CN106682234A - 一种基于空间插值的电磁频谱分布预测和动态可视化方法 - Google Patents
一种基于空间插值的电磁频谱分布预测和动态可视化方法 Download PDFInfo
- Publication number
- CN106682234A CN106682234A CN201710033617.7A CN201710033617A CN106682234A CN 106682234 A CN106682234 A CN 106682234A CN 201710033617 A CN201710033617 A CN 201710033617A CN 106682234 A CN106682234 A CN 106682234A
- Authority
- CN
- China
- Prior art keywords
- data
- lat
- monitoring
- lng
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012800 visualization Methods 0.000 title abstract 3
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract 1
- 238000009877 rendering Methods 0.000 abstract 1
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明公开一种涉及基于空间插值的电磁频谱分布预测和动态可视化方法,对来自网格化监测的数据按照时间粒度聚合,对每一个时间段内的监测数据使用Kriging空间插值算法,拟合监测站点间距离与电磁信号强度的统计关系,对未知区域的电磁频谱分布数据进行最优无偏插值预测。对每个时间段下的插值预测数据进行热力图渲染并按照时间先后顺序输出到GIS地图中,进而实现对监测区域电磁频谱分布的预测和动态可视化展示。采用本发明的技术方案,可以提高频谱监测数据利用效率。
Description
技术领域
本发明属于无线电监测技术领域,具体涉及一种基于空间插值的电磁频谱分布预测和动态可视化方法。
背景技术
在无线电管理机构的日常无线电监测中,网格化监测作为无线电监测精细化管理的有效手段,正在成为一种越来越普遍的监测方式。然而目前的监测方向集中在频段(频率)占用度的统计分析、单站点频谱监测、不明信号侦听解调和测向定位等方面。然而相对于监测产生的大量频谱监测数据,目前的监测手段对监测数据的利用率仍然显得偏低,对监测区域内的电磁频谱分布和变化情况依然停留在独立站点监测处理的阶段,对于站点以外的大面积区域中的电磁频谱连续分布和变化情况监测没有有效的方法。
发明内容
本发明的目的是针对无线电网格化监测中产生大量监测数据,却不能及时反映监测区域内电磁频谱分布和变化情况,数据低效利用的现状,提供一种基于Kriging插值算法的空间电磁态势预测及动态可视化方法。为网格化监测提供一种新的监测手段。所述方法将空间上离散分布的网格化监测数据,运用空间插值的办法对未覆盖区域的电磁分布情况进行统计预测,构建在空间上连续分布,时间上连续变化的电磁态势曲面,并使用热力图渲染技术实现电磁频谱态势可视化动态化展示。
为实现上述目的,本发明采用如下的技术方案:
一种基于空间插值的电磁频谱分布预测和动态可视化方法包含以下步骤:
第一步,读取网格监测数据,其包括:频率、经度、维度、时间、场强;
第二步,根据所选频段、门限、时间粒度对监测数据进行筛选压缩,将监测区域进行栅格化处理,栅格交点作为未知数据点;
第三步,构建当前时间段ti每个时间段内的已知监测点数据Zij(Lng,Lat,E);
第四步,计算筛选后监测点两两之间的距离{dij}和半方差{γij};
第五步,对距离{dij}和半方差{γij}数据进行曲线拟合,获取拟合曲线函数γij=f(dij);
第六步,根据拟合曲线重新计算已知监测点两两之间的半方差{γij};
第七步,任选一个未知点,利用拟合函数计算其与所有已知监测点之间的距离{dio}和半方差{γio=f(dio)};
第八步,计算未知点到各个已知监测点的权重系数λi;
第九步,计算未知点的信号强度得到未知点数据Zo(Lng,Lat,E);
第十步,重复第七步到第九步,直到完成所有未知点的数据计算,生成当前时间段ti内的未知点预测数据集{Zo},并存储;
第十一步,判断是否完成所有时间段的插值计算和结果存储,若完成则将所有时间段内的数据集{Zo}进行热力图渲染,并按照时间先后顺序依次展示在GIS地图上;若未完成,则重复第三步到第十步运算过程。
作为优选,第四步中,监测点之间的距离dij(Zi,Zj)(km)计算涉及球面两点间距计算,经纬度参数需要做一定的转换,转换公式如下:
dij[Zi(Lngi,Lati,Ei),Zj(Lngi,Latj,Ej)]=
int((cos-1(sin(Lati/180×π)×sin(Latj/180×π)+cos(Lati/180×π)
×cos(Latj/180×π)×cos(Lngi/180×π-Lngj/180×π))
×180×60÷π)×100000)÷100000×1.852
各监测点间的半方差γij计算:
作为优选,第八步中采用Kriging空间插值算法进行曲线拟合,具体为:
在Kriging插值中,权重系数λ与半方差{γij}、{γio}存在线性函数关系,具体关系如下:
