CN108509506A - 一种频谱监测数据结构化表示方法 - Google Patents
一种频谱监测数据结构化表示方法 Download PDFInfo
- Publication number
- CN108509506A CN108509506A CN201810181414.7A CN201810181414A CN108509506A CN 108509506 A CN108509506 A CN 108509506A CN 201810181414 A CN201810181414 A CN 201810181414A CN 108509506 A CN108509506 A CN 108509506A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- spectral matrix
- monitoring data
- spectral
- matrix
- 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 148
- 238000012544 monitoring process Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 118
- 230000003595 spectral effect Effects 0.000 claims abstract description 98
- 238000005070 sampling Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 14
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 230000006835 compression Effects 0.000 abstract description 8
- 238000007906 compression Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 abstract description 5
- 230000008520 organization Effects 0.000 abstract description 3
- 230000008092 positive effect Effects 0.000 abstract 1
- 230000005855 radiation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提出了一种频谱监测数据结构化表示方法，包括如下步骤：将单台站频谱监测数据在时间维、频谱维离散化形成二维频谱矩阵；将一定区域内所有台站获得的频谱矩阵以某点为中心按照一定规则在位置维排列，构建三维频谱矩阵体。本发明的积极效果是：能够将频谱数据的时间、频谱、空间、能量四个维度关联起来，形成符合频谱监测数据的结构化组织体系；针对频谱矩阵和频谱矩阵体能够进一步定义数学运算，从而方便的对海量监测数据进行信息挖掘；能够有利于监测数据后续的压缩处理和远距离传输，更为适应频谱监测台站网系的建设和大数据处理的要求，使得频谱监测数据被更加合理和高效的利用。
Description
技术领域
本发明属于无线电频谱监测数据处理技术领域，特别涉及一种频谱监测数据结构化表示方法。
背景技术
由于信息技术的发展，电磁频谱资源越发显得紧张，加强电磁频谱管理越来越重要。对电磁频谱资源使用情况进行监测，是电磁频谱管理的重要手段。然而，由于电磁频谱监测固定台站、移动监测车辆等数量众多，电磁频谱监测也需要不间断的连续监测，使得电磁频谱监测数据具有地理位置上分散、数据海量的特点，传统频谱监测数据的存储和处理方法渐渐难以适应对电磁频谱数据传输和大数据处理新要求。本单位申请的专利CNXXXXXXXXXXX.X(申请日XXXX-XX-XX)中针对单频谱监测台站如何与其他台站、数据中心和中继台站进行交换数据提出了一种数据处理系统和方法。上述系统和方法对台站间如何传输数据以及单台站监测数据如何结构化进行了描述。但对于地域上分散的一定区域的多台站监测数据如何组织和结构化处理没有涉及。
本发明是在上述专利的基础上，进一步挖掘了多台站电磁频谱监测数据的结构化特征，根据多台站频谱数据的在时间、频率、位置、能量等维度的信息相关性，提出新的结构化表示方法，并对单台站、多台站结构化表示定义了数学运算。本发明给出的结构化表示方法将有利于对海量监测数据进行深度的信息挖掘，有利于监测数据后续的压缩处理和远距离传输，更为适应频谱监测台站网系的建设要求，使得频谱监测数据被更加合理和高效的利用。
发明内容
在借鉴和发展现有方法和理论的基础上，本发明针对电磁频谱监测多台站数据处理需求，提出一种频谱监测数据结构化方法。利用本发明提出的系统和方法，能够实现频谱监测数据的规范化处理过程，形成符合频谱监测网系要求的数据处理流程，并且给出了适用于给定结构化表示的数学运算，有利于多台站监测数据被更加合理和高效的利用。
为了实现上述目的，本发明采用的技术方案是：
