CN108616720A - 一种多台站频谱监测数据压缩处理方法 - Google Patents
一种多台站频谱监测数据压缩处理方法 Download PDFInfo
- Publication number
- CN108616720A CN108616720A CN201810181415.1A CN201810181415A CN108616720A CN 108616720 A CN108616720 A CN 108616720A CN 201810181415 A CN201810181415 A CN 201810181415A CN 108616720 A CN108616720 A CN 108616720A
- Authority
- CN
- China
- Prior art keywords
- station
- monitoring data
- data
- dimension
- frequency
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种多台站频谱监测数据压缩处理方法,包括以下步骤:单台站频谱监测数据结构化表示、多台站频谱监测数据结构化表示、频谱监测数据灰度化处理、采用视频压缩方法对监测数据进行压缩。本发明的积极效果是:基于频谱监测数据的结构化表示方法,利用一定区域内多台站频谱监测数据间的相似性特点,借鉴传统视频压缩的原理来处理多台站海量频谱监测数据,在无线电频谱监测网系的建设和数据传输、大数据处理方面应用前景广阔,有利于无线电台站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,特别涉及一种多台站频谱监测数据压缩处理方法。
背景技术
随着频谱资源重要性和重视程度的提高,电磁频谱台站数量的急剧扩大,对电磁频谱监测数据处理以获取频谱使用详细状况是合理和高效进行频谱资源利用和频谱管理的基础。尤其是随着频谱网系建设的发展,频谱监测台站及不同频谱管理单位间的数据传输和处理需求不断提高,由于频谱监测数据具有天然的海量、分散的特点,使得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。本单位在专利(CNxxxxxxxxx.x,申请日:2018-XX-XX)中将单台站频谱监测数据表示为频谱矩阵形式,可转为灰度图像进行压缩和传输,在专利(CNxxxxxxxxx.x,申请日:2018-XX-XX)中提出了多台站频谱监测数据结构化表示方法,将其表示为频谱矩阵体。这种结构不仅形式和结构上和视频数据上类似,从数据特点上来说,给定区域的多台站频谱监测数据在时间、频率、位置三个维度上的数据之间相关性非常强。比如,相邻监测时间,频谱监测数据相关性非常强;相邻台站,不同时间获得监测数据也具有强相关性;相邻频段,监测数据也有相关性。因此,以频谱矩阵体形式表示的监测数据具有相当程度的信息冗余。
发明内容
针对频谱监测数据单台站频谱矩阵和多台站频谱矩阵体结构化表示形式,本发明提出一种多台站频谱监测数据压缩处理方法,基于频谱监测数据的结构化表示方法,利用给定区域内多台站频谱监测数据间的相似性特点,借鉴传统视频压缩的原理来处理多台站海量频谱监测数据,在无线电频谱监测网系的建设和数据传输、大数据处理方面应用前景广阔,有利于无线电台站频谱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:
一种频谱监测数据压缩处理方法,包括以下步骤:
单台站频谱监测数据结构化表示,根据统一的监测频率带宽、监测时间维采样间隔和频率维采样间隔,完成给定时刻、给定带宽的监测数据频率维离散化和给定时段时间维上的离散化,将给定监测时间段和频率带宽的频谱监测数据表示为频谱矩阵;
多台站频谱监测数据结构化表示,将给定区域内的多台站获得的所有频谱矩阵,按照台站位置上的特定规则排列成频谱矩阵体;
频谱监测数据灰度化处理,从频谱矩阵体的三个维度中选择一个维度,频谱矩阵体可看做该维度上一系列矩阵的排列,将每个矩阵进行灰度化处理转化为灰度图像,则频谱矩阵体可视为一段视频数据;
采用视频压缩方法对监测数据进行压缩,对给定区域内的多台站监测数据来说,在时间、频率、位置各维度上,均有大量的冗余信息,可利用传统视频压缩标准,对频谱矩阵体对应的视频数据进行压缩。
在提出的多台站频谱监测数据压缩处理方法的多台站频谱监测数据结构化表示步骤中,频谱矩阵排列为频谱矩阵体规则可采用以下两种方法:
选择某一监测台站为基准台站,以所有台站与基准台站间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据;
选择某区域多台站地理位置经纬度的平均值对应的地理位置作为基准点,以所有台站与基准点间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据。
在提出多台站频谱监测数据压缩处理方法的频谱监测数据灰度化处理步骤中,频谱矩阵体可采用以下三种方法来进行灰度化:
选择时间维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在时间维上,频谱矩阵体可视为一段视频数据。显而易见,相邻监测时间,监测数据相关性非常强;
选择频率维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在频率维上,频谱矩阵体可视为一段视频数据。相邻频段,监测数据也有相关性。