对矩阵求逆,即可解得:
本发明的基于空间插值的电磁频谱分布预测和动态可视化方法,目的在于推动无线电监测频谱精细化管理的发展,提高频谱监测数据利用效率。实现本发明方法的主要思路是对来自网格化监测的数据按照时间粒度聚合,对每一个时间段内的监测数据使用Kriging空间插值算法,拟合监测站点间距离与电磁信号强度的统计关系,对未知区域的电磁频谱分布数据进行最优无偏插值预测。对每个时间段下的插值预测数据进行热力图渲染并按照时间先后顺序输出到GIS地图中,进而实现对监测区域电磁频谱分布的预测和动态可视化展示。
本发明优点在于:
1、使用地理统计学插值算法实现对空间电磁场分布的插值预测,构建电磁场在空间上连续分布曲面,并反映时间维度上的电磁态势变化情况。
2、充分利用网格化监测数据,挖掘监测数据的潜在应用,推动频谱精细化管理的发展。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明
实施例
如图1所示,一种基于空间插值和聚类分析的无线发射源定位方法,其方法步骤如下:
第一步,读取网格监测数据,Point(频率(Freq)、经度(Lng)、维度(Lat)、时间(timestamp)、场强(E))
第二步,根据所选频段(频率)、门限、时间粒度为5min对监测数据进行筛选压缩,将监测区域进行栅格化处理,栅格粒度100m×100m,栅格交点作为未知数据点{Zo(Lngo,Lato,Eo)}。
第三步,构建当前时间段ti每个时间段内的已知监测点数据Zij(Lng,Lat,E)。
第四步,计算筛选后监测点两两之间的距离dij和半方差γij
监测点之间的距离dij(Zi,Zj)(km)计算涉及球面两点间距计算,经纬度参数需要做一定的转换,转换公式如下:
dij[Zi(Lngi,Lati,Ei),Zj(Lngi,Latj,Ej)]=
int((cos-1(sin(Lati/180×π)×sin(Latj/180×π)+cos(Lati/180×π)
×cos(Latj/180×π)×cos(Lngi/180×π-Lngj/180×π))
×180×60÷π)×100000)÷100000×1.852
各监测点间的半方差γij计算:
第五步,对距离dij和半方差γij数据进行曲线拟合,获取拟合曲线函数γij=f(dij)
第六步,根据拟合曲线重新计算已知监测点两两之间的半方差γij
γij=f(dij)
第七步,任选一个未知点,计算其与已知监测点之间的距离dio和半方差γio=f(dio)
第八步,计算未知点到各个已知监测点的权重系数λi
在Kriging插值中,权重系数λ与半方差{γij}、{γio}存在线性函数关系,具体关系如下:
对矩阵求逆,即可解得:
第九步,计算未知点的信号强度获得单个未知点的结果Zo(Lngo,Lato,Eo)
第十步,重复第七步到第九步,直到完成所有未知点的数据计算,生成当前时间段内的未知点插值预测数据集{Zo(Lngo,Lato,Eo)},并存储。
第十一步,判断是否完成所有时间段的插值计算和结果存储。若未完成,则重复第三步到第十步运算过程;若完成则将数据集{Zo}进行热力图渲染,并按照时间先后顺序依次展示在GIS地图上,实现对监测区域内电磁频谱分布的预测和动态化展示。
本发明根据电磁信号在空间分布的统计规律,引入地理统计学中广泛使用的Kriging插值算法,实现对网格化监测站未覆盖区域场强分布的插值预测,并按照时间粒度对监测数据进行压缩和分别插值预测,以反映监测区域内电磁态势分布在时间上的变化情况。通过GIS地图上热力图渲染的方式,实现电磁态势分布可视化动态化展示。为无线电频谱精细化管理提供一个有力工具。
Claims (3)
1.一种基于空间插值的电磁频谱分布预测和动态可视化方法,其特征在于,包含以下步骤:
第一步,读取网格监测数据,其包括频率、经度、维度、时间、场强;
第二步,根据所选频段、门限、时间粒度对监测数据进行筛选压缩,将监测区域进行栅格化处理,栅格交点作为未知数据点;
第三步,构建当前时间段ti每个时间段内的已知监测点数据Zij(Lng,Lat,E);
第四步,计算筛选后监测点两两之间的距离{dij}和半方差{γij};
第五步,对距离{dij}和半方差{γij}数据进行曲线拟合,获取拟合曲线函数γij=f(dij);
第六步,根据拟合曲线重新计算已知监测点两两之间的半方差{γij};
第七步,任选一个未知点,利用拟合函数计算其与所有已知监测点之间的距离{dio}和半方差{γio=f(dio)};
第八步,计算未知点到各个已知监测点的权重系数λi;
第九步,计算未知点的信号强度得到未知点数据Zo(Lng,Lat,E);
第十步,重复第七步到第九步,直到完成所有未知点的数据计算,生成当前时间段ti内的未知点预测数据集{Zo},并存储;
第十一步,判断是否完成所有时间段的插值计算和结果存储,若完成则将所有时间段内的数据集{Zo}进行热力图渲染,并按照时间先后顺序依次展示在GIS地图上;若未完成,则重复第三步到第十步运算过程。
2.如权利要求1所述的基于空间插值的电磁频谱分布预测和动态可视化方法,其特征在于,第四步中,监测点之间的距离dij(Zi,Zj)(km)计算涉及球面两点间距计算,经纬度参数需要做一定的转换,转换公式如下:
dij[Zi(Lngi,Lati,Ei),Zj(Lngi,Latj,Ej)]=
