CN107102593A - 一种基于计算机互联网技术的智能远程视频监控控制系统 - Google Patents

一种基于计算机互联网技术的智能远程视频监控控制系统 Download PDF

Info

Publication number
CN107102593A
CN107102593A CN201710472829.5A CN201710472829A CN107102593A CN 107102593 A CN107102593 A CN 107102593A CN 201710472829 A CN201710472829 A CN 201710472829A CN 107102593 A CN107102593 A CN 107102593A
Authority
CN
China
Prior art keywords
mrow
signal
msub
frequency
mover
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.)
Pending
Application number
CN201710472829.5A
Other languages
English (en)
Inventor
吴衡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Infinite Technology Co Ltd
Original Assignee
Wuhan Infinite Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Infinite Technology Co Ltd filed Critical Wuhan Infinite Technology Co Ltd
Priority to CN201710472829.5A priority Critical patent/CN107102593A/zh
Publication of CN107102593A publication Critical patent/CN107102593A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24024—Safety, surveillance

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明涉及一种基于计算机互联网技术的智能远程视频监控控制系统；包括室外情况监测器单元，用于感知环境的变化信息并将变化的信息发送到物联网终端；物联网终端，用于对室外情况监测器单元传输的变化信息进行计算，决策需要采取的应对措施；无线信号接收器，通过4G无线网络与物联网终端连接，用于将变化的信息传输给智能控制器；智能控制器，用于将无线信号接收器传输的变化信息进行存储，并进行解码、识别后控制LED灯的开关。本发明具有明显优势，解决了不能随着天气的变化对灯光做出一定的改变，浪费电力资源的问题。

Description

一种基于计算机互联网技术的智能远程视频监控控制系统
技术领域
本发明属于数据处理技术领域，具体涉及一种基于计算机互联网技术的智能远程视频监控控制系统。
背景技术
能源紧缺已经是全球性的趋势，电力供应将会长期紧张。但是，随着城市建设的发展，道路照明和景观数量不断增加，政府对景观照明的管理工作提出很大的要求，需要展现城市的巨大进步，这和节约电力资源形成了矛盾。现有景观量化控制装置不能智能控制，需要人工控制，浪费了大量的人力和物力。并且不能随着天气的变化光线强度和外界的温度对灯光做出一定的改变，浪费电力资源。外界的温度对灯光和电流的影响很关键。
综上所述，现有设备中存在的问题是：现有景观控制装置不能智能控制，需要人工控制，浪费了大量的人力和物力；并且不能随着天气的变化光线强度和外界的温度对灯光做出一定的改变，造成浪费电力资源。
发明内容
针对现有技术存在的问题，一种基于计算机互联网技术的智能远程视频监控控制系统。
本发明是这样实现的，一种基于计算机互联网技术的智能远程视频监控控制系统，所述智能景观量化控制装置包括：
室外情况监测器单元，用于感知环境的变化信息并将变化的信息发送到物联网终端；
所述室外情况监测器单元包括：预报信息获取模块、数据感应端、数据处理模块、控制器模块、显示模块；
预报信息获取模块和数据感应端设置在客户端，数据感应端具体包括大气温度感应模块、外界光线强度感应模块；预报信息获取模块与数据处理模块相连，用于获取当前区域的天气预报信息并将其输入述数据处理模块；数据处理模块和控制器模块设置在客户端的处理端中，数据处理模块包含有补偿软件算法单元，控制器模块通过采集对大气中温度、外界光线强度关键要素探测的数据信息，配合数据处理模块的补偿软件算法单元中的软件算法对数据感应端采集到的大气温度参数、外界光线强度进行处理和计算，得出当前的天气状况，并对未来的天气变化做出预估；显示模块与数据处理模块相连，用于以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气情况；
控制器模块具体是一设置在客户端的处理端中的控制芯片；
处理端通过显示模块，以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气变化情况；
显示模块为LCD显示屏；
大气温度感应模块用于检测当前区域的实时温度信息，并将获得的温度实时信息输入所述数据处理模块；
数据处理模块还包括温度比较单元、温度输出单元；
温度比较单元用于将温度预报信息与温度实时信息进行比较，当温度预报信息与温度实时信息的温度差值的绝对值大于第二阈值时，通过温度输出单元将温度实时信息输入显示模块并显示，当温度预报信息与温度实时信息的温度差值的绝对值不大于第二阈值时，通过温度输出单元将温度预报信息输入显示模块并显示；
第二阈值为5摄氏度；
预报信息获取模块包括无线发送单元和无线接收单元，无线发送单元用于向远程天气信息服务器发送当前区域的位置信息，无线接收单元用于获取远程天气信息服务器根据当前区域的位置信息查询出的当前区域的天气信息；
物联网终端，用于对室外情况监测器单元传输的变化信息进行计算，决策需要采取的应对措施；
无线信号接收器，通过4G无线网络与物联网终端连接，用于将变化的信息传输给智能控制器；
智能控制器，用于将无线信号接收器传输的变化信息进行存储，并进行解码、识别后控制LED灯的开关；
所述无线信号接收器信号采集方法包括：
根据接收信号的特征谱确定决策平面；
判断接收信号的通信信道是否呈现准用静态变换特性；
在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；