选择位置维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在位置维上,频谱矩阵体可视为一段视频数据。相邻台站间,不同时间获得监测数据也具有强相关性。
与现有技术相比,本发明充分挖掘了多台站频谱监测数据在时间、频率、位置维上的数据相关性和冗余性,利用视频压缩的方法实现了结构化频谱监测数据的压缩处理。
附图说明
图1本发明所述多台站频谱监测数据压缩处理方法步骤图。
图2本发明所述多台站频谱监测数据压缩处理方法应用场景示意图。
图3本发明所述以时间维为基准维进行频谱矩阵体灰度化处理示意图。
图4本发明所述以频率维为基准维进行频谱矩阵体灰度化处理示意图。
图5本发明所述以位置维为基准维进行频谱矩阵体灰度化处理示意图。
具体实施方式
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为本发明所述一种多台站频谱监测数据压缩处理方法步骤图图2为本发明实施例所提供的一种多台站频谱监测数据压缩处理方法应用场景示意图。
参照图2,一种多台站频谱监测数据压缩处理方法,包括以下步骤:
单台站频谱监测数据结构化表示:根据统一的监测频率带宽、监测时间维采样间隔和频率维采样间隔,完成给定时刻、给定带宽的监测数据频率维离散化和给定时段时间维上的离散化,将给定监测时间段和频率带宽的频谱监测数据表示为二维频谱矩阵;
多台站频谱监测数据结构化表示:将给定区域内的多台站获得的所有频谱矩阵,按照台站位置上的特定规则排列成三维频谱矩阵体。
二维频谱矩阵的构建可采用以下步骤:
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。
三维频谱矩阵体的构建可采用以下步骤:
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。
频谱监测数据灰度化处理:从频谱矩阵体的三个维度中选择一个维度,频谱矩阵体可看做该维度上一系列矩阵的排列,将每个矩阵进行灰度化处理转化为灰度图像,则频谱矩阵体可视为一段视频数据;
采用视频压缩方法对监测数据进行压缩:对给定区域内的多台站监测数据来说,在时间、频率、位置各维度上,均有大量的冗余信息,可利用传统视频压缩标准,对频谱矩阵体对应的视频数据进行压缩。通常的视频压缩标准有H.264、H.265、MPEG4、MJPEG等。H.264具有较高的压缩比同时还保证了高质量流畅的图像,H.265更加适用于高清/超高清传输领域。具体的压缩方法和标准可根据实际需要来进行选择。
在提出的多台站频谱监测数据压缩处理方法的多台站频谱监测数据结构化表示步骤中,频谱矩阵排列为频谱矩阵体规则可采用以下两种方法:
选择某一监测台站为基准台站,以所有台站与基准台站间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据,位置维以台站与基准台站间的地理直线距离作为刻度;
选择某区域多台站地理位置经纬度的平均值对应的地理位置作为基准点,以所有台站与基准点间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据,位置维以台站与基准点间的地理直线距离作为刻度。
在提出多台站频谱监测数据压缩处理方法的频谱监测数据灰度化处理步骤中,频谱矩阵体可采用以下三种方法来进行灰度化:
如图3所示,选择时间维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在时间维上,频谱矩阵体可视为一段视频数据。
如图4所示,选择频率维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在频率维上,频谱矩阵体可视为一段视频数据。
如图5所示,选择位置维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据。可对每个矩阵进行灰度化处理转化为灰度图像,则在位置维上,频谱矩阵体可视为一段视频数据。
对二维矩阵进行灰度化的步骤为:
获取二维矩阵的最大值和最小值,将二维矩阵映射为一定位数的灰度图。
Claims (3)
1.一种多台站频谱监测数据压缩处理方法,其特征在于,包括以下步骤:
S1:单台站频谱监测数据结构化表示:根据统一的监测频率带宽、监测时间维采样间隔和频率维采样间隔,完成给定时刻、给定带宽的监测数据频率维离散化和给定时段时间维上的离散化,将给定监测时间段和频率带宽的频谱监测数据表示为频谱矩阵;
S2:多台站频谱监测数据结构化表示:将给定区域内的多台站获得的所有频谱矩阵,按照台站位置上的特定规则排列成频谱矩阵体;
S3:频谱监测数据灰度化处理:从频谱矩阵体的三个维度中选择一个维度,频谱矩阵体可看做该维度上一系列矩阵的排列,将每个矩阵进行灰度化处理转化为灰度图像,则频谱矩阵体可视为一段视频数据;
S4:采用视频压缩方法对监测数据进行压缩:对给定区域内的多台站监测数据来说,在时间、频率、位置各维度上,均有大量的冗余信息,利用传统视频压缩标准,对频谱矩阵体对应的视频数据进行压缩。
2.根据权利要求1所述多台站频谱监测数据压缩处理方法,其步骤S2中,频谱矩阵排列为频谱矩阵体的规则采用以下三种方法之一:
