CN109379762B - 一种随机信号数据统计方法和系统 - Google Patents
一种随机信号数据统计方法和系统 Download PDFInfo
- Publication number
- CN109379762B CN109379762B CN201811051623.6A CN201811051623A CN109379762B CN 109379762 B CN109379762 B CN 109379762B CN 201811051623 A CN201811051623 A CN 201811051623A CN 109379762 B CN109379762 B CN 109379762B
- Authority
- CN
- China
- Prior art keywords
- interval
- segment
- identifier
- section
- sample number
- 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.)
- Active
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 134
- 230000011218 segmentation Effects 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 22
- 238000005192 partition Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims 3
- 238000002360 preparation method Methods 0.000 claims 1
- 239000010419 fine particle Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供一种随机信号数据统计方法和系统,涉及通信领域,该随机信号数据统计方法通过随机信号数据统计系统的构建,对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,联合分析,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
Description
技术领域
本发明涉及通信领域,尤其涉及一种随机信号数据统计方法和系统。
背景技术
通信信号,尤其是无线信号,通常是大量随机过程组成,具有信号变化快、数值分布范围宽等特点,且在一段较长时间内这些随机信号的数值分布又满足一定的统计规律。但是受制于设备处理能力,通信设备在对这类随机信号进行测量时,往往不能精确给出各个测量样本值,而仅能报告测量时间段内大量测量样本值落在有限个可配置的统计区间内的样本统计数量,因而难以精确获得测量信号的准确测量值,或者测量值在各细小颗粒度上的完整分布。比如当前GSM移动网络中,GSM设备仅能配置不超过5个统计区间内的上行噪声信号电平样本数量,而不能报告各实际测量值。上行噪声信号电平值可能分布于-40dBm~-110dBm范围,5个统计区间难以实现较小统计间隔(比如以1dB或2dB的颗粒度)的样本数量统计,也就难以准确评估系统的上行噪声分布,而准确评估这些噪声信号对移动通信网络部署和优化具有重要意义。
针对上述情况,在工程上通常的应对方法是优先配置最关注的测量范围,设定较细小的统计区间,而受统计区间数量的限制,只能牺牲其它测量范围的测量阶梯颗粒度。而当下次关注范围变化时,调整配置测量阶梯,基于前述方法重点关注新的测量范围,而牺牲其余数值范围的测量颗粒度。
比如前述GSM上行噪声测量统计时,更关注低负荷、弱干扰情况时,优先在低电平范围多设定几个统计区间,而高电平范围只设定很少的统计区间;反之,当更关注高负荷、强干扰情况时,优先在高电平范围多设定几个统计区间,而低电平范围只设定很少的统计区间。
因此,在测量设备可配置的统计阶梯数远小于统计颗粒度需求时,现有方法难以同时兼顾测量范围和统计颗粒度之间的矛盾,只能按关注优先级进行取舍,每次仅能得到部分统计范围内的细致评估,多次测量之间,数据缺乏有效联合分析,测量精确度和测量效率较差。
发明内容
本发明提供一种随机信号数据统计方法和系统,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
为达到上述目的,本发明提供一种随机信号数据统计方法,其特征在于,所述随机信号数据统计方法应用于与信号测量系统通讯的随机信号数据统计系统,所述信号测量系统用于测量随机信号,所述方法包括:
接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比;
接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比;
获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的;
若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
对应地,本发明还提供了一种随机信号数据统计系统,其特征在于,与信号测量系统通讯,所述信号测量系统用于测量随机信号,所述随机信号数据统计系统包括:
接收模块,用于接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
获取模块,用于通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比;
接收模块,还用于接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
获取模块,还用于通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比;
获取模块,还用于获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的;