一种频谱监测数据结构化表示方法，包括如下步骤：
S1：将单台站频谱监测数据在时间维、频谱维离散化形成二维频谱矩阵；
S2：将一定区域内所有台站获得的二维频谱矩阵以某点为中心按照一定规则在位置维排列，构建三维频谱矩阵体。
在步骤S1中，二维频谱矩阵的构建包括以下步骤：
S1.1：频谱监测台站根据同步或校准方法，获得和其它台站同步时钟，获取统一规定的采样时间tn、频谱带宽B以及频率采样点数M等信息，其中n取值为1、2、3、……、N，N为正整数；
S1.2：在采样时刻点tn，利用频谱带宽B、频率采样点数M对监测数据进行频率维上的离散化，得到向量数列为1×M维；
S1.3：给定的监测时间段，在采样时间tn，获取不同采样时刻频谱监测向量
S1.4：按照时间先后顺序将不同采样时刻频谱监测向量进行排列，组成二维频谱矩阵矩阵W为N×M维。
在步骤S1中，二维频谱矩阵可定义以下数学运算：
(1)假设二维频谱矩阵为Wi、Wj，均为N×M维，则
频谱矩阵加法：
频谱矩阵的加法可应用于将多台站获得的频谱数据进行求和，从而获得某区域的频谱使用状况的总体平均数据。
频谱矩阵减法：
频谱矩阵的减法可应用于将多个台站获得的频谱数据进行相减，从而获得不同台站间的频谱使用状况的差异信息；也可以用于将台站监测数据与电磁背景数据相减，获得特定辐射源的监测数据。
(2)频谱矩阵频率维投影：
频谱矩阵频率维投影可以获得单台站在一定时间段内的频谱平均使用情况。
(3)频谱矩阵时间维投影：
频谱矩阵频率维投影可以获得单台站在给定频谱段内的时间占用度情况。
(4)m为实数，则频谱矩阵数乘：
在步骤S2中，三维频谱矩阵体的构建包括以下步骤：
S2.1：获取一定区域内的所有K个频谱监测台站在给定时间段内的监测数据，即W1,W2,…WK；
S2.2：按照K个频谱监测台站在位置上的相互关系，对W1,W2,…WK进行排列，组成三维频谱矩阵体Q＝[W1,W2,…WK]T，矩阵体Q为N×M×K维。
在步骤S2.2中，K个频谱监测台站频谱矩阵W1,W2,…WK排列为频谱矩阵体采用如下步骤和规则：
S2.2.1：根据K个频谱监测台站的经纬度位置Vn计算出地理分布上的几何中心点V0，其中n取值为1、2、3、……、K；
S2.2.2：计算每个频谱监测台站的经纬度位置Vn与几何中心点V0的距离Dn，其中‖·‖2为2阶范数运算：
Dn＝‖Vn-V0‖2
S2.2.3：按照频谱监测台站与几何中心点V0的距离Dn从小到大的顺序，
排列台站对应的频谱矩阵，构建频谱矩阵体Q＝[W1,W2,…WK]T。
在步骤S2中，三维频谱矩阵体可定义以下数学运算：
(1)假设频谱矩矩为Qi、Qj，均为N×M×K维，则
频谱矩阵体加法：
频谱矩阵体的加法可应用于将多个区域获得的频谱数据进行求和，从而获得更大区域范围的频谱使用状况的总体平均数据。
频谱矩阵体减法：
频谱矩阵体的减法可应用于将多个区域获得的频谱数据进行相减，从而获得不同区域间的频谱使用状况的差异信息；也可以用于将区域监测数据与区域电磁背景数据相减，获得特定区域辐射源的监测数据。
(2)频谱矩阵体频率维投影：
FProj(Q)＝[FProj(W1),FProj(W2),…FProj(WK)]T
频谱矩阵体频率维投影可以获得给定区域一定时间段内的频谱使用情况与地理位置间的关系。
(3)频谱矩阵时间维投影：
TProj(Q)＝[TProj(W1),TProj(W2),…TProj(WK)]T
频谱矩阵体频率维投影可以获得给定区域一定时间段内的频谱使用时间与地理位置间的关系。
(4)m为实数，则频谱矩阵体数乘运算：
mQ＝[mW1,mW2,…mWK]T
本发明能够将频谱数据的时间、频谱、空间、能量四个维度关联起来，形成符合频谱监测数据的结构化组织体系。
本发明针对频谱矩阵和频谱矩阵体进一步定义了数学运算，从而方便地对海量监测数据进行信息挖掘。
本发明有利于监测数据后续的压缩处理和远距离传输，更为适应频谱监测台站网系的建设和大数据处理的要求，使得频谱监测数据被更加合理和高效的利用。
附图说明
图1本发明所述频谱监测数据结构化表示方法应用场景示意图。
图2本发明所述频谱监测数据结构化表示方法频谱矩阵体示意图。
图3所述频谱监测数据频谱矩阵体灰度图示例。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明主要应用多台站频谱监测数据的压缩、传输，有利于多台站监测数据被更加合理和高效的利用。图1为本发明实施例所提供的一种频谱监测数据结构化表示方法应用场景示意图。
本发明提供一种频谱监测数据结构化表示方法，包括如下实施步骤：
1)将单台站频谱监测数据在时间维、频谱维离散化形成二维频谱矩阵；
2)将一定区域内所有台站获得的频谱矩阵以某点为中心按照一定规则在位置维排列，构建三维频谱矩阵体。
上述的频谱监测数据结构化表示方法中，二维频谱矩阵的构建包括以下步骤：
步骤1：频谱监测台站根据某种同步或校准方法，获得和其它台站同步时钟，获取统一规定的采样时间tn(1…N)、频谱带宽B、频率采样点数M等信息；
步骤2：在采样时刻点tn，利用频谱带宽B、频率采样点数M等信息对监测数据进行频率维上的离散化，得到向量数列为1×M维；