在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；
根据所述决策边界对接收到的信号进行检测；
所述根据接收信号的特征谱确定决策平面包括：
对接收信号的离散信号向量进行线性变换得到酉变换矩阵；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；
从所述能量特征谱中获取决策平面；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；
从所述能量特征谱中获取决策平面包括：
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；
所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；
在从所述能量特征谱中获取决策平面之前，所述方法还包括：
对所述能量特征谱进行滑动平均处理；
所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统；
所述提取的特征向量方法具体包括以下步骤：
获取信号，通过传感器采集数据并对信号进行放大处理；
信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；
小波包去噪；即利用改进小波包算法对采集的信号进行去噪；
小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；
提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；
组成特征向量，即利用主成分分析方法，结合实验分析，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有遗漏发生；
所述小波包去噪和小波包分解与重构包括：
信号延拓，对小波包分解的各层信号进行抛物线延拓；
设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：
消去单子带多余频率成分；
将延拓后的信号与分解低通滤波器h0卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g0卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子采用下式
LF-cut-IF算子采用下式
在HF-cut-IF算子公和LF-cut-IF算子公式中，x(n)为在2j尺度上小波包的系数，Nj表示在2j尺度上数据的长度，k＝0，1，…，Nj-1；n＝0，1，…，Nj-1；
单子带信号重构包括：
将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g1和低通重建滤波器h1卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号；
所述室外情况监测器单元的数字调制信号x(t)的分数低阶模糊函数表示为：
其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；
所述智能控制器的接收信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；
所述物联网终端的时频重叠MASK的信号模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位；
所述智能控制器的识别模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度。
进一步，所述LED灯的开关内置有跳频混合信号调整模块，所述跳频混合信号调整模块对跳频混合信号的处理方法包括：对智能控制器传输的信号调整为跳频混合信号时频域矩阵后，再进行预处理；具体包括：
对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定。
进一步，所述跳频混合信号调整模块对跳频混合信号的处理方法还包括：找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
进一步，所述LED灯的开关还内置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
进一步，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
对步骤二中得到的跳频混合信号时频域矩阵进行预处理。
进一步，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
进一步，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
进一步，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度
针对现有设备中存在的问题是不能智能控制，需要人工控制，浪费了大量的人力和物力。并且不能随着天气的变化对灯光做出一定的改变，浪费电力资源的问题，本发明包括无线信号接收器、室外情况监测器单元、智能控制器、物联网终端、LED灯。所述无线信号接收器与智能控制器和物联网终端相连接，所述室外情况监测器单元与物联网终端相连，所述物联网终端与LED灯相连接。可以有效实现智能控制、节约人力和物力的目标。
本发明集信号采集、处理于一体，数据准确性高，智能化程度高。
本发明通过将所述预报信息获取模块获取的当前区域的天气预报信息与所述大气温度感应模块和外界光线强度感应模块检测到的实时天气信息进行比较，当差距较小时，输出天气预报信息，通过智能控制器控制LED灯的亮度和电流。通过这种方式，可以兼顾当前区域的整体天气状况和局部天气状况，以方便有效调节LED灯。
附图说明
图1是本发明实施例提供的基于计算机互联网技术的智能远程视频监控控制系统示意图。
图中：1、无线信号接收器；2、室外情况监测器单元；3、智能控制器；4、物联网终端；5、LED灯。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示：本发明实施例提供的基于计算机互联网技术的智能远程视频监控控制系统，
包括：无线信号接收器1、室外情况监测器单元2、智能控制器3、物联网终端4、LED灯5。
所述无线信号接收器与智能控制器和物联网终端相连接，所述室外情况监测器单元与物联网终端相连，所述物联网终端与LED灯相连接。
室外情况监测器单元，用于感知环境的变化信息并将变化的信息发送到物联网终端；
所述室外情况监测器单元包括：预报信息获取模块、数据感应端、数据处理模块、控制器模块、显示模块；
