(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人為準(zhǔn)(北京)電子科技有限公司地址100020北京市朝陽區(qū)來廣營鄉(xiāng)紫月路18號院7號樓二層207室(74)專利代理機(jī)構(gòu)北京嘉科知識產(chǎn)權(quán)代理事務(wù)專利代理師楊超設(shè)備校準(zhǔn)方法及裝置本公開涉及設(shè)備校準(zhǔn)技術(shù)領(lǐng)域，提供了一種設(shè)備校準(zhǔn)方法及裝置。該方法包括：獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校數(shù)2獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對所述訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對所述訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)所述回歸結(jié)果構(gòu)建仿真模型；從所述仿真模型中提取出第一邏輯圖，并根據(jù)所述校準(zhǔn)結(jié)果對所述第一邏輯圖進(jìn)行優(yōu)根據(jù)優(yōu)化后的第一邏輯圖對所述仿真模型進(jìn)行訓(xùn)練；將所述環(huán)境參數(shù)輸入所述仿真模型，輸出第二射頻參數(shù)；當(dāng)所述第二射頻參數(shù)和所述第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于所述第二射頻參數(shù)和所述第一射頻參數(shù)，對所述目標(biāo)設(shè)備進(jìn)行校準(zhǔn)；所述對所述訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)所述回歸結(jié)果構(gòu)建仿真模型之后，所述方法還包括：使用所述仿真模型和神經(jīng)網(wǎng)絡(luò)模型構(gòu)建仿真網(wǎng)絡(luò)模型；利用所述訓(xùn)練參數(shù)對所述仿真網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；從訓(xùn)練后的仿真網(wǎng)絡(luò)模型中提取出第二邏輯圖，并根據(jù)所述校準(zhǔn)結(jié)果對所述第二邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第二邏輯圖對所述仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；將所述環(huán)境參數(shù)輸入所述仿真網(wǎng)絡(luò)模型，輸出所述第二射頻參數(shù)；所述根據(jù)優(yōu)化后的第二邏輯圖對所述仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練，包括：根據(jù)優(yōu)化后的所述第二邏輯圖，確定出所述訓(xùn)練參數(shù)對應(yīng)的訓(xùn)練數(shù)據(jù)集；在整個(gè)訓(xùn)練過程中，第一輪訓(xùn)練：在凍結(jié)所述神經(jīng)網(wǎng)絡(luò)模型的情況下，使用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練所述仿真網(wǎng)絡(luò)模型，以更新所述仿真網(wǎng)絡(luò)模型中的所述仿真模型的參數(shù)；第二輪訓(xùn)練：在凍結(jié)所述仿真模型的情況下，使用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練所述仿真網(wǎng)絡(luò)模型，以更新所述仿真網(wǎng)絡(luò)模型中的所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；第三輪訓(xùn)練：使用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練所述仿真網(wǎng)絡(luò)模型，以更新所述仿真網(wǎng)絡(luò)模型中的所述仿真模型和所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)優(yōu)化后的第二邏輯圖對所述仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練之后，所述方法還包括：將所述環(huán)境參數(shù)輸入所述仿真網(wǎng)絡(luò)模型中的所述神經(jīng)網(wǎng)絡(luò)模型，輸出所述第二射頻參3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)之后，所述方法還包括：利用所述訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得所述神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并保存有所述環(huán)境參數(shù)和所述第二射頻參數(shù)的對應(yīng)關(guān)系；從所述神經(jīng)網(wǎng)絡(luò)模型中提取出第三邏輯圖，并根據(jù)所述校準(zhǔn)結(jié)果對所述第三邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第三邏輯圖對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；3將所述環(huán)境參數(shù)輸入所述神經(jīng)網(wǎng)絡(luò)模型，輸出所述第二射頻參數(shù)；當(dāng)所述第二射頻參數(shù)和所述第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于所述第二射頻參數(shù)和所述第一射頻參數(shù)，對所述目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用所述訓(xùn)練參數(shù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得所述神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并保存有所述環(huán)境參數(shù)和所述第二射頻參數(shù)的對獲取與所述目標(biāo)設(shè)備同一應(yīng)用領(lǐng)域下的同一類型的多個(gè)設(shè)備的設(shè)備信息；根據(jù)所述多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)。率、第一發(fā)射信號頻率和第一s參數(shù)；率、第二發(fā)射信號頻率和和第二s參數(shù)。6.一種設(shè)備校準(zhǔn)裝置，用于執(zhí)行權(quán)利要求1至5中任一獲取模塊，被配置為獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；第一校準(zhǔn)模塊，被配置為利用校準(zhǔn)設(shè)備對所述訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；構(gòu)建模塊，被配置為對所述訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)所述回歸結(jié)果構(gòu)建仿真模型；提取模塊，被配置為從所述仿真模型中提取出第一邏輯圖，并根據(jù)所述校準(zhǔn)結(jié)果對所述第一邏輯圖進(jìn)行優(yōu)化；訓(xùn)練模塊，被配置為根據(jù)優(yōu)化后的第一邏輯圖對所述仿真模型進(jìn)行訓(xùn)練；模型模塊，被配置為將所述環(huán)境參數(shù)輸入所述仿真模型，輸出第二射頻參數(shù)；第二校準(zhǔn)模塊，被配置為當(dāng)所述第二射頻參數(shù)和所述第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于所述第二射頻參數(shù)和所述第一射頻參數(shù)，對所述目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。