步骤3：给定的监测时间段，在采样时间tn(1…N)，获取不同采样时刻频谱监测向量
步骤4：按照时间先后顺序将不同采样时刻频谱监测向量进行排列，组成二维频谱矩阵矩阵W为N×M维。
所述的频谱监测数据结构化表示方法，三维频谱矩阵体的构建包括以下步骤：
步骤1：获取一定区域内的所有K个频谱监测台站在给定时间段内的监测数据，即W1,W2,…WK；
步骤2：按照K个频谱监测台站按照位置上的相互关系，对W1,W2,…WK进行排列，组成三维频谱矩阵体Q＝[W1,W2,…WK]T，矩阵体Q为N×M×K维。
所述的频谱监测数据结构化表示方法，二维频谱矩阵可定义以下数学运算：
(1)假设二维频谱矩阵为Wi、Wj，均为N×M维，则
频谱矩阵加法：
频谱矩阵的加法可应用于将多台站获得的频谱数据进行求和，从而获得某区域的频谱使用状况的总体平均数据。
频谱矩阵减法：
频谱矩阵的减法可应用于将多个台站获得的频谱数据进行相减，从而获得不同台站间的频谱使用状况的差异信息；也可以用于将台站监测数据与电磁背景数据相减，获得特定辐射源的监测数据。
(2)频谱矩阵频率维投影：
频谱矩阵频率维投影可以获得单台站在一定时间段内的频谱平均使用情况。
(3)频谱矩阵时间维投影：
频谱矩阵频率维投影可以获得单台站在给定频谱段内的时间占用度情况。
(4)m为实数，则频谱矩阵数乘：
所述的频谱监测数据结构化表示方法，三维频谱矩阵体可定义以下数学运算：
(1)假设频谱矩矩为Qi、Qj，均为N×M×K维，则
频谱矩阵体加法：
频谱矩阵体的加法可应用于将多个区域获得的频谱数据进行求和，从而获得更大区域范围的频谱使用状况的总体平均数据。
频谱矩阵体减法：
频谱矩阵体的减法可应用于将多个区域获得的频谱数据进行相减，从而获得不同区域间的频谱使用状况的差异信息；也可以用于将区域监测数据与区域电磁背景数据相减，获得特定区域辐射源的监测数据。
(2)频谱矩阵体频率维投影：
FProj(Q)＝[FProj(W1),FProj(W2),…FProj(WK)]T
频谱矩阵体频率维投影可以获得给定区域一定时间段内的频谱使用情况与地理位置间的关系。
(3)频谱矩阵时间维投影：
TProj(Q)＝[TProj(W1),TProj(W2),…TProj(WK)]T
频谱矩阵体频率维投影可以获得给定区域一定时间段内的频谱使用时间与地理位置间的关系。
(4)m为实数，则频谱矩阵体数乘：
mQ＝[mW1,mW2,…mWK]T
所述的三维频谱矩阵体的构建步骤中，K个频谱监测台站频谱矩阵W1,W2,…WK排列为频谱矩阵体可采用如下步骤和规则：
步骤1：根据K个频谱监测台站的经纬度位置Vn(1…K)计算出地理分布上的几何中心点V0:
步骤2：计算每个频谱监测台站Vn与几何中心点V0的距离Dn，其中‖·‖2为2阶范数运算：
Dn＝‖Vn-V0‖2
步骤3：按照频谱监测台站与几何中心点V0的距离Dn从小到大的顺序，排列台站对应的频谱矩阵，构建频谱矩阵体Q＝[W1,W2,…WK]T。
对于单台站监测数据，本发明将其表示为频谱矩阵的形式，优点如下：首先有利于利用传统的频谱矩阵这种结构化表示和计算方法来进行后续数据处理；其次，频谱数据在时间—频率两个维度上的信息进行了底层的关联，类似于瀑布图、时频图，有助于进一步的信息挖掘；最后，频谱监测数据的频谱矩阵表示形式，可以将频谱数据映射为灰度图像，并可以方面的采用图像的压缩方法进行压缩处理和传输。例如利用频谱矩阵表示可以辅助完成以下工作：
(1)台站位置处频谱使用随时间变化情况；
(2)利用矩阵加法和数乘可以完成台站位置处频谱使用统计情况；
(3)实现频谱数据格式统一和压缩传输。
对于多台站频谱监测数据，本发明提出了频谱矩阵体的概念和结构化表示方法，优点如下：首先，该方法将传统的矩阵形式扩展了一个新维度用来标识频谱监测数据的位置维，从而实现了将频谱数据的时间、频谱、空间、能量四个维度关联起来，形成符合频谱监测数据的结构化组织体系；其次，本发明针对频谱矩阵体进一步定义了数学运算，从而方便地对海量监测数据进行信息挖掘；(3)频谱矩阵体可将一定区域的多台站频谱数据转化为视频数据来进行压缩和传输。例如，利用频谱矩阵体表示和运算可以辅助完成以下工作：
(1)统计给定区域频谱使用随时间变化情况；
(2)统计给定时间频谱使用随空间变化情况；
(3)统计给定频谱在一定时间和空间的使用情况；
(4)实现频谱数据格式统一和压缩传输；
(5)实现对辐射源的自定位和跟踪；
(6)实现对某辐射源辐射强度的稳定度分析；
(7)一定频段和时间段内，空间电磁环境复杂度的计算。
另外，本发明提出的频谱监测数据结构化表示方法，更为适应频谱监测台站网系的建设和大数据处理的要求，使得频谱监测数据被更加合理和高效的利用。
图3为利用频谱分析仪在临潼某处55个点位获得的频谱监测数据表示为频谱矩阵体实例，时间域取了50个采样时刻，采样带宽是500MHz，频率域采样点数是501，频谱矩矩阵体Q为50×501×55维。图中显示的是将55个频谱矩阵映射为8阶灰度得到的频谱矩阵灰度图并组成频谱矩阵体。
Claims (6)
1.一种频谱监测数据结构化表示方法，其特征在于，包括如下步骤：
S1：将单台站频谱监测数据在时间维、频谱维离散化形成二维频谱矩阵；