预报信息获取模块和数据感应端设置在客户端，数据感应端具体包括大气温度感应模块、外界光线强度感应模块；预报信息获取模块与数据处理模块相连，用于获取当前区域的天气预报信息并将其输入述数据处理模块；数据处理模块和控制器模块设置在客户端的处理端中，数据处理模块包含有补偿软件算法单元，控制器模块通过采集对大气中温度、外界光线强度关键要素探测的数据信息，配合数据处理模块的补偿软件算法单元中的软件算法对数据感应端采集到的大气温度参数、外界光线强度进行处理和计算，得出当前的天气状况，并对未来的天气变化做出预估；显示模块与数据处理模块相连，用于以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气情况；
控制器模块具体是一设置在客户端的处理端中的控制芯片；
处理端通过显示模块，以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气变化情况；
显示模块为LCD显示屏；
大气温度感应模块用于检测当前区域的实时温度信息，并将获得的温度实时信息输入所述数据处理模块；
数据处理模块还包括温度比较单元、温度输出单元；
温度比较单元用于将温度预报信息与温度实时信息进行比较，当温度预报信息与温度实时信息的温度差值的绝对值大于第二阈值时，通过温度输出单元将温度实时信息输入显示模块并显示，当温度预报信息与温度实时信息的温度差值的绝对值不大于第二阈值时，通过温度输出单元将温度预报信息输入显示模块并显示；
第二阈值为5摄氏度；
预报信息获取模块包括无线发送单元和无线接收单元，无线发送单元用于向远程天气信息服务器发送当前区域的位置信息，无线接收单元用于获取远程天气信息服务器根据当前区域的位置信息查询出的当前区域的天气信息；
物联网终端，用于对室外情况监测器单元传输的变化信息进行计算，决策需要采取的应对措施；
无线信号接收器，通过4G无线网络与物联网终端连接，用于将变化的信息传输给智能控制器；
智能控制器，用于将无线信号接收器传输的变化信息进行存储，并进行解码、识别后控制LED灯的开关；
所述无线信号接收器信号采集方法包括：
根据接收信号的特征谱确定决策平面；
判断接收信号的通信信道是否呈现准用静态变换特性；
在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；
在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；
根据所述决策边界对接收到的信号进行检测；
所述根据接收信号的特征谱确定决策平面包括：
对接收信号的离散信号向量进行线性变换得到酉变换矩阵；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；
从所述能量特征谱中获取决策平面；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；
从所述能量特征谱中获取决策平面包括：
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；
所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；
在从所述能量特征谱中获取决策平面之前，所述方法还包括：
对所述能量特征谱进行滑动平均处理；
所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统；
所述提取的特征向量方法具体包括以下步骤：
获取信号，通过传感器采集数据并对信号进行放大处理；
信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；
小波包去噪；即利用改进小波包算法对采集的信号进行去噪；
小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；
提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；
组成特征向量，即利用主成分分析方法，结合实验分析，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有遗漏发生；
所述小波包去噪和小波包分解与重构包括：
信号延拓，对小波包分解的各层信号进行抛物线延拓；
设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：
消去单子带多余频率成分；
将延拓后的信号与分解低通滤波器h0卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g0卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子采用下式
LF-cut-IF算子采用下式
在HF-cut-IF算子公和LF-cut-IF算子公式中，x(n)为在2j尺度上小波包的系数，Nj表示在2j尺度上数据的长度，k＝0，1，…，Nj-1；n＝0，1，…，Nj-1；
单子带信号重构包括：
将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g1和低通重建滤波器h1卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号；
所述室外情况监测器单元的数字调制信号x(t)的分数低阶模糊函数表示为：
其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；
所述智能控制器的接收信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；
所述物联网终端的时频重叠MASK的信号模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位；
所述智能控制器的识别模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度。
作为本发明实施例提供的优选实施例，所述LED灯的开关内置有跳频混合信号调整模块，所述跳频混合信号调整模块对跳频混合信号的处理方法包括：对智能控制器传输的信号调整为跳频混合信号时频域矩阵后，再进行预处理；具体包括：
对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定。
所述跳频混合信号调整模块对跳频混合信号的处理方法还包括：找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
作为本发明实施例提供的优选实施例，，所述LED灯的开关还内置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
