电路校准参数的第二子集。
权利要求9
根据权利要求8所述的方法，其中；所述丢弃梯度下降网络包括神经网络；并且标识所述RF电路校准参数的第二子集包括对于RF电路校准参数全域的每个相应参数；预测所述RF电路校准参数全域中的其他参数；其中在所述神经网络中掩模针对所述相应参数的身份连接；基于具有小于阈值的良品率损失的预测参数来生成可预测参数的候选集合；以及基于与所述可预测参数的候选集合中的每个参数相关联的丢弃概率度量来细化所述可预测参数的候选集合。
权利要求10
根据权利要求9所述的方法，其中生成所述可预测参数的候选集合包括；基于从所述神经网络提取的权重来为所述候选集合中的每个相应参数指派权重；其中所述相应参数的权重对应于所述相应参数对每个目标参数的影响；跨与所述相应参数相关联的目标参数集合来标识所述候选集合中的每个相应参数的最大权重；以及基于在所述候选集合中的每个相应参数的所述最大权重上计算的softmax函数来初始化每个相应参数的丢弃概率值。
权利要求11
根据权利要求9所述的方法，其中生成所述可预测参数的候选集合包括基于对与所述候选集合中的每个相应参数相关联的权重的线性回归函数的梯度下降优化来生成所述候选集合。
权利要求12
根据权利要求1所述的方法，还包括验证所述RF电路校准参数的第二子集。
权利要求13
根据权利要求12所述的方法，还包括在验证所述RF电路校准参数的第二子集之后；将所述RF电路校准参数的第二子集写入到与所述RF电路相关联的所述存储器。
权利要求14
根据权利要求1所述的方法，还包括基于写入到与所述RF电路相关联的所述存储器的所述RF电路校准参数的第二子集和所述至少所述RF电路校准参数的第一子集来操作所述RF电路。