S2：将一定区域内所有台站获得的二维频谱矩阵以某点为中心按照一定规则在位置维排列，构建三维频谱矩阵体。
2.根据权利要求1所述频谱监测数据结构化表示方法，其特征在于，在步骤S1中，二维频谱矩阵的构建包括以下步骤：
S1.1：频谱监测台站根据同步或校准方法，获得和其它台站同步时钟，获取统一规定的采样时间tn、频谱带宽B以及频率采样点数M，其中n取值为1、2、3、……、N，N为正整数；
S1.2：在采样时刻点tn，利用频谱带宽B、频率采样点数M对监测数据进行频率维上的离散化，得到向量数列为1×M维；
S1.3：给定的监测时间段，在采样时间tn，获取不同采样时刻频谱监测向量
S1.4：按照时间先后顺序将不同采样时刻频谱监测向量进行排列，组成二维频谱矩阵矩阵W为N×M维。
3.根据权利要求2所述频谱监测数据结构化表示方法，其特征在于，在步骤S1中，二维频谱矩阵定义以下数学运算：
假设二维频谱矩阵为Wi、Wj，均为N×M维， 则
频谱矩阵加法：
频谱矩阵减法：
频谱矩阵频率维投影：
频谱矩阵时间维投影：
m为实数，则频谱矩阵数乘：
4.根据权利要求1所述频谱监测数据结构化表示方法，其特征在于，在步骤S2中，三维频谱矩阵体的构建包括以下步骤：
S2.1：获取一定区域内的所有K个频谱监测台站在给定时间段内的监测数据，即W1,W2,…WK；
S2.2：按照K个频谱监测台站在位置上的相互关系，对W1,W2,…WK进行排列，组成三维频谱矩阵体Q＝[W1,W2,…WK]T，矩阵体Q为N×M×K维。
5.根据权利要求4所述频谱监测数据结构化表示方法，其特征在于，在步骤S2.2中，K个频谱监测台站频谱矩阵W1,W2,…WK排列为频谱矩阵体采用如下步骤和规则：
S2.2.1：根据K个频谱监测台站的经纬度位置Vn计算出地理分布上的几何中心点V0，其中n取值为1、2、3、……、K；
S2.2.2：计算每个频谱监测台站的经纬度位置Vn与几何中心点V0的距离Dn，其中‖·‖2为2阶范数运算：
Dn＝‖Vn-V0‖2
S2.2.3：按照频谱监测台站与几何中心点V0的距离Dn从小到大的顺序，排列台站对应的频谱矩阵，构建频谱矩阵体Q＝[W1,W2,…WK]T。
6.根据权利要求4所述的频谱监测数据结构化表示方法，其特征在于，在步骤S2中，三维频谱矩阵体定义以下数学运算：
假设频谱矩矩为Qi、Qj，均为N×M×K维，
则
频谱矩阵体加法：
频谱矩阵体减法：
频谱矩阵体频率维投影：
FProj(Q)＝[FProj(W1),FProj(W2),…FProj(WK)]T
频谱矩阵时间维投影：
TProj(Q)＝[TProj(W1),TProj(W2),…TProj(WK)]T
m为实数，则频谱矩阵体数乘：
mQ＝[mW1,mW2,…mWK]T。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810181414.7A CN108509506B (zh) | 2018-03-06 | 2018-03-06 | 一种频谱监测数据结构化表示方法 |
| US16/979,112 US20200400730A1 (en) | 2018-03-06 | 2019-02-21 | Frequency spectrum monitoring data structured representation method, and data processing method and compression method |
| PCT/CN2019/075666 WO2019170001A1 (zh) | 2018-03-06 | 2019-02-21 | 一种频谱监测数据结构化表示方法、数据处理方法和压缩方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810181414.7A CN108509506B (zh) | 2018-03-06 | 2018-03-06 | 一种频谱监测数据结构化表示方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108509506A true CN108509506A (zh) | 2018-09-07 |
| CN108509506B CN108509506B (zh) | 2021-07-13 |
Family
ID=63376095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810181414.7A Active CN108509506B (zh) | 2018-03-06 | 2018-03-06 | 一种频谱监测数据结构化表示方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108509506B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109522518A (zh) * | 2018-10-19 | 2019-03-26 | 中国矿业大学 | 数据流值域和频域分布的动态互耦合元数据发布方法 |