作为本发明实施例提供的优选实施例，，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
对步骤二中得到的跳频混合信号时频域矩阵进行预处理。
作为本发明实施例提供的优选实施例，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
作为本发明实施例提供的优选实施例，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
作为本发明实施例提供的优选实施例，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。
本发明的工作原理：
1.智能控制器是一种单片机，物联网终端设备通过前端的室外情况检测模块感知环境的变化，经过计算，决策需要采取的应对措施。
2.室外情况监测器单元时刻观察室外环境的变化，比如白天与夜晚，当室外情况光线程度等信息发生变化时，对物联网终端发送信息。
3.无线信息接受器与物联网终端控制系统通过4G无线网络连接，无线信息接受器能够接收到物联网终端发送的信息，并将信息存储在智能控制器内，智能控制器通过解码，识别控制LED灯的开关。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，所述基于计算机互联网技术的智能远程视频监控控制系统包括：
室外情况监测器单元，用于感知环境的变化信息并将变化的信息发送到物联网终端；
所述室外情况监测器单元包括：预报信息获取模块、数据感应端、数据处理模块、控制器模块、显示模块；
预报信息获取模块和数据感应端设置在客户端，数据感应端具体包括大气温度感应模块、外界光线强度感应模块；预报信息获取模块与数据处理模块相连，用于获取当前区域的天气预报信息并将其输入述数据处理模块；数据处理模块和控制器模块设置在客户端的处理端中，数据处理模块包含有补偿软件算法单元，控制器模块通过采集对大气中温度、外界光线强度关键要素探测的数据信息，配合数据处理模块的补偿软件算法单元中的软件算法对数据感应端采集到的大气温度参数、外界光线强度进行处理和计算，得出当前的天气状况，并对未来的天气变化做出预估；显示模块与数据处理模块相连，用于以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气情况；
控制器模块具体是一设置在客户端的处理端中的控制芯片；
处理端通过显示模块，以图示、文字形式，形象显示出当前的天气情况以及未来一段时间内的天气变化情况；
显示模块为LCD显示屏；
大气温度感应模块用于检测当前区域的实时温度信息，并将获得的温度实时信息输入所述数据处理模块；
数据处理模块还包括温度比较单元、温度输出单元；
温度比较单元用于将温度预报信息与温度实时信息进行比较，当温度预报信息与温度实时信息的温度差值的绝对值大于第二阈值时，通过温度输出单元将温度实时信息输入显示模块并显示，当温度预报信息与温度实时信息的温度差值的绝对值不大于第二阈值时，通过温度输出单元将温度预报信息输入显示模块并显示；
第二阈值为5摄氏度；
预报信息获取模块包括无线发送单元和无线接收单元，无线发送单元用于向远程天气信息服务器发送当前区域的位置信息，无线接收单元用于获取远程天气信息服务器根据当前区域的位置信息查询出的当前区域的天气信息；
物联网终端，用于对室外情况监测器单元传输的变化信息进行计算，决策需要采取的应对措施；
无线信号接收器，通过4G无线网络与物联网终端连接，用于将变化的信息传输给智能控制器；
智能控制器，用于将无线信号接收器传输的变化信息进行存储，并进行解码、识别后控制LED灯的开关；
所述无线信号接收器信号采集方法包括：
根据接收信号的特征谱确定决策平面；
判断接收信号的通信信道是否呈现准用静态变换特性；
在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；
在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；
根据所述决策边界对接收到的信号进行检测；
所述根据接收信号的特征谱确定决策平面包括：
对接收信号的离散信号向量进行线性变换得到酉变换矩阵；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；
从所述能量特征谱中获取决策平面；
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；
从所述能量特征谱中获取决策平面包括：
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；
所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；
在从所述能量特征谱中获取决策平面之前，所述方法还包括：
对所述能量特征谱进行滑动平均处理；
所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统；
所述提取的特征向量方法具体包括以下步骤：
获取信号，通过传感器采集数据并对信号进行放大处理；
信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；
小波包去噪；即利用改进小波包算法对采集的信号进行去噪；
小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；
提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；
组成特征向量，即利用主成分分析方法，结合实验分析，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有遗漏发生；
所述小波包去噪和小波包分解与重构包括：
信号延拓，对小波包分解的各层信号进行抛物线延拓；