7.一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并且可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任一項(xiàng)所述方法的步驟。8.一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任一項(xiàng)所述方法的步驟。4設(shè)備校準(zhǔn)方法及裝置技術(shù)領(lǐng)域[0001]本公開涉及設(shè)備校準(zhǔn)技術(shù)領(lǐng)域，尤其涉及一種設(shè)備校準(zhǔn)方法及裝置。背景技術(shù)[0002]在使用設(shè)備之前，需要校準(zhǔn)設(shè)備、調(diào)試設(shè)備。其中，校準(zhǔn)設(shè)備是為了調(diào)整設(shè)備的參數(shù)，使得設(shè)備可以正常工作。校準(zhǔn)設(shè)備在使用設(shè)備的整個(gè)過程中非常重要，校準(zhǔn)設(shè)備的好壞，直接關(guān)系到設(shè)備的工作成果?，F(xiàn)有技術(shù)往往是利用信號發(fā)生器或頻譜儀等專用的硬件校準(zhǔn)儀器來校準(zhǔn)設(shè)備的參數(shù)，因?yàn)樾盘柊l(fā)生器和頻譜儀價(jià)格昂貴，造成校準(zhǔn)設(shè)備的成本很高，同時(shí)，使用現(xiàn)有技術(shù)校準(zhǔn)設(shè)備的精確度也有待進(jìn)一步提高。[0003]在實(shí)現(xiàn)本公開構(gòu)思的過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)中至少存在如下技術(shù)問題：對設(shè)備進(jìn)行校準(zhǔn)成本高和精確度低的問題。發(fā)明內(nèi)容[0004]有鑒于此，本公開實(shí)施例提供了一種設(shè)備校準(zhǔn)方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)，以解決現(xiàn)有技術(shù)中，對設(shè)備進(jìn)行校準(zhǔn)成本高和精確度低的問題。[0005]本公開實(shí)施例的第一方面，提供了一種設(shè)備校準(zhǔn)方法，包括：獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0006]本公開實(shí)施例的第二方面，提供了一種設(shè)備校準(zhǔn)裝置，包括：獲取模塊，被配置為獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；校準(zhǔn)模塊，被配置為利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；構(gòu)建模塊，被配置為對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；提取模塊，被配置為從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；訓(xùn)練模塊，被配置為根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；模型模塊，被配置為將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；校準(zhǔn)模塊，被配置為當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0007]本公開實(shí)施例的第三方面，提供了一種電子設(shè)備，包括存儲器、處理器以及存儲在存儲器中并且可在處理器上運(yùn)行的計(jì)算機(jī)程序，該處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述方法的步驟。[0008]本公開實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，該計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。[0009]本公開實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)5設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。采用上述技術(shù)手段，解決現(xiàn)有技術(shù)中對設(shè)備進(jìn)行校準(zhǔn)成本高和精確度低的問附圖說明[0010]為了更清楚地說明本公開實(shí)施例中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本公開的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。[0011]圖1是本公開實(shí)施例的應(yīng)用場景的場景示意圖；[0012]圖2是本公開實(shí)施例提供的一種設(shè)備校準(zhǔn)方法的流程示意圖；[0013]圖3是本公開實(shí)施例提供的一種設(shè)備校準(zhǔn)裝置的結(jié)構(gòu)示意圖；[0014]圖4是本公開實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式[0015]以下描述中，為了說明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、技術(shù)之類的具體細(xì)節(jié)，以便透徹理解本公開實(shí)施例。然而，本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，在沒有這些具體細(xì)節(jié)的其它實(shí)施例中也可以實(shí)現(xiàn)本公開。在其它情況中，省略對眾所周知的系統(tǒng)、裝置、電路以及方法的詳細(xì)說明，以免不必要的細(xì)節(jié)妨礙本公開的描述。[0016]下面將結(jié)合附圖詳細(xì)說明根據(jù)本公開實(shí)施例的一種設(shè)備校準(zhǔn)方法和裝置。[0017]圖1是本公開實(shí)施例的應(yīng)用場景的場景示意圖。該應(yīng)用場景可以包括終端設(shè)備1、2是具有顯示屏且支持與服務(wù)器4通信的各種電子設(shè)備，包括但不限于智能手機(jī)、平板電腦、膝上型便攜計(jì)算機(jī)和臺式計(jì)算機(jī)等；當(dāng)終端設(shè)備1、2和3為軟件時(shí)，其可以安裝在如上的電子設(shè)備中。終端設(shè)備1、2和3可以實(shí)現(xiàn)為多個(gè)軟件或軟件模塊，也可以實(shí)現(xiàn)為單個(gè)軟件或軟件模塊，本公開實(shí)施例對此不作限制。進(jìn)一步地，終端設(shè)備1、2和3上可以安裝有各種應(yīng)用，[0019]服務(wù)器4可以是提供各種服務(wù)的服務(wù)器，例如，對與其建立通信連接的終端設(shè)備發(fā)送的請求進(jìn)行接收的后臺服務(wù)器，該后臺服務(wù)器可以對終端設(shè)備發(fā)送的請求進(jìn)行接收和分析等處理，并生成處理結(jié)果。服務(wù)器4可以是一臺服務(wù)器，也可以是由若干臺服務(wù)器組成的服務(wù)器集群，或者還可以是一個(gè)云計(jì)算服務(wù)中心，本公開實(shí)施例對此不作限制。[0020]需要說明的是，服務(wù)器4可以是硬件，也可以是軟件。當(dāng)服務(wù)器4為硬件時(shí)，其可以是為終端設(shè)備1、2和3提供各種服務(wù)的各種電子設(shè)備。當(dāng)服務(wù)器4為軟件時(shí)，其可以是為終端設(shè)備1、2和3提供各種服務(wù)的多個(gè)軟件或軟件模塊，也可以是為終端設(shè)備1、2和3提供各種服6務(wù)的單個(gè)軟件或軟件模塊，本公開實(shí)施例對此不作限制。