输出模块,用于若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
本发明随机信号数据统计方法通过随机信号数据统计系统的构建,对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,联合分析,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例随机信号数据统计方法的运行环境的系统架构示意图;
图2为本发明实施例提供的一种随机信号数据统计方法的流程图;
图3为本发明实施例提供的另一种随机信号数据统计方法的流程图;
图4为本发明实施例提供的一种随机信号数据统计系统的功能模块示意图;
图5为本发明实施例提供的另一种随机信号数据统计系统的功能模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
如图1所示,示出了本发明随机信号数据统计方法的实施环境的网络架构。该实施环境的处理系统可以包括信号测量系统10以及随机信号数据统计系统20。其中,信号测量系统10与随机信号数据统计系统20形成有线或无线连接,信号测量系统10用于测量随机信号,需要说明的是,该信号测量系统10可以测量的随机信号的数值分布范围为(S1,S2),该信号测量系统10每次测量时可以配置的最大统计区间数为N。
首先,信号测量系统10基于设定的区间长度对随机信号进行多次的测量,并将测量结果发送给随机信号数据统计系统20。随机信号数据统计系统20对多次测量的统计数据基于一定算法加权叠加,联合分析,从而获得信号的分布,其中,对随机信号进行多次测量时,应选择在固定的时间段内,而且测量的时间要足够长(例如在每天AM3:00-AM4:00进行测量),以使得每次测量的随机信号呈现稳定的分布。
需要说明的是,信号测量系统10每次对随机信号进行测量时,需要对区间长度进行设置,以将随机信号的数值分布范围(S1,S2)划分为多个统计区间,并测量随机信号在测量时间内落入每个区间的次数。其中,信号测量系统10每次对随机信号进行测量时,可以设置不同的区间长度,本发明对此不进行限制。
在实际应用中,需要获取统计区间数为M或者M+1的随机信号的分布情况,其中,M远大于信号测量系统10每次测量时可以配置的最大统计区间数N。若区间长度为G,则为向下取整符号,当S2-S1/G可以整除时,随机信号的数值分布范围(S1,S2)需要划分为M个区间,当|S2-S1|/G不可以整除时,随机信号的数值分布范围(S1,S2)需要划分为M+1个区间。明显地,信号测量系统10一次测量的结果只能获取到统计区间数为N的随机信号的分布情况,因此,本发明提出了对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,最终可以获取到统计区间数为M或者M+1的随机信号的分布情况。
如图2所示,示出了本发明应用于随机信号数据统计系统20的随机信号数据统计方法。所述随机信号数据统计系统20与信号测量系统10进行通讯,所述信号测量系统10用于测量随机信号,该随机信号数据统计方法包括:
步骤101、接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量。
在进行第一次数据测量前,设置信号测量系统10的第一预设区间长度为G,统计区间数为N(本发明的全部实施例以每次测量使用相同的区间长度G和相同的统计区间数N为例进行说明)。则可以将随机信号的数值分布范围(S1,S2)划分为(S1,S1+G],(S1+G,S1+2*G],…,(S1+(N-2)*G,S1+(N-1)*G],(S1+(N-1)*G,S2]共N个区间,其中,前N-1个第一分段区间标识的区间长度为第一预设区间长度。
信号测量系统10基于上述设置进行第一次数据测量,并将第一测量数据信息发送给随机信号数据统计系统20。所述第一测量数据信息包括N个第一分段区间标识、与N个第一分段区间标识对应的第一分段区间原始样本数量。
参见表1,表1示出了信号测量系统10测量的第一测量数据信息。
表1
第一分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+G] | (S<sub>1</sub>+G,S<sub>1</sub>+2*G] | … | (S<sub>1</sub>+(N-2)*G,S<sub>1</sub>+(N-1)*G] | (S<sub>1</sub>+(N-1)*G,S<sub>2</sub>] |
第一分段区间原始样本数量 | Q<sub>11</sub> | Q<sub>12</sub> | … | Q<sub>1(N-1)</sub> | Q<sub>1N</sub> |
步骤102、通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比。
参见表2,表2列出了第一分段区间基础信息。
表2
其中,将区间长度为G的第一分段区间标识所对应的第一分段区间统计粒度标识标记为“满足”,将区间长度不为G的第一分段区间标识所对应的第一分段区间统计粒度标识标记为“不满足”,将在第一次数据测量中,所有已经按照区间长度为G进行统计过的第一分段区间标识所对应的第一分段区间区段标识标记为“达标段1”,将没有按照区间长度为G进行统计过的第一分段区间标识所对应的第一分段区间区段标识标记为“未达标段1”。第i个第一分段区间标识所对应的第一分段区间原始样本占比i∈[1,N];第i个第一分段区间标识所对应的第一分段区间达标段1内占比i∈[1,N-1]。
步骤103、接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量。