设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>=</mo> <mn>3</mn> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>)</mo> <mo>-</mo> <mn>3</mn> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mo>+</mo> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>+</mo> <mn>2</mn> <mo>)</mo> </mtd> </mtr> <mtr> <mtd> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>+</mo> <mn>3</mn> <mo>)</mo> <mo>=</mo> <mn>3</mn> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>+</mo> <mn>2</mn> <mo>)</mo> <mo>-</mo> <mn>3</mn> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mo>+</mo> <mi>x</mi> <mo>(</mo> <mi>a</mi> <mo>)</mo> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
消去单子带多余频率成分；
将延拓后的信号与分解低通滤波器h0卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g0卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子采用下式
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msup> <mi>W</mi> <mrow> <mi>k</mi> <mi>n</mi> </mrow> </msup> <mo>,</mo> <mn>0</mn> <mo>&amp;le;</mo> <mi>k</mi> <mo>&amp;le;</mo> <mfrac> <msub> <mi>N</mi> <mi>j</mi> </msub> <mn>4</mn> </mfrac> <mo>;</mo> <mfrac> <mrow> <mn>3</mn> <msub> <mi>N</mi> <mi>j</mi> </msub> </mrow> <mn>4</mn> </mfrac> <mo>&amp;le;</mo> <mi>k</mi> <mo>&amp;le;</mo> <msub> <mi>N</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msup> <mi>W</mi> <mrow> <mo>-</mo> <mi>k</mi> <mi>n</mi> </mrow> </msup> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
LF-cut-IF算子采用下式
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msup> <mi>W</mi> <mrow> <mi>k</mi> <mi>n</mi> </mrow> </msup> <mo>,</mo> <mfrac> <msub> <mi>N</mi> <mi>j</mi> </msub> <mn>4</mn> </mfrac> <mo>&amp;le;</mo> <mi>k</mi> <mo>&amp;le;</mo> <mfrac> <mrow> <mn>3</mn> <msub> <mi>N</mi> <mi>j</mi> </msub> </mrow> <mn>4</mn> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msup> <mi>W</mi> <mrow> <mo>-</mo> <mi>k</mi> <mi>n</mi> </mrow> </msup> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
在HF-cut-IF算子公和LF-cut-IF算子公式中，x(n)为在2j尺度上小波包的系数，Nj表示在2j尺度上数据的长度，k＝0，1，…，Nj-1；n＝0，1，…，Nj-1；
单子带信号重构包括：
将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g1和低通重建滤波器h1卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号；
所述室外情况监测器单元的数字调制信号x(t)的分数低阶模糊函数表示为：
<mrow> <mi>&amp;chi;</mi> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mrow> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mi>&amp;infin;</mi> </msubsup> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mi>&amp;tau;</mi> <mo>/</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>&lt;</mo> <mi>a</mi> <mo>&gt;</mo> </mrow> </msup> <msup> <mrow> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mo>*</mo> </msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>&amp;tau;</mi> <mo>/</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>&lt;</mo> <mi>b</mi> <mo>&gt;</mo> </mrow> </msup> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&amp;pi;</mi> <mi>f</mi> <mi>t</mi> </mrow> </msup> <mi>d</mi> <mi>t</mi> <mo>;</mo> </mrow>
其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)<p>＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；
所述智能控制器的接收信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；
所述物联网终端的时频重叠MASK的信号模型表示为：
<mrow> <mi>x</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>n</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位；