int((cos-1(sin(Lati/180×π)×sin(Latj/180×π)+cos(Latj/180×π)
×cos(Latj/180×π)×cos(Lngi/180×π-Lngj/180×π))×180×60
÷π)×100000)÷100000×1.852
各监测点间的半方差γij计算:
3.如权利要求1所述的基于空间插值的电磁频谱分布预测和动态可视化方法,其特征在于,第八步中采用Kriging空间插值算法进行曲线拟合,具体为:
在Kriging插值中,权重系数λ与半方差{γij}、{γio}存在线性函数关系,具体关系如下:
对矩阵求逆,即可解得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710033617.7A CN106682234B (zh) | 2017-01-17 | 2017-01-17 | 一种基于空间插值的电磁频谱分布预测和动态可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710033617.7A CN106682234B (zh) | 2017-01-17 | 2017-01-17 | 一种基于空间插值的电磁频谱分布预测和动态可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682234A true CN106682234A (zh) | 2017-05-17 |
CN106682234B CN106682234B (zh) | 2019-12-20 |
Family
ID=58860076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710033617.7A Expired - Fee Related CN106682234B (zh) | 2017-01-17 | 2017-01-17 | 一种基于空间插值的电磁频谱分布预测和动态可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682234B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344207A (zh) * | 2018-08-07 | 2019-02-15 | 南京航空航天大学 | 基于北斗扫描的天地一体频谱大数据平台 |
CN110261685A (zh) * | 2019-05-14 | 2019-09-20 | 中国人民解放军31007部队 | 一种基于多源信息的区域电磁频谱态势生成方法 |
CN110346654A (zh) * | 2019-07-19 | 2019-10-18 | 中国人民解放军国防科技大学 | 基于普通克里金插值的电磁频谱地图构建方法 |
CN111641934A (zh) * | 2020-05-29 | 2020-09-08 | 成都华日通讯技术股份有限公司 | 基于车载设备监测数据估计电磁信号态势分布的方法 |
CN112734870A (zh) * | 2020-12-28 | 2021-04-30 | 威创集团股份有限公司 | 一种热力图连续动态演变可视化方法及系统 |
CN113959443A (zh) * | 2021-09-14 | 2022-01-21 | 上海创远仪器技术股份有限公司 | 基于传播模型实现无线电电磁态势插值处理的方法、装置、处理器及其计算机可读存储介质 |
CN114003981A (zh) * | 2021-11-05 | 2022-02-01 | 成都戎星科技有限公司 | 一种基于时空一体数字地球的电磁频谱可视化分析方法 |
CN115687499A (zh) * | 2022-10-28 | 2023-02-03 | 中国人民解放军战略支援部队航天工程大学 | 一种全球频谱测绘图设计与实现系统 |
CN116953356A (zh) * | 2023-09-20 | 2023-10-27 | 南京纳特通信电子有限公司 | 地空一体三维空间无线电频谱监测方法及系统 |
CN117092415A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市城市公共安全技术研究院有限公司 | 一种区域电磁环境监测方法、装置、设备及介质 |
CN114003981B (zh) * | 2021-11-05 | 2024-04-30 | 成都戎星科技有限公司 | 一种基于时空一体数字地球的电磁频谱可视化分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667170A (zh) * | 2008-09-05 | 2010-03-10 | 索尼株式会社 | 计算、量化、音频编码的装置和方法及程序 |
CN103150313A (zh) * | 2012-03-05 | 2013-06-12 | 苏州盛景数字技术服务有限公司 | 基于空间插值的地址定位方法 |
US20140195350A1 (en) * | 2007-03-29 | 2014-07-10 | Raj Abhyanker | White page and yellow page directories in a geo-spatial environment |