[0021]網(wǎng)絡(luò)5可以是采用同軸電纜、雙絞線和光纖連接的有線網(wǎng)絡(luò)，也可以是無需布線就能實(shí)現(xiàn)各種通信設(shè)備互聯(lián)的無線網(wǎng)絡(luò)，例如，藍(lán)牙(Bluetooth)、近場通信(NearFieldCommunication,NFC)、紅外(Infrared)等，本公[0022]用戶可以通過終端設(shè)備1、2和3經(jīng)由網(wǎng)絡(luò)5與服務(wù)器4建立通信連接，以接收或發(fā)送信息等。需要說明的是，終端設(shè)備1、2和3、服務(wù)器4以及網(wǎng)絡(luò)5的具體根據(jù)應(yīng)用場景的實(shí)際需求進(jìn)行調(diào)整，本公開實(shí)施例對此不作限制。[0023]圖2是本公開實(shí)施例提供的一種設(shè)備校準(zhǔn)方法的流程示意圖。圖2的設(shè)備校準(zhǔn)方法可以由圖1的終端設(shè)備或服務(wù)器執(zhí)行。如圖2所示，該設(shè)備校準(zhǔn)方法包括：[0024]S201,獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；[0025]S202,利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；[0026]S203,對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；[0027]S204,從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；[0028]S205,根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；[0029]S206,將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；[0030]S207,當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。環(huán)境的參數(shù)等。環(huán)境參數(shù)用于描述目標(biāo)設(shè)備所屬環(huán)境的環(huán)境狀況。第一射頻參數(shù)是目標(biāo)設(shè)備當(dāng)前的射頻參數(shù)。不同的環(huán)境狀況對應(yīng)的目標(biāo)設(shè)備的第二射頻參數(shù)不同，第二射頻參數(shù)是目標(biāo)設(shè)備在該環(huán)境狀況下，理論上最優(yōu)的射頻參數(shù)。目標(biāo)設(shè)備可以是任何一種領(lǐng)域中的設(shè)備，比如目標(biāo)設(shè)備為測控領(lǐng)域，可以是移動通信測試儀表、綜測儀和程控電源等。對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)，就是將目標(biāo)設(shè)備現(xiàn)有的第一射頻參數(shù)更新為理論上最優(yōu)的第二射頻參數(shù)。[0032]訓(xùn)練參數(shù)包括多種環(huán)境參數(shù)，每種環(huán)境參數(shù)已經(jīng)被標(biāo)注了其對應(yīng)的第二射頻參數(shù)。利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，可以是刪除或者修正訓(xùn)練參數(shù)中部分不合預(yù)設(shè)規(guī)則的數(shù)據(jù)，比如某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)不對，那么需要標(biāo)注某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)。線性回歸處理可以是常用的任何一種擬合方法，比如最小二乘法的擬合方法，當(dāng)然線性回歸處理也可以是借助一些軟件實(shí)現(xiàn)，比如excel自變量，第二射頻參數(shù)作為因變量，將環(huán)境參數(shù)和第二射頻參數(shù)輸入上述軟件中，就可以輸出回歸結(jié)果。比如回歸結(jié)果是一則函數(shù)，那么根據(jù)回歸結(jié)果構(gòu)建仿真模型，就以該則函數(shù)為主體，可以添加其他的要求構(gòu)建仿真模型。其他的要求，比如需要將數(shù)據(jù)用圖像展示，那么仿真模型就需要在該則函數(shù)的基礎(chǔ)上增加數(shù)據(jù)到圖像的轉(zhuǎn)換關(guān)系。第一邏輯圖是仿真模型所表達(dá)的邏輯，可以理解為一種映射關(guān)系，或者和仿真模型等價(jià)的函數(shù)表達(dá)。仿真模型是根據(jù)回歸結(jié)果構(gòu)建的，第一邏輯圖是從仿真模型中提取到的。第一邏輯圖可以是在回歸結(jié)果是根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行修正。根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練，可以理解為，根據(jù)優(yōu)化后的第一邏輯圖，通過反向傳播的方法更新仿真模型的模型參數(shù)。[0033]本公開實(shí)施例因?yàn)榭梢越柚Ｐ蛯?shí)現(xiàn)對目標(biāo)設(shè)備的校準(zhǔn)，不需要再使用校準(zhǔn)儀7器，所以降低校準(zhǔn)設(shè)備的成本，同時(shí)通過提高模型的精度，可以提高校準(zhǔn)設(shè)備的精確度。[0034]根據(jù)本公開實(shí)施例提供的技術(shù)方案，獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。采用上述技術(shù)手段，解決現(xiàn)有技術(shù)中對設(shè)備進(jìn)行校準(zhǔn)成本高和精確度低的問題，進(jìn)而降低校準(zhǔn)設(shè)備的成本，提高校準(zhǔn)設(shè)備的精確度。[0035]對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型之后，方法還包括：使用仿真模型和神經(jīng)網(wǎng)絡(luò)模型構(gòu)建仿真網(wǎng)絡(luò)模型；利用訓(xùn)練參數(shù)對仿真網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；從訓(xùn)練后的仿真網(wǎng)絡(luò)模型中提取出第二邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第二邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；將環(huán)境參數(shù)輸入仿真網(wǎng)絡(luò)模型，輸出第二射頻參數(shù)。[0036]使用仿真模型和神經(jīng)網(wǎng)絡(luò)模型構(gòu)建仿真網(wǎng)絡(luò)模型，可以是仿真模型后接神經(jīng)網(wǎng)絡(luò)模型。本公開實(shí)施例是對仿真網(wǎng)絡(luò)模型進(jìn)行了兩次訓(xùn)練，進(jìn)而提高訓(xùn)練后模型的精度。第二邏輯圖類似于第一邏輯圖，對第二邏輯圖進(jìn)行優(yōu)化類似于對第一邏輯圖進(jìn)行優(yōu)化。因?yàn)槭褂脭?shù)學(xué)方法構(gòu)建的仿真模型，其的精度在到達(dá)一定程度后，是很難再提升的，但是神經(jīng)網(wǎng)絡(luò)模型就不存在這種問題。神經(jīng)網(wǎng)絡(luò)模型可以通過大量的機(jī)器學(xué)習(xí)訓(xùn)練，盡可能的提高可以模型的精度。所以本公開實(shí)施例利用神經(jīng)網(wǎng)絡(luò)模型提高仿真模型的精度。具體地，在仿真網(wǎng)絡(luò)模型中，仿真模型的輸出是神經(jīng)網(wǎng)絡(luò)模型的輸入，神經(jīng)網(wǎng)絡(luò)模型是第二射頻參數(shù)(雖然仿真模型是基于環(huán)境參數(shù)到第二射頻參數(shù)的映射關(guān)系建立的，但是實(shí)際應(yīng)用中仿真模型的輸出可能并不是第二射頻參數(shù))。[0037]需要說明的是，神經(jīng)網(wǎng)絡(luò)模型可以是任何一種常用的神經(jīng)網(wǎng)絡(luò)模型，比如Faster-RCNN。本公開中的訓(xùn)練方法都是類似于深度學(xué)習(xí)訓(xùn)練的方法。