所述智能控制器的识别模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
<mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>k</mi> </munder> <msub> <mi>A</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>kT</mi> <mrow> <mi>s</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度。
2.如权利要求1所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，所述LED灯的开关内置有跳频混合信号调整模块，所述跳频混合信号调整模块对跳频混合信号的处理方法包括：对智能控制器传输的信号调整为跳频混合信号时频域矩阵后，再进行预处理；具体包括：
对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定。
3.如权利要求2所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，所述跳频混合信号调整模块对跳频混合信号的处理方法还包括：找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
4.如权利要求2所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，所述LED灯的开关还内置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号m＝1,2,…,M；
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵
p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
5.如权利要求4所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，
所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
对步骤二中得到的跳频混合信号时频域矩阵进行预处理。
6.如权利要求4所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，
所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
<mrow> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>=</mo> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mi>p</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>P</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mover> <mi>N</mi> <mo>^</mo> </mover> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
<mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> </mrow>
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
<mrow> <msub> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>.</mo> </mrow>
7.如权利要求4所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，
所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
<mrow> <msub> <mover> <mi>&amp;theta;</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>2</mn> </mrow> <mi>M</mi> </munderover> <msup> <mi>sin</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>n</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>)</mo> <mo>*</mo> <mi>c</mi> </mrow> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> <msub> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mi>d</mi> </mrow> </mfrac> <mo>&amp;rsqb;</mo> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> </mrow>
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
<mrow> <msup> <msub> <mi>m</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <munder> <mi>argmin</mi> <mi>m</mi> </munder> <mo>|</mo> <msubsup> <mi>&amp;theta;</mi> <mi>m</mi> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </msubsup> <mo>-</mo> <msubsup> <mover> <mi>&amp;theta;</mi> <mo>^</mo> </mover> <mi>n</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>|</mo> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>;</mo> </mrow>
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