CN104899349A (zh) * | 2015-04-24 | 2015-09-09 | 浙江工业大学 | 一种大跨桥梁监测数据空间插值与可视化方法 |
CN105335622A (zh) * | 2015-11-25 | 2016-02-17 | 南京航空航天大学 | 一种基于泛网格化机场感知的航空噪声插值方法 |
CN105509628A (zh) * | 2016-01-27 | 2016-04-20 | 三峡大学 | 一种磁测定位装置以及利用该装置进行滑坡深部位移监测的方法 |
-
2017
- 2017-01-17 CN CN201710033617.7A patent/CN106682234B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195350A1 (en) * | 2007-03-29 | 2014-07-10 | Raj Abhyanker | White page and yellow page directories in a geo-spatial environment |
CN101667170A (zh) * | 2008-09-05 | 2010-03-10 | 索尼株式会社 | 计算、量化、音频编码的装置和方法及程序 |
CN103150313A (zh) * | 2012-03-05 | 2013-06-12 | 苏州盛景数字技术服务有限公司 | 基于空间插值的地址定位方法 |
CN104899349A (zh) * | 2015-04-24 | 2015-09-09 | 浙江工业大学 | 一种大跨桥梁监测数据空间插值与可视化方法 |
CN105335622A (zh) * | 2015-11-25 | 2016-02-17 | 南京航空航天大学 | 一种基于泛网格化机场感知的航空噪声插值方法 |
CN105509628A (zh) * | 2016-01-27 | 2016-04-20 | 三峡大学 | 一种磁测定位装置以及利用该装置进行滑坡深部位移监测的方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344207B (zh) * | 2018-08-07 | 2021-08-06 | 南京航空航天大学 | 基于北斗扫描的天地一体频谱大数据平台 |
CN109344207A (zh) * | 2018-08-07 | 2019-02-15 | 南京航空航天大学 | 基于北斗扫描的天地一体频谱大数据平台 |
CN110261685A (zh) * | 2019-05-14 | 2019-09-20 | 中国人民解放军31007部队 | 一种基于多源信息的区域电磁频谱态势生成方法 |
CN110346654A (zh) * | 2019-07-19 | 2019-10-18 | 中国人民解放军国防科技大学 | 基于普通克里金插值的电磁频谱地图构建方法 |
CN110346654B (zh) * | 2019-07-19 | 2021-03-16 | 中国人民解放军国防科技大学 | 基于普通克里金插值的电磁频谱地图构建方法 |
CN111641934A (zh) * | 2020-05-29 | 2020-09-08 | 成都华日通讯技术股份有限公司 | 基于车载设备监测数据估计电磁信号态势分布的方法 |
CN111641934B (zh) * | 2020-05-29 | 2022-07-12 | 成都华日通讯技术股份有限公司 | 基于车载设备监测数据估计电磁信号态势分布的方法 |
CN112734870B (zh) * | 2020-12-28 | 2023-12-05 | 威创集团股份有限公司 | 一种热力图连续动态演变可视化方法及系统 |
CN112734870A (zh) * | 2020-12-28 | 2021-04-30 | 威创集团股份有限公司 | 一种热力图连续动态演变可视化方法及系统 |
CN113959443A (zh) * | 2021-09-14 | 2022-01-21 | 上海创远仪器技术股份有限公司 | 基于传播模型实现无线电电磁态势插值处理的方法、装置、处理器及其计算机可读存储介质 |
CN113959443B (zh) * | 2021-09-14 | 2023-12-22 | 上海创远仪器技术股份有限公司 | 基于传播模型实现无线电电磁态势插值处理的方法、装置、处理器及其计算机可读存储介质 |
CN114003981A (zh) * | 2021-11-05 | 2022-02-01 | 成都戎星科技有限公司 | 一种基于时空一体数字地球的电磁频谱可视化分析方法 |
CN114003981B (zh) * | 2021-11-05 | 2024-04-30 | 成都戎星科技有限公司 | 一种基于时空一体数字地球的电磁频谱可视化分析方法 |
CN115687499B (zh) * | 2022-10-28 | 2023-04-21 | 中国人民解放军战略支援部队航天工程大学 | 一种全球频谱测绘图设计与实现系统 |
CN115687499A (zh) * | 2022-10-28 | 2023-02-03 | 中国人民解放军战略支援部队航天工程大学 | 一种全球频谱测绘图设计与实现系统 |
CN116953356A (zh) * | 2023-09-20 | 2023-10-27 | 南京纳特通信电子有限公司 | 地空一体三维空间无线电频谱监测方法及系统 |