[0038]根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練，包括：根據(jù)優(yōu)化后的第二邏輯圖，確定出訓(xùn)練參數(shù)對應(yīng)的訓(xùn)練數(shù)據(jù)集；在整個(gè)訓(xùn)練過程中，第一輪訓(xùn)練：在凍結(jié)神經(jīng)網(wǎng)絡(luò)模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的仿真模型的參數(shù)；第二輪訓(xùn)練：在凍結(jié)仿真模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；第三輪訓(xùn)練：使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的仿真模型和神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。[0039]根據(jù)優(yōu)化后的第二邏輯圖，確定出訓(xùn)練參數(shù)對應(yīng)的訓(xùn)練數(shù)據(jù)集，比如，某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)不對，那么可以使用優(yōu)化后的第二邏輯圖標(biāo)注出某個(gè)環(huán)境參數(shù)對應(yīng)的正確的第二射頻參數(shù)。所以可以將訓(xùn)練數(shù)據(jù)集看做更新后的訓(xùn)練參數(shù)。該步驟類似于使用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)中的更正某個(gè)環(huán)境參數(shù)對應(yīng)不對的第二射頻參數(shù)。但是因?yàn)榈诙壿媹D是從訓(xùn)練后的仿真網(wǎng)絡(luò)模型中提取出的，所以第二邏輯圖是比校準(zhǔn)設(shè)備更優(yōu)[0040]根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練，包括三輪訓(xùn)練。第一輪訓(xùn)練，在凍結(jié)神經(jīng)網(wǎng)絡(luò)模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，可以理解為只訓(xùn)練8仿真模型，該步用于調(diào)整仿真模型的參數(shù)；第二輪訓(xùn)練：在凍結(jié)仿真模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，可以理解為只訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，該步是最為常見的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；第三輪訓(xùn)練：使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，是同時(shí)訓(xùn)練仿真模型和神經(jīng)網(wǎng)絡(luò)模型，該步用于微調(diào)仿真網(wǎng)絡(luò)模型的參數(shù)。[0041]根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練之后，方法還包括：將環(huán)境參數(shù)輸入仿真網(wǎng)絡(luò)模型中的神經(jīng)網(wǎng)絡(luò)模型，輸出第二射頻參數(shù)。[0042]本公開實(shí)施例中仿真模型只用于再訓(xùn)練中，輔助調(diào)整神經(jīng)網(wǎng)絡(luò)模型的參數(shù)(本公開實(shí)施例不同于上面的實(shí)施例，是將神經(jīng)網(wǎng)絡(luò)模型作為主體，將仿真模型作為輔助，上文中的實(shí)施例是將神經(jīng)網(wǎng)絡(luò)模型作為輔助，將仿真模型作為主體，這種方法的好處，可以幫助神經(jīng)網(wǎng)絡(luò)模型盡快收斂。本公開實(shí)施例的網(wǎng)絡(luò)結(jié)構(gòu)可以是仿真模型和神經(jīng)網(wǎng)絡(luò)模型并行構(gòu)建仿真網(wǎng)絡(luò)模型，這樣仿真模型就可以用于約束神經(jīng)網(wǎng)絡(luò)模型的輸入和輸出),在完成對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練之后，從仿真網(wǎng)絡(luò)模型中提取神經(jīng)網(wǎng)絡(luò)模型，或者在仿真網(wǎng)絡(luò)模型中去掉仿真模型的部分，只使用神經(jīng)網(wǎng)絡(luò)模型對環(huán)境參數(shù)進(jìn)行映射。[0043]也就是獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)之后，方法還包括：利用訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并保存有環(huán)境參數(shù)和第二射頻參數(shù)的對應(yīng)關(guān)系；利用校準(zhǔn)設(shè)備，對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；從神經(jīng)網(wǎng)絡(luò)模型中提取出第三邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第三邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第三邏輯圖對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；將環(huán)境參數(shù)輸入神經(jīng)網(wǎng)絡(luò)模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射[0044]第三邏輯圖類似于第一邏輯圖，不再贅述。現(xiàn)有技術(shù)是通過校準(zhǔn)設(shè)備對目標(biāo)設(shè)備的射頻參數(shù)進(jìn)行校準(zhǔn)的，本公開首次引入神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型確定環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)，進(jìn)而校準(zhǔn)目標(biāo)設(shè)備的射頻參數(shù)。[0045]利用訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并保存有環(huán)境參數(shù)和第二射頻參數(shù)的對應(yīng)關(guān)系之前，方法還包括：獲取與目標(biāo)設(shè)備同一應(yīng)用領(lǐng)域下的同一類型的多個(gè)設(shè)備的設(shè)備信息；根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)。[0046]如果直接利用訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練時(shí)間會很長，為了提高訓(xùn)練的效率，本公開實(shí)施例對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練之前，先根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)。根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)，可以理解為將神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)的值更新到目標(biāo)設(shè)備對應(yīng)的區(qū)間中。設(shè)備信息，包括：設(shè)備的應(yīng)用領(lǐng)域的信息、設(shè)備的類型和設(shè)備的工作參數(shù)等，比如一個(gè)設(shè)備的工作頻率的理論區(qū)間。通過上述技術(shù)手段，可以提高訓(xùn)練中神經(jīng)網(wǎng)絡(luò)模型的收斂速度。