8.如权利要求4所述的基于计算机互联网技术的智能远程视频监控控制系统，其特征在于，
所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法还包括：
根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
<mrow> <msub> <mi>s</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>k</mi> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>y</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>m</mi> <mo>,</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>)</mo> </mrow> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mrow> <mi>k</mi> <mo>&lt;</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>y</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>m</mi> <mo>,</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>)</mo> </mrow> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mrow> <mi>k</mi> <mo>&amp;GreaterEqual;</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> </mrow>
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。
CN201710472829.5A 2017-06-21 2017-06-21 一种基于计算机互联网技术的智能远程视频监控控制系统 Pending CN107102593A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710472829.5A CN107102593A (zh) 2017-06-21 2017-06-21 一种基于计算机互联网技术的智能远程视频监控控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710472829.5A CN107102593A (zh) 2017-06-21 2017-06-21 一种基于计算机互联网技术的智能远程视频监控控制系统

Publications (1)

Publication Number Publication Date
CN107102593A true CN107102593A (zh) 2017-08-29

Family

ID=59663066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710472829.5A Pending CN107102593A (zh) 2017-06-21 2017-06-21 一种基于计算机互联网技术的智能远程视频监控控制系统

Country Status (1)

Country Link
CN (1) CN107102593A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707445A (zh) * 2017-11-24 2018-02-16 安徽省雨龙家具有限公司 一种基于智能家居系统的信息推送方法
CN108001736A (zh) * 2017-11-29 2018-05-08 浙江科技学院 一种基于计算机控制的药品包装方法
CN108445852A (zh) * 2018-04-24 2018-08-24 江西永源节能环保科技股份有限公司 一种智能烟气处理中脱硫脱硝效果的控制系统
CN108572602A (zh) * 2018-07-23 2018-09-25 上海海得控制系统股份有限公司 一种压片机的控制装置
CN108904014A (zh) * 2018-06-02 2018-11-30 河南豫乾技术转移中心有限公司 带有信息传感功能的心血管介入治疗设备
CN109800466A (zh) * 2018-12-21 2019-05-24 内江师范学院 一种机场沥青混凝土道面变形过程的rbf模拟方法
CN111793932A (zh) * 2019-04-04 2020-10-20 青岛海尔洗衣机有限公司 一种带有呼吸灯的洗衣机及控制方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203217266U (zh) * 2013-01-30 2013-09-25 福建省昇邦电子科技有限公司 一种气象钟的控制系统
CN103609201A (zh) * 2011-06-13 2014-02-26 皇家飞利浦有限公司 自适应控制的户外照明系统及其操作方法
CN103675949A (zh) * 2012-12-13 2014-03-26 杨利云 手机天气监测系统
CN203851325U (zh) * 2014-03-12 2014-09-24 五邑大学 一种led路灯及基于传感器网络的led路灯监控系统
CN104618550A (zh) * 2014-12-31 2015-05-13 宁波三博电子科技有限公司 一种智能的手机天气预报控制系统
CN104684215A (zh) * 2015-02-11 2015-06-03 吉林大学 一种智能路灯控制系统
CN105554950A (zh) * 2016-01-19 2016-05-04 超威电源有限公司 一种智能路灯控制系统及其控制方法
CN106359023A (zh) * 2016-09-13 2017-02-01 叶永伟 一种基于物联网的农业灌溉系统
CN106373018A (zh) * 2016-08-29 2017-02-01 巴中市方圆环保科技发展有限责任公司 一种用于魔芋种植的互联网管理系统
CN106501940A (zh) * 2016-12-12 2017-03-15 湖南工业大学 一种高沉浸度头部显示器控制系统