选择某一监测台站为基准台站,以所有台站与基准台站间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据;或
选择某区域多台站地理位置经纬度的平均值对应的地理位置作为基准点,以所有台站与基准点间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据;或
选择任意地理位置作为基准点,以所有台站与基准点间的地理直线距离远近作为标准来排列各台站对应的频谱矩阵数据。
3.根据权利要求1所述的一种多台站频谱监测数据压缩处理方法,其步骤S3中,频谱监测数据灰度化处理步骤选择以下三种方法之一:
选择时间维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据;对每个矩阵进行灰度化处理转化为灰度图像,则在时间维上,频谱矩阵体可视为一段视频数据;或
选择频率维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据;对每个矩阵进行灰度化处理转化为灰度图像,则在频率维上,频谱矩阵体可视为一段视频数据;或
选择位置维作为基准维,则频谱矩阵体可看做每个时间点对应的一系列二维矩阵排列而成的数据;对每个矩阵进行灰度化处理转化为灰度图像,则在位置维上,频谱矩阵体可视为一段视频数据。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810181415.1A CN108616720B (zh) | 2018-03-06 | 2018-03-06 | 一种多台站频谱监测数据压缩处理方法 |
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 |
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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810181415.1A CN108616720B (zh) | 2018-03-06 | 2018-03-06 | 一种多台站频谱监测数据压缩处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108616720A true CN108616720A (zh) | 2018-10-02 |
CN108616720B CN108616720B (zh) | 2020-02-07 |
Family
ID=63658570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810181415.1A Active CN108616720B (zh) | 2018-03-06 | 2018-03-06 | 一种多台站频谱监测数据压缩处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108616720B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN116192678A (zh) * | 2023-04-26 | 2023-05-30 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 无线电频谱监测数据的压缩系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795481A (zh) * | 2014-01-28 | 2014-05-14 | 南京邮电大学 | 一种基于自由概率理论的协作频谱感知方法 |
CN105103477A (zh) * | 2014-01-10 | 2015-11-25 | 华为技术有限公司 | 频谱检测方法、装置及基站 |
US20160162577A1 (en) * | 2014-12-08 | 2016-06-09 | Mitsubishi Electric Research Laboratories, Inc. | Method for Segmenting and Tracking Content in Videos Using Low-Dimensional Subspaces and Sparse Vectors |
WO2016207899A1 (en) * | 2015-06-25 | 2016-12-29 | Capester Ltd | System and method for secured capturing and authenticating of video clips |
-
2018
- 2018-03-06 CN CN201810181415.1A patent/CN108616720B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105103477A (zh) * | 2014-01-10 | 2015-11-25 | 华为技术有限公司 | 频谱检测方法、装置及基站 |
CN103795481A (zh) * | 2014-01-28 | 2014-05-14 | 南京邮电大学 | 一种基于自由概率理论的协作频谱感知方法 |