| WO2019170001A1 (zh) * | 2018-03-06 | 2019-09-12 | 西安大衡天成信息科技有限公司 | 一种频谱监测数据结构化表示方法、数据处理方法和压缩方法 |
| WO2019170000A1 (zh) * | 2018-03-06 | 2019-09-12 | 西安大衡天成信息科技有限公司 | 一种频谱监测数据处理系统及方法 |
| CN111769891A (zh) * | 2020-06-16 | 2020-10-13 | 西安大衡天成信息科技有限公司 | 一种基于张量分解的频谱监测大数据处理系统及处理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105468759A (zh) * | 2015-12-01 | 2016-04-06 | 中国电子科技集团公司第二十九研究所 | 空间体的频谱数据构建方法 |
| CN105553896A (zh) * | 2015-11-30 | 2016-05-04 | 华南理工大学 | 宽带多频稀疏信号的非均匀采样与重建方法 |
| CN106464273A (zh) * | 2014-07-02 | 2017-02-22 | 华为技术有限公司 | 处理信号的方法、发射机和压缩采样接收机 |
-
2018
- 2018-03-06 CN CN201810181414.7A patent/CN108509506B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106464273A (zh) * | 2014-07-02 | 2017-02-22 | 华为技术有限公司 | 处理信号的方法、发射机和压缩采样接收机 |
| CN105553896A (zh) * | 2015-11-30 | 2016-05-04 | 华南理工大学 | 宽带多频稀疏信号的非均匀采样与重建方法 |
| CN105468759A (zh) * | 2015-12-01 | 2016-04-06 | 中国电子科技集团公司第二十九研究所 | 空间体的频谱数据构建方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019170001A1 (zh) * | 2018-03-06 | 2019-09-12 | 西安大衡天成信息科技有限公司 | 一种频谱监测数据结构化表示方法、数据处理方法和压缩方法 |
| WO2019170000A1 (zh) * | 2018-03-06 | 2019-09-12 | 西安大衡天成信息科技有限公司 | 一种频谱监测数据处理系统及方法 |
| US20200400730A1 (en) * | 2018-03-06 | 2020-12-24 | Xi'an Daheng Tiancheng It Co., Ltd. | Frequency spectrum monitoring data structured representation method, and data processing method and compression method |
| CN109522518A (zh) * | 2018-10-19 | 2019-03-26 | 中国矿业大学 | 数据流值域和频域分布的动态互耦合元数据发布方法 |
| CN111769891A (zh) * | 2020-06-16 | 2020-10-13 | 西安大衡天成信息科技有限公司 | 一种基于张量分解的频谱监测大数据处理系统及处理方法 |
| US20210392523A1 (en) * | 2020-06-16 | 2021-12-16 | Xi'an Daheng Tiancheng It Co., Ltd. | Tensor Decomposition-Based Big Data Processing System and Processing method for Spectrum Monitoring |
| CN111769891B (zh) * | 2020-06-16 | 2022-08-26 | 西安大衡天成信息科技有限公司 | 一种基于张量分解的频谱监测大数据处理系统及处理方法 |
| US11659421B2 (en) * | 2020-06-16 | 2023-05-23 | Xi'an Daheng Tiancheng It Co., Ltd. | Tensor decomposition-based big data processing system and processing method for spectrum monitoring |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108509506B (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509506A (zh) | 一种频谱监测数据结构化表示方法 | |