[0047]為了提高訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型的精度，本公開實(shí)施例對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練。校準(zhǔn)結(jié)果是校準(zhǔn)設(shè)備推薦的第二的參數(shù)值。以通過調(diào)整目標(biāo)設(shè)備的工作電路，改變第一s參數(shù)，進(jìn)而基于第二射頻參數(shù)校準(zhǔn)第一射頻參9數(shù)。目標(biāo)設(shè)備可以在工作時(shí)，選用不同的電路，進(jìn)而選用的信號增益不同，可以根據(jù)第二信號增益選用最合適的電路。還可以根據(jù)第二發(fā)射信號功率調(diào)整第一發(fā)射信號功率等。[0050]需要說明的是，本公開實(shí)施例中的第一射頻參數(shù)和第二射頻參數(shù)中的任何一個(gè)參數(shù)都可以對應(yīng)一個(gè)區(qū)間的值。比如第二發(fā)射信號功率可以是一個(gè)區(qū)間的發(fā)射信號功率。[0051]在一個(gè)可選實(shí)施例中，獲取目標(biāo)設(shè)備的環(huán)境參數(shù)；分別基于光波反射原理、光波散射原理、光波折射原理和光波繞射原理，建立光波反射約束條件、光波散射約束條件、光波折射約束條件和光波繞射約束條件；以光波傳播能量損耗最小為準(zhǔn)則，建立光波傳播能量函數(shù)；基于光波反射約束條件、光波散射約束條件、光波折射約束條件、光波繞射約束條件和光波傳播能量函數(shù)，構(gòu)建數(shù)學(xué)模型；將環(huán)境參數(shù)輸入數(shù)學(xué)模型，輸出目標(biāo)設(shè)備的第二工作波長；根據(jù)工作波長確定目標(biāo)設(shè)備的第二工作頻率；當(dāng)?shù)诙ぷ黝l率和第一工作頻率的差值大于預(yù)設(shè)閾值時(shí)，基于第二工作頻率和第一工作頻率，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0052]其中，第二射頻參數(shù)包括第二工作頻率，第一射頻參數(shù)包括第一工作頻率。[0053]本公開實(shí)施例屬于數(shù)學(xué)建模的思想。不同的波長在一個(gè)環(huán)境中的傳播能力存在差的工作波在環(huán)境中的傳播能力，降低在傳播過程中的損耗，本公開實(shí)施例基于光波反射原理建立光波反射約束條件，基于光波散射原理建立光波散射約束條件，基于光波折射原理建立光波折射約束條件，基于光波繞射原理建立光波繞射約束條件。通過上述約束條件可以將目標(biāo)設(shè)備的工作波的波長控制在一定區(qū)間內(nèi)，然后根據(jù)光波傳播能量函數(shù)，從該區(qū)間中求解出目標(biāo)設(shè)備的第二工作波長。因?yàn)椴ㄩL和頻率滿足一定的條件，所以可以根據(jù)工作波長確定目標(biāo)設(shè)備的第二工作頻率。環(huán)境參數(shù)包括了目標(biāo)設(shè)備所處環(huán)境的所有信息，比如目標(biāo)設(shè)備所處環(huán)境有哪些影響光波傳播的遮擋物，遮擋物的位置和大小等信息。[0054]在一個(gè)可選實(shí)施例中，獲取目標(biāo)設(shè)備的環(huán)境參數(shù)；根據(jù)環(huán)境參數(shù)，確定目標(biāo)設(shè)備的以下至少之一的參數(shù)：最優(yōu)電壓、最優(yōu)電流和抗干擾信息；基于以下至少之一的參數(shù)：最優(yōu)電壓、最優(yōu)電流和抗干擾信息，確定目標(biāo)設(shè)備的最優(yōu)發(fā)射信號功率，其中，第二射頻參數(shù)包括最優(yōu)發(fā)射信號功率；使用最優(yōu)發(fā)射信號功率除以當(dāng)前發(fā)射信號功率，得到相除值；根據(jù)相除值確定最優(yōu)信號增益，其中，第二射頻參數(shù)包括最優(yōu)信號增益，第一射頻參數(shù)包括當(dāng)前發(fā)射信號功率；根據(jù)最優(yōu)信號增益確定目標(biāo)設(shè)備的工作電路。[0055]目標(biāo)設(shè)備在不同的環(huán)境下，或者目標(biāo)設(shè)備的工作存在差異，那么目標(biāo)設(shè)備所被允許的發(fā)射信號功率會存在不同，或者在考慮到設(shè)備功耗的情況下，目標(biāo)設(shè)備的最佳的發(fā)射信號功率會存在不同。為了解決上述技術(shù)問題，本公開實(shí)施例通過環(huán)境參數(shù)，確定目標(biāo)設(shè)備的最優(yōu)電壓、或最優(yōu)電流、或抗干擾信息。因?yàn)槟繕?biāo)設(shè)備的內(nèi)阻是可以知道的，所以可以根據(jù)電壓、電流、電阻和功率的關(guān)系，確定目標(biāo)設(shè)備的最優(yōu)發(fā)射信號功率。抗干擾信息用于表明目標(biāo)設(shè)備的發(fā)射信號功率應(yīng)具有的抗干擾的能力。在某些情況下，如果目標(biāo)設(shè)備需要較強(qiáng)的抗干擾的能力，那么應(yīng)該增強(qiáng)目標(biāo)設(shè)備的發(fā)射信號功率，如果目標(biāo)設(shè)備不需要較強(qiáng)的抗干擾的能力，那么應(yīng)該根據(jù)具體情境適當(dāng)降低目標(biāo)設(shè)備的發(fā)射信號功率。所以根據(jù)抗干擾信息，也確定目標(biāo)設(shè)備的最優(yōu)發(fā)射信號功率。[0056]本公開實(shí)施例可以為目標(biāo)設(shè)備提供多個(gè)增益電路，進(jìn)而為目標(biāo)設(shè)備提供多種增益。可以將最優(yōu)發(fā)射信號功率除以當(dāng)前發(fā)射信號功率得到的相除值，理解為目標(biāo)設(shè)備需要的增益，也就是最優(yōu)信號增益。當(dāng)前信號增益是當(dāng)前時(shí)刻目標(biāo)設(shè)備正在使用的增益。在最優(yōu)信號增益之后，可以根據(jù)最優(yōu)信號增益確定目標(biāo)設(shè)備的工作電路。確定目標(biāo)設(shè)備的工作電路也是對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)的一種方法。[0057]上述所有可選技術(shù)方案，可以采用任意結(jié)合形成本申請的可選實(shí)施例，在此不再一一贅述。[0058]下述為本公開裝置實(shí)施例，可以用于執(zhí)行本公開方法實(shí)施例。對于本公開裝置實(shí)施例中未披露的細(xì)節(jié)，請參照本公開方法實(shí)施例。[0059]圖3是本公開實(shí)施例提供的一種設(shè)備校準(zhǔn)裝置的示意圖。如圖3所示，該設(shè)備校準(zhǔn)裝置包括：[0060]獲取模塊301,被配置為獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境[0061]校準(zhǔn)模塊302,被配置為利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；[0062]構(gòu)建模塊303,被配置為對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；[0063]提取模塊304,被配置為從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；[0064]訓(xùn)練模塊305,被配置為根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；[0065]模型模塊306,被配置為將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；[0066]校準(zhǔn)模塊307,被配置為當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0067]需要說明的是，目標(biāo)設(shè)備的環(huán)境參數(shù)，包括：目標(biāo)設(shè)備所處實(shí)地環(huán)境的參數(shù)和網(wǎng)絡(luò)環(huán)境的參數(shù)等。