US20160162577A1 (en) * | 2014-12-08 | 2016-06-09 | Mitsubishi Electric Research Laboratories, Inc. | Method for Segmenting and Tracking Content in Videos Using Low-Dimensional Subspaces and Sparse Vectors |
WO2016207899A1 (en) * | 2015-06-25 | 2016-12-29 | Capester Ltd | System and method for secured capturing and authenticating of video clips |
Non-Patent Citations (2)
Title |
---|
AHMED, AYMAN MAHMOUD; ELRAMLY, SALWA; EL SHARKAWY, MOHAMED: "Hyperspectral Band Referencing Based On Correlation Structure", 《IEEE INTERNATIONAL CONFERENCE ON CONTROL SYSTEM, COMPUTING AND ENGINEERING (ICCSCE)》 * |
李富强,万红,黄俊杰: "基于MATLAB的语谱图显示与分析", 《微计算机信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN116192678A (zh) * | 2023-04-26 | 2023-05-30 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 无线电频谱监测数据的压缩系统及方法 |
CN116192678B (zh) * | 2023-04-26 | 2023-06-23 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 无线电频谱监测数据的压缩系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108616720B (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10552989B2 (en) | Point cloud attribute compression method based on KD tree and optimized graph transformation | |
CN101562675B (zh) | 基于Contourlet变换的无参考型图像质量评测方法 | |
CN108616720A (zh) | 一种多台站频谱监测数据压缩处理方法 | |
CN103035001B (zh) | 一种基于超像素分割的地基云自动检测方法 | |
CN104574336A (zh) | 基于自适应亚模字典选择的超分辨率图像重建系统 | |
CN108235057A (zh) | 一种大规模海洋洋流数据的网络传输及可视化方法 | |
WO2019170001A1 (zh) | 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 | |
CN104376565A (zh) | 基于离散余弦变换和稀疏表示的无参考图像质量评价方法 | |
CN102843572B (zh) | 一种基于相位的立体图像质量客观评价方法 | |
CN109189949A (zh) | 一种人口分布计算方法 | |
CN102289784A (zh) | 一种基于点云模型的数字几何图像简化方法 | |
CN103780895A (zh) | 一种立体视频质量评价方法 | |
CN111611948A (zh) | 基于cim与区块链的城市垃圾桶满溢检测方法 | |
CN104036493A (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN113487523B (zh) | 图形轮廓优化方法、装置、计算机设备和存储介质 | |
CN105046632B (zh) | 时空高效的二值图像二元逻辑运算方法 | |
CN102096945A (zh) | 空间数据渐进传输方法及装置 | |
CN104778691A (zh) | 一种三维点云数据的处理方法 | |
CN108732423A (zh) | 一种频谱监测数据处理系统及方法 | |
CN117252936A (zh) | 一种适配多种训练策略的红外图像彩色化方法及系统 | |
CN107018410A (zh) | 一种基于预注意机制和空间依赖性的无参考图像质量评价方法 | |
CN105654017B (zh) | 二维码传输方法和系统 | |
CN105139331A (zh) | 一种面向比特的基于仿生元胞自动机的图像置乱方法 | |
CN102737380A (zh) | 一种基于梯度结构张量的立体图像质量客观评价方法 | |
CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 |
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 |