CN106629400A (zh) * 2016-11-16 2017-05-10 北华大学 一种智能集装箱起重机电气防摇控制系统
CN106726262A (zh) * 2016-12-13 2017-05-31 王佃云 一种内科护理用简易辅助翻身器
CN107176156A (zh) * 2017-01-05 2017-09-19 宁波华盛联合制动科技有限公司 一种缓速器安全控制装置及方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103609201A (zh) * 2011-06-13 2014-02-26 皇家飞利浦有限公司 自适应控制的户外照明系统及其操作方法
CN103675949A (zh) * 2012-12-13 2014-03-26 杨利云 手机天气监测系统
CN203217266U (zh) * 2013-01-30 2013-09-25 福建省昇邦电子科技有限公司 一种气象钟的控制系统
CN203851325U (zh) * 2014-03-12 2014-09-24 五邑大学 一种led路灯及基于传感器网络的led路灯监控系统
CN104618550A (zh) * 2014-12-31 2015-05-13 宁波三博电子科技有限公司 一种智能的手机天气预报控制系统
CN104684215A (zh) * 2015-02-11 2015-06-03 吉林大学 一种智能路灯控制系统
CN105554950A (zh) * 2016-01-19 2016-05-04 超威电源有限公司 一种智能路灯控制系统及其控制方法
CN106373018A (zh) * 2016-08-29 2017-02-01 巴中市方圆环保科技发展有限责任公司 一种用于魔芋种植的互联网管理系统
CN106359023A (zh) * 2016-09-13 2017-02-01 叶永伟 一种基于物联网的农业灌溉系统
CN106629400A (zh) * 2016-11-16 2017-05-10 北华大学 一种智能集装箱起重机电气防摇控制系统
CN106501940A (zh) * 2016-12-12 2017-03-15 湖南工业大学 一种高沉浸度头部显示器控制系统
CN106726262A (zh) * 2016-12-13 2017-05-31 王佃云 一种内科护理用简易辅助翻身器
CN107176156A (zh) * 2017-01-05 2017-09-19 宁波华盛联合制动科技有限公司 一种缓速器安全控制装置及方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707445A (zh) * 2017-11-24 2018-02-16 安徽省雨龙家具有限公司 一种基于智能家居系统的信息推送方法
CN108001736A (zh) * 2017-11-29 2018-05-08 浙江科技学院 一种基于计算机控制的药品包装方法
CN108445852A (zh) * 2018-04-24 2018-08-24 江西永源节能环保科技股份有限公司 一种智能烟气处理中脱硫脱硝效果的控制系统
CN108904014A (zh) * 2018-06-02 2018-11-30 河南豫乾技术转移中心有限公司 带有信息传感功能的心血管介入治疗设备
CN108572602A (zh) * 2018-07-23 2018-09-25 上海海得控制系统股份有限公司 一种压片机的控制装置
CN108572602B (zh) * 2018-07-23 2024-03-15 上海海得控制系统股份有限公司 一种压片机的控制装置
CN109800466A (zh) * 2018-12-21 2019-05-24 内江师范学院 一种机场沥青混凝土道面变形过程的rbf模拟方法
CN111793932A (zh) * 2019-04-04 2020-10-20 青岛海尔洗衣机有限公司 一种带有呼吸灯的洗衣机及控制方法

Similar Documents

Publication Publication Date Title
CN107102593A (zh) 一种基于计算机互联网技术的智能远程视频监控控制系统
CN106359023A (zh) 一种基于物联网的农业灌溉系统
CN102509291B (zh) 基于无线网络视频传感器的公路路面病害检测及识别方法
CN106792808A (zh) 一种基于信道状态信息的室内环境下视距路径识别方法
CN106604394A (zh) 一种基于csi的判定室内人体运动速度模型
CN102571230A (zh) 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法
CN102546061B (zh) 基于小波变换的自适应时频空穴检测方法
CN107992882A (zh) 一种基于WiFi信道状态信息和支持向量机的室内人数统计方法
CN103684524B (zh) 一种采集数据与参数特征融合的识别方法
CN204886965U (zh) 基于光子计数的无线光通信系统
CN109255874B (zh) 一种基于普通商用WiFi设备的通行及人数检测方法
CN105721080A (zh) 一种频谱感知方法及装置
CN107181870A (zh) 一种基于移动终端的无土草坪垂直绿化控制系统
CN109738898A (zh) 轨旁环境感知的发射器、采集器、接收器及通信感知系统
CN106510988A (zh) 一种支持智能终端机械结构的智能轮椅
CN104202097B (zh) 一种用于数字监测接收机的高速扫描方法
CN202918327U (zh) 一种数字调制信号自动分类系统
CN103024886B (zh) 宽带认知无线电中感知时间和子载波功率联合分配的方法
Fan et al. Measurements and characterization for the vehicle-to-infrastructure channel in urban and highway scenarios at 5.92 GHz
CN103152790B (zh) 基于相关性分簇的两级融合调制识别方法
CN102891723B (zh) Mimo-ofdm系统的无线电监测方法和装置
CN101982945B (zh) 一种基于混沌理论的频谱感知方法
CN103139813A (zh) 一种用于td-lte系统的干扰源定位方法
CN111596564B (zh) 一种基于WiFi手势识别的智能家居管理系统
CN101984562B (zh) 一种窄带信道增益估计方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170829