| Khan et al. | A cloud-based architecture for citizen services in smart cities | |
| CN106998556B (zh) | 一种构建无线网络业务分布地图的系统及实现方法 | |
| CN102959996B (zh) | 终端数量估计装置及终端数量估计方法 | |
| US20200400730A1 (en) | Frequency spectrum monitoring data structured representation method, and data processing method and compression method | |
| Zhang et al. | Evaluation of global modeling of M (3000) F2 and hmF2 based on alternative empirical orthogonal function expansions | |
| Qin et al. | Noisesense: A crowd sensing system for urban noise mapping service | |
| CN104077360A (zh) | 基于gis进行房产估值的数据处理系统及方法 | |
| JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
| CN108228714A (zh) | 云端管理系统及其云端管理方法 | |
| Wong et al. | Latest developments of Hong Kong’s landslip warning system | |
| Perifanis et al. | Towards energy-aware federated traffic prediction for cellular networks | |
| CN105264457A (zh) | 能耗监控方法及装置 | |
| CN109302706B (zh) | 一种伪基站的定位方法、装置及计算机可读存储介质 | |
| CN111723942B (zh) | 一种企业用电负荷预测方法、电网业务子系统及预测系统 | |
| CN108732423A (zh) | 一种频谱监测数据处理系统及方法 | |
| CN117676385A (zh) | 横向聚类lstm联邦学习下充电站负荷预测系统及方法 | |
| CN109344294A (zh) | 特征生成方法、装置、电子设备及计算机可读存储介质 | |
| CN107333278A (zh) | 一种公众移动通信信号覆盖可视化实现方法 | |
| CN204613940U (zh) | 一种用于现场踏勘的设备 | |
| Gavanas et al. | Integration of LUTI models into sustainable urban mobility plans (SUMPs) | |
| Mateen et al. | Software QualityAssurance in Internet of Things | |
| Jamali-Rad et al. | Continuous subsurface tomography over cellular Internet of Things (IoT) | |
| CN113297593A (zh) | 基于隐私计算的贡献度计算方法及装置、设备、介质 | |
| Kulkarni et al. | Implementing pay-as-you-go functionality in microgrids using mobile ad-hoc networks |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Structured Representation Method for Spectrum Monitoring Data Effective date of registration: 20221107 Granted publication date: 20210713 Pledgee: Xi'an innovation financing Company limited by guarantee Pledgor: XI'AN DAHENG TIANCHENG IT Co.,Ltd. Registration number: Y2022610000722 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231221 Granted publication date: 20210713 Pledgee: Xi'an innovation financing Company limited by guarantee Pledgor: XI'AN DAHENG TIANCHENG IT Co.,Ltd. Registration number: Y2022610000722 |