環(huán)境參數(shù)用于描述目標(biāo)設(shè)備所屬環(huán)境的環(huán)境狀況。第一射頻參數(shù)是目標(biāo)設(shè)備當(dāng)前的射頻參數(shù)。不同的環(huán)境狀況對應(yīng)的目標(biāo)設(shè)備的第二射頻參數(shù)不同，第二射頻參數(shù)是目標(biāo)設(shè)備在該環(huán)境狀況下，理論上最優(yōu)的射頻參數(shù)。目標(biāo)設(shè)備可以是任何一種領(lǐng)域中的設(shè)備，比如目標(biāo)設(shè)備為測控領(lǐng)域，可以是移動通信測試儀表、綜測儀和程控電源等。對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)，就是將目標(biāo)設(shè)備現(xiàn)有的第一射頻參數(shù)更新為理論上最優(yōu)的第二射頻參數(shù)。[0068]訓(xùn)練參數(shù)包括多種環(huán)境參數(shù)，每種環(huán)境參數(shù)已經(jīng)被標(biāo)注了其對應(yīng)的第二射頻參數(shù)。利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，可以是刪除或者修正訓(xùn)練參數(shù)中部分不合預(yù)設(shè)規(guī)則的數(shù)據(jù)，比如某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)不對，那么需要標(biāo)注某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)。線性回歸處理可以是常用的任何一種擬合方法，比如最小二乘法的擬合方法，當(dāng)然線性回歸處理也可以是借助一些軟件實(shí)現(xiàn)，比如excel、matlab。將環(huán)境參數(shù)作為自變量，第二射頻參數(shù)作為因變量，將環(huán)境參數(shù)和第二射頻參數(shù)輸入上述軟件中，就可以輸出回歸結(jié)果。比如回歸結(jié)果是一則函數(shù)，那么根據(jù)回歸結(jié)果構(gòu)建仿真模型，就以該則函數(shù)為主體，可以添加其他的要求構(gòu)建仿真模型。其他的要求，比如需要將數(shù)據(jù)用圖像展示，那么仿真模型就需要在該則函數(shù)的基礎(chǔ)上增加數(shù)據(jù)到圖像的轉(zhuǎn)換關(guān)系。第一邏輯圖是仿真模型所表達(dá)的邏輯，可以理解為一種映射關(guān)系，或者和仿真模型等價(jià)的函數(shù)表達(dá)。仿真模型是根據(jù)回歸結(jié)果構(gòu)建的，第一邏輯圖是從仿真模型中提取到的。第一邏輯圖可以是在回歸結(jié)果是根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行修正。根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練，11可以理解為，根據(jù)優(yōu)化后的第一邏輯圖，通過反向傳播的方法更新仿真模型的模型參數(shù)。[0069]本公開實(shí)施例因?yàn)榭梢越柚Ｐ蛯?shí)現(xiàn)對目標(biāo)設(shè)備的校準(zhǔn)，不需要再使用校準(zhǔn)儀器，所以降低校準(zhǔn)設(shè)備的成本，同時(shí)通過提高模型的精度，可以提高校準(zhǔn)設(shè)備的精確度。[0070]根據(jù)本公開實(shí)施例提供的技術(shù)方案，獲取訓(xùn)練參數(shù)，以及獲取目標(biāo)設(shè)備的第一射頻參數(shù)和環(huán)境參數(shù)；利用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；對訓(xùn)練參數(shù)和校準(zhǔn)結(jié)果進(jìn)行線性回歸處理，得到回歸結(jié)果，并根據(jù)回歸結(jié)果構(gòu)建仿真模型；從仿真模型中提取出第一邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第一邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第一邏輯圖對仿真模型進(jìn)行訓(xùn)練；將環(huán)境參數(shù)輸入仿真模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。采用上述技術(shù)手段，解決現(xiàn)有技術(shù)中對設(shè)備進(jìn)行校準(zhǔn)成本高和精確度低的問題，進(jìn)而降低校準(zhǔn)設(shè)備的成本，提高校準(zhǔn)設(shè)備的精確度。[0071]可選地，構(gòu)建模塊303還被配置為使用仿真模型和神經(jīng)網(wǎng)絡(luò)模型構(gòu)建仿真網(wǎng)絡(luò)模型；利用訓(xùn)練參數(shù)對仿真網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；從訓(xùn)練后的仿真網(wǎng)絡(luò)模型中提取出第二邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第二邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；將環(huán)境參數(shù)輸入仿真網(wǎng)絡(luò)模型，輸出第二射頻參數(shù)。[0072]使用仿真模型和神經(jīng)網(wǎng)絡(luò)模型構(gòu)建仿真網(wǎng)絡(luò)模型，可以是仿真模型后接神經(jīng)網(wǎng)絡(luò)模型。本公開實(shí)施例是對仿真網(wǎng)絡(luò)模型進(jìn)行了兩次訓(xùn)練，進(jìn)而提高訓(xùn)練后模型的精度。第二邏輯圖類似于第一邏輯圖，對第二邏輯圖進(jìn)行優(yōu)化類似于對第一邏輯圖進(jìn)行優(yōu)化。因?yàn)槭褂脭?shù)學(xué)方法構(gòu)建的仿真模型，其的精度在到達(dá)一定程度后，是很難再提升的，但是神經(jīng)網(wǎng)絡(luò)模型就不存在這種問題。神經(jīng)網(wǎng)絡(luò)模型可以通過大量的機(jī)器學(xué)習(xí)訓(xùn)練，盡可能的提高可以模型的精度。所以本公開實(shí)施例利用神經(jīng)網(wǎng)絡(luò)模型提高仿真模型的精度。具體地，在仿真網(wǎng)絡(luò)模型中，仿真模型的輸出是神經(jīng)網(wǎng)絡(luò)模型的輸入，神經(jīng)網(wǎng)絡(luò)模型是第二射頻參數(shù)(雖然仿真模型是基于環(huán)境參數(shù)到第二射頻參數(shù)的映射關(guān)系建立的，但是實(shí)際應(yīng)用中仿真模型的輸出可能并不是第二射頻參數(shù))。[0073]需要說明的是，神經(jīng)網(wǎng)絡(luò)模型可以是任何一種常用的神經(jīng)網(wǎng)絡(luò)模型，比如Faster-RCNN。本公開中的訓(xùn)練方法都是類似于深度學(xué)習(xí)訓(xùn)練的方法。[0074]可選地，構(gòu)建模塊303還被配置為根據(jù)優(yōu)化后的第二邏輯圖，確定出訓(xùn)練參數(shù)對應(yīng)的訓(xùn)練數(shù)據(jù)集；在整個(gè)訓(xùn)練過程中，第一輪訓(xùn)練：在凍結(jié)神經(jīng)網(wǎng)絡(luò)模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的仿真模型的參數(shù)；第二輪訓(xùn)練：在凍結(jié)仿真模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；第三輪訓(xùn)練：使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，以更新仿真網(wǎng)絡(luò)模型中的仿真模型和神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。