CN117092415A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市城市公共安全技术研究院有限公司 | 一种区域电磁环境监测方法、装置、设备及介质 |
CN117092415B (zh) * | 2023-10-18 | 2024-01-19 | 深圳市城市公共安全技术研究院有限公司 | 一种区域电磁环境监测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106682234B (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682234A (zh) | 一种基于空间插值的电磁频谱分布预测和动态可视化方法 | |
Alessandrini et al. | A novel application of an analog ensemble for short-term wind power forecasting | |
Wellmann et al. | Uncertainties have a meaning: Information entropy as a quality measure for 3-D geological models | |
Bonaventura et al. | Analysis of discrete shallow-water models on geodesic Delaunay grids with C-type staggering | |
CN104239556B (zh) | 基于密度聚类的自适应轨迹预测方法 | |
Almaraz et al. | Deployment of a hydrogen supply chain by multi-objective/multi-period optimisation at regional and national scales | |
CN102110365B (zh) | 基于时空关系的路况预测方法和系统 | |
CN106952105A (zh) | 一种基于迁移学习的商铺最优化选址方法 | |
Zhou et al. | GIS-based urban underground space resources evaluation toward three-dimensional land planning: A case study in Nantong, China | |
CN105225486A (zh) | 填补缺失浮动车数据的方法及系统 | |
CN104850734B (zh) | 一种基于时空分布特征的空气质量指数预测方法 | |
Wang et al. | Magnetohydrodynamics (MHD) numerical simulations on the interaction of the solar wind with the magnetosphere: A review | |
CN107423561A (zh) | 一种土壤属性插值的估算方法 | |
CN110058329A (zh) | 一种气象要素智能网格预报产品空间降尺度方法 | |
Pambudi et al. | A hierarchical fuzzy data envelopment analysis for wind turbine site selection in Indonesia | |
CN106202491A (zh) | 一种基于时间序列的数据挖掘方法及系统 | |
Deng et al. | A new wind speed scenario generation method based on spatiotemporal dependency structure | |
CN105260523A (zh) | 一种分布式并行空间可视域分析方法 | |
CN106921989A (zh) | 一种通信网络场强分布确定方法及装置 | |
Koshimura | Establishing the advanced disaster reduction management system by fusion of real-time disaster simulation and big data assimilation | |
Kumar | Hyper-temporal variability analysis of solar insolation with respect to local seasons | |
Lin et al. | Building autocorrelation-aware representations for fine-scale spatiotemporal prediction | |
Deng et al. | Statistical properties of solar Hα flare activity | |
CN106911406B (zh) | 无线电监测网系统 | |
CN103745489A (zh) | 一种基于压缩感知建立基站信号场强地图的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191220 |