[0075]根據(jù)優(yōu)化后的第二邏輯圖，確定出訓(xùn)練參數(shù)對應(yīng)的訓(xùn)練數(shù)據(jù)集，比如，某個(gè)環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)不對，那么可以使用優(yōu)化后的第二邏輯圖標(biāo)注出某個(gè)環(huán)境參數(shù)對應(yīng)的正確的第二射頻參數(shù)。所以可以將訓(xùn)練數(shù)據(jù)集看做更新后的訓(xùn)練參數(shù)。該步驟類似于使用校準(zhǔn)設(shè)備對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)中的更正某個(gè)環(huán)境參數(shù)對應(yīng)不對的第二射頻參數(shù)。但是因?yàn)榈诙壿媹D是從訓(xùn)練后的仿真網(wǎng)絡(luò)模型中提取出的，所以第二邏輯圖是比校準(zhǔn)設(shè)備更優(yōu)[0076]根據(jù)優(yōu)化后的第二邏輯圖對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練，包括三輪訓(xùn)練。第一輪訓(xùn)練，在凍結(jié)神經(jīng)網(wǎng)絡(luò)模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，可以理解為只訓(xùn)練仿真模型，該步用于調(diào)整仿真模型的參數(shù)；第二輪訓(xùn)練：在凍結(jié)仿真模型的情況下，使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，可以理解為只訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，該步是最為常見的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；第三輪訓(xùn)練：使用訓(xùn)練數(shù)據(jù)集訓(xùn)練仿真網(wǎng)絡(luò)模型，是同時(shí)訓(xùn)練仿真模型和神經(jīng)網(wǎng)絡(luò)模型，該步用于微調(diào)仿真網(wǎng)絡(luò)模型的參數(shù)。[0077]可選地，構(gòu)建模塊303還被配置為將環(huán)境參數(shù)輸入仿真網(wǎng)絡(luò)模型中的神經(jīng)網(wǎng)絡(luò)模[0078]本公開實(shí)施例中仿真模型只用于再訓(xùn)練中，輔助調(diào)整神經(jīng)網(wǎng)絡(luò)模型的參數(shù)(本公開實(shí)施例不同于上面的實(shí)施例，是將神經(jīng)網(wǎng)絡(luò)模型作為主體，將仿真模型作為輔助，上文中的實(shí)施例是將神經(jīng)網(wǎng)絡(luò)模型作為輔助，將仿真模型作為主體，這種方法的好處，可以幫助神經(jīng)網(wǎng)絡(luò)模型盡快收斂。本公開實(shí)施例的網(wǎng)絡(luò)結(jié)構(gòu)可以是仿真模型和神經(jīng)網(wǎng)絡(luò)模型并行構(gòu)建仿真網(wǎng)絡(luò)模型，這樣仿真模型就可以用于約束神經(jīng)網(wǎng)絡(luò)模型的輸入和輸出),在完成對仿真網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練之后，從仿真網(wǎng)絡(luò)模型中提取神經(jīng)網(wǎng)絡(luò)模型，或者在仿真網(wǎng)絡(luò)模型中去掉仿真模型的部分，只使用神經(jīng)網(wǎng)絡(luò)模型對環(huán)境參數(shù)進(jìn)行映射。[0079]可選地，第一校準(zhǔn)模塊302還被配置為利用訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并保存有環(huán)境參數(shù)和第二射頻參數(shù)的對應(yīng)關(guān)系；利用校準(zhǔn)設(shè)備，對訓(xùn)練參數(shù)進(jìn)行校準(zhǔn)，得到校準(zhǔn)結(jié)果；從神經(jīng)網(wǎng)絡(luò)模型中提取出第三邏輯圖，并根據(jù)校準(zhǔn)結(jié)果對第三邏輯圖進(jìn)行優(yōu)化；根據(jù)優(yōu)化后的第三邏輯圖對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；將環(huán)境參數(shù)輸入神經(jīng)網(wǎng)絡(luò)模型，輸出第二射頻參數(shù)；當(dāng)?shù)诙漕l參數(shù)和第一射頻參數(shù)的差值大于預(yù)設(shè)閾值時(shí)，基于第二射頻參數(shù)和第一射頻參數(shù)，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0080]第三邏輯圖類似于第一邏輯圖，不再贅述?，F(xiàn)有技術(shù)是通過校準(zhǔn)設(shè)備對目標(biāo)設(shè)備的射頻參數(shù)進(jìn)行校準(zhǔn)的，本公開首次引入神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型確定環(huán)境參數(shù)對應(yīng)的第二射頻參數(shù)，進(jìn)而校準(zhǔn)目標(biāo)設(shè)備的射頻參數(shù)。[0081]可選地，第一校準(zhǔn)模塊302還被配置為獲取與目標(biāo)設(shè)備同一應(yīng)用領(lǐng)域下的同一類型的多個(gè)設(shè)備的設(shè)備信息；根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)。[0082]如果直接利用訓(xùn)練參數(shù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練時(shí)間會很長，為了提高訓(xùn)練的效率，本公開實(shí)施例對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練之前，先根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)。根據(jù)多個(gè)設(shè)備的設(shè)備信息更新神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)，可以理解為將神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)的值更新到目標(biāo)設(shè)備對應(yīng)的區(qū)間中。設(shè)備信息，包括：設(shè)備的應(yīng)用領(lǐng)域的信息、設(shè)備的類型和設(shè)備的工作參數(shù)等，比如一個(gè)設(shè)備的工作頻率的理論區(qū)間。通過上述技術(shù)手段，可以提高訓(xùn)練中神經(jīng)網(wǎng)絡(luò)模型的收斂速度。[0083]為了提高訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型的精度，本公開實(shí)施例對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練。校準(zhǔn)結(jié)果是校準(zhǔn)設(shè)備推薦的第二的參數(shù)值。以通過調(diào)整目標(biāo)設(shè)備的工作電路，改變第一s參數(shù)，進(jìn)而基于第二射頻參數(shù)校準(zhǔn)第一射頻參數(shù)。目標(biāo)設(shè)備可以在工作時(shí)，選用不同的電路，進(jìn)而選用s參數(shù)第二的電路。的信號增益不同，可以根據(jù)第二信號增益選用最合適的電路。還可以根據(jù)第二發(fā)射信號功率調(diào)整第一發(fā)射信號功率等。[0086]需要說明的是，本公開實(shí)施例中的第一射頻參數(shù)和第二射頻參數(shù)中的任何一個(gè)參數(shù)都可以對應(yīng)一個(gè)區(qū)間的值。比如第二發(fā)射信號功率可以是一個(gè)區(qū)間的發(fā)射信號功率。[0087]可選地，獲取模塊301還被配置為獲取目標(biāo)設(shè)備的環(huán)境參數(shù)；分別基于光波反射原理、光波散射原理、光波折射原理和光波繞射原理，建立光波反射約束條件、光波散射約束條件、光波折射約束條件和光波繞射約束條件；以光波傳播能量損耗最小為準(zhǔn)則，建立光波傳播能量函數(shù)；基于光波反射約束條件、光波散射約束條件、光波折射約束條件、光波繞射約束條件和光波傳播能量函數(shù)，構(gòu)建數(shù)學(xué)模型；將環(huán)境參數(shù)輸入數(shù)學(xué)模型，輸出目標(biāo)設(shè)備的第二工作波長；根據(jù)工作波長確定目標(biāo)設(shè)備的第二工作頻率；當(dāng)?shù)诙ぷ黝l率和第一工作頻率的差值大于預(yù)設(shè)閾值時(shí)，基于第二工作頻率和第一工作頻率，對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)。[0088]其中，第二射頻參數(shù)包括第二工作頻率，第一射頻參數(shù)包括第一工[0089]本公開實(shí)施例屬于數(shù)學(xué)建模的思想。不同的波長在一個(gè)環(huán)境中的傳播能力存在差的工作波在環(huán)境中的傳播能力，降低在傳播過程中的損耗，本公開實(shí)施例基于光波反射原理建立光波反射約束條件，基于光波散射原理建立光波散射約束條件，基于光波折射原理建立光波折射約束條件，基于光波繞射原理建立光波繞射約束條件。通過上述約束條件可以將目標(biāo)設(shè)備的工作波的波長控制在一定區(qū)間內(nèi)，然后根據(jù)光波傳播能量函數(shù)，從該區(qū)間中求解出目標(biāo)設(shè)備的第二工作波長。因?yàn)椴ㄩL和頻率滿足一定的條件，所以可以根據(jù)工作波長確定目標(biāo)設(shè)備的第二工作頻率。環(huán)境參數(shù)包括了目標(biāo)設(shè)備所處環(huán)境的所有信息，比如目標(biāo)設(shè)備所處環(huán)境有哪些影響光波傳播的遮擋物，遮擋物的位置和大小等信息。[0090]可選地，獲取模塊301還被配置為獲取目標(biāo)設(shè)備的環(huán)境參數(shù)；根據(jù)環(huán)境參數(shù)，確定目標(biāo)設(shè)備的以下至少之一的參數(shù)：最優(yōu)電壓、最優(yōu)電流和抗干擾信息；基于以下至少之一的頻參數(shù)包括最優(yōu)發(fā)射信號功率；使用最優(yōu)發(fā)射信號功率除以當(dāng)前發(fā)射信號功率，得到相除值；根據(jù)相除值確定最優(yōu)信號增益，其中，第二射頻參數(shù)包括最優(yōu)信號增益，第一射頻參數(shù)包括當(dāng)前發(fā)射信號功率；根據(jù)最優(yōu)信號增益確定目標(biāo)設(shè)備的工作電路。[0091]目標(biāo)設(shè)備在不同的環(huán)境下，或者目標(biāo)設(shè)備的工作存在差異，那么目標(biāo)設(shè)備所被允許的發(fā)射信號功率會存在不同，或者在考慮到設(shè)備功耗的情況下，目標(biāo)設(shè)備的最佳的發(fā)射信號功率會存在不同。為了解決上述技術(shù)問題，本公開實(shí)施例通過環(huán)境參數(shù)，確定目標(biāo)設(shè)備的最優(yōu)電壓、或最優(yōu)電流、或抗干擾信息。因?yàn)槟繕?biāo)設(shè)備的內(nèi)阻是可以知道的，所以可以根據(jù)電壓、電流、電阻和功率的關(guān)系，確定目標(biāo)設(shè)備的最優(yōu)發(fā)射信號功率。抗干擾信息用于表明目標(biāo)設(shè)備的發(fā)射信號功率應(yīng)具有的抗干擾的能力。在某些情況下，如果目標(biāo)設(shè)備需要較強(qiáng)的抗干擾的能力，那么應(yīng)該增強(qiáng)目標(biāo)設(shè)備的發(fā)射信號功率，如果目標(biāo)設(shè)備不需要較強(qiáng)的抗干擾的能力，那么應(yīng)該根據(jù)具體情境適當(dāng)降低目標(biāo)設(shè)備的發(fā)射信號功率。所以根據(jù)抗干擾信息，也確定目標(biāo)設(shè)備的最優(yōu)發(fā)射信號功率。[0092]本公開實(shí)施例可以為目標(biāo)設(shè)備提供多個(gè)增益電路，進(jìn)而為目標(biāo)設(shè)備提供多種增益。可以將最優(yōu)發(fā)射信號功率除以當(dāng)前發(fā)射信號功率得到的相除值，理解為目標(biāo)設(shè)備需要的增益，也就是最優(yōu)信號增益。當(dāng)前信號增益是當(dāng)前時(shí)刻目標(biāo)設(shè)備正在使用的增益。在最優(yōu)信號增益之后，可以根據(jù)最優(yōu)信號增益確定目標(biāo)設(shè)備的工作電路。確定目標(biāo)設(shè)備的工作電路也是對目標(biāo)設(shè)備進(jìn)行校準(zhǔn)的一種方法。[0093]應(yīng)理解，上述實(shí)施例中各步驟的序號的大小并不意味著執(zhí)行順序的先后，各過程的執(zhí)行順序應(yīng)以其功能和內(nèi)在邏輯確定，而不應(yīng)對本公開實(shí)施例的實(shí)施過程構(gòu)成任何限[0094]圖4是本公開實(shí)施例提供的電子設(shè)備4的示意圖。如圖4所示，該實(shí)施例的電子設(shè)備4包括：處理器401、存儲器402以及存儲在該存儲器402中并且可在處理器401上運(yùn)行的計(jì)算機(jī)程序403.處理器401執(zhí)行計(jì)算機(jī)程序403時(shí)實(shí)現(xiàn)上述各個(gè)方法實(shí)施例中的步驟?；蛘撸幚砥?01執(zhí)行計(jì)算機(jī)程序403時(shí)實(shí)現(xiàn)上述各裝置實(shí)施例中各模塊/單元的功能。[0095]示例性地，計(jì)算機(jī)程序403可以被分割成一個(gè)或多個(gè)模塊/單元，一個(gè)或多個(gè)模塊/單元被存儲在存儲器402中，并由處理器401執(zhí)行，以完成本公開。一個(gè)或多個(gè)模塊/單元可以是能夠完成特定功能的一系列計(jì)算機(jī)程序指令段，該指令段用于描述計(jì)算機(jī)程序403在電子設(shè)備4中的執(zhí)行過程。[0096]電子設(shè)備4可以是桌上型計(jì)算機(jī)、筆記本、掌上電腦及云端服務(wù)器等電子設(shè)備。電子設(shè)備4可以包括但不僅限于處理器401和存儲器402。本領(lǐng)域技術(shù)人員可以理解，圖4僅僅是電子設(shè)備4的示例，并不構(gòu)成對電子設(shè)備4的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如，電子設(shè)備還可以包括輸入輸出設(shè)備、網(wǎng)絡(luò)接入設(shè)[0097]處理器401可以是中央處理單元(CentralProcessingUnit,CPU),也可以是其它通用處理器、數(shù)字信號處理器(DigitalSignalProcessor,DSP)、專用集成電路(ApplicationSpecificIntegratedCircuit,ASIC)、現(xiàn)場可編程門陣列(Field-ProgrammableGateArray,FPGA)或者其它可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件等。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器[0098]存儲器402可以是電子設(shè)備4的內(nèi)部存儲單元，例如，電子設(shè)備4的硬盤或內(nèi)存。存儲器402也可以是電子設(shè)備4的外部存儲設(shè)備，例如，電子設(shè)備4上配備的插接式硬盤，智能存儲卡(SmartMediaCard,SMC),安全數(shù)字(SecureDigital,SD)卡，閃存卡(FlashCard)等。進(jìn)一步地，存儲器402還可以既包括電子設(shè)備4的內(nèi)部存儲單元也包括外部存儲設(shè)備。存儲器402用于存儲計(jì)算機(jī)程序以及電子設(shè)備所需的其它程序和數(shù)據(jù)。存儲器