在进行第二次数据测量前,设置信号测量系统10的第二预设区间长度为G,统计区间数为N(本发明的全部实施例以每次测量使用相同的区间长度G和相同的统计区间数N为例进行说明)。则可以将随机信号的数值分布范围(S1,S2)划分为:(S1,S1+(N-1)*G],(S1+(N-1)*G,S1+N*G],…,(S1+(2N-4)*G,S1+(2N-3)*G],(S1+(2N-3)*G,S2]共N个区间,其中,第1个第二分段区间标识的区间长度为所述第一测量数据信息中所述第一分段区间区段标识为达标段1的所有区间长度的总和,第2个第二分段区间标识至第N-1个第二分段区间标识的区间长度为第二预设区间长度。
信号测量系统10基于上述设置进行第二次数据测量,并将第二测量数据信息发送给随机信号数据统计系统20。所述第二测量数据信息包括N个第二分段区间标识、与N个第二分段区间标识对应的第二分段区间原始样本数量。
参见表3,表3示出了信号测量系统10测量的第二测量数据信息。
表3
第二分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+(N-1)*G] | (S<sub>1</sub>+(N-1)*G,S<sub>1</sub>+N*G] | … | (S<sub>1</sub>+(2N-4)*G,S<sub>1</sub>+(2N-3)*G] | (S<sub>1</sub>+(2N-3)*G,S<sub>2</sub>] |
第二分段区间原始样本数量 | Q<sub>21</sub> | Q<sub>22</sub> | … | Q<sub>2(N-1)</sub> | Q<sub>2N</sub> |
步骤104、通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比。
参见表4,表4列出了第二分段区间基础信息。
表4
第二分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+(N-1)*G] | (S<sub>1</sub>+(N-1)*G,S<sub>1</sub>+N*G] | … | (S<sub>1</sub>+(2N-4)*G,S<sub>1</sub>+(2N-3)*G] | (S<sub>1</sub>+(2N-3)*G,S<sub>2</sub>] |
第二分段区间原始样本数量 | Q<sub>21</sub> | Q<sub>22</sub> | … | Q<sub>2(N-1)</sub> | Q<sub>2N</sub> |
第二分段区间原始样本占比 | P<sub>21</sub> | P<sub>22</sub> | … | P<sub>2(N-1)</sub> | P<sub>2N</sub> |
第二分段区间统计粒度标识 | 不满足 | 满足 | … | 满足 | 不满足 |
第二分段区间区段标识 | 达标段1 | 未达标段1 | … | 未达标段1 | 未达标段1 |
第二分段区间未达标段1内占比 | - | PD<sub>22</sub> | … | PD<sub>2(N-1)</sub> | PD<sub>2N</sub> |
其中,将区间长度为G的第二分段区间标识所对应的第二分段区间统计粒度标识标记为“满足”,将区间长度不为G的第二分段区间标识所对应的第二分段区间统计粒度标识标记为“不满足”,将在第一次数据测量中,所有已经按照区间长度为G进行统计过的第一分段区间标识所对应的第二分段区间区段标识标记为“达标段1”,将没有按照区间长度为G进行统计过的第一分段区间标识所对应的第二分段区间区段标识标记为“未达标段1”。第i个第二分段区间标识所对应的第二分段区间原始样本占比i∈[1,N];第i个第二分段区间标识所对应的第二分段区间未达标段1内占比i∈[2,N]。
步骤105、获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的。
参见表5,表5列出了N个第一分段区间标识对应的N个第一分段区间第一加权样本数量。
表5
第一分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+G] | (S<sub>1</sub>+G,S<sub>1</sub>+2*G] | … | (S<sub>1</sub>+(N<sub>-</sub>2)*G,S<sub>1</sub>+(N-1)*G] | (S<sub>1</sub>+(N-1)*G,S<sub>2</sub>] |
第一分段区间原始样本数量 | Q<sub>11</sub> | Q<sub>12</sub> | … | Q<sub>1(N-1)</sub> | Q<sub>1N</sub> |
第一分段区间原始样本占比 | P<sub>11</sub> | P<sub>12</sub> | … | P<sub>1(N-1)</sub> | P<sub>1N</sub> |
第一分段区间统计粒度标识 | 满足 | 满足 | … | 满足 | 不满足 |
第一分段区间区段标识 | 达标段1 | 达标段1 | … | 达标段1 | 未达标段1 |
第一分段区间达标段1内占比 | PD<sub>11</sub> | PD<sub>12</sub> | … | PD<sub>1(N-1)</sub> | - |
第一分段区间第一加权样本数量 | PDJ<sub>11</sub> | PDJ<sub>12</sub> | … | PDJ<sub>1(N-1)</sub> | PDJ<sub>1N</sub> |
其中,前N-1个第一分段区间标识所对应的第一分段区间第一加权样本数量PDJ1i=Q1i+Q21*PD1i,i∈[1,N-1],第N个第一分段区间标识所对应的第一分段区间第一加权样本数量i∈[2,N]。
参见表6,表6列出了N个第二分段区间标识对应的N个第二分段区间第一加权样本数量。
表6
第二分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+(N-1)*G] | (S<sub>1</sub>+(N-1)*G,S<sub>1</sub>+N*G] | … | (S<sub>1</sub>+(2N-4)*G,S<sub>1</sub>+(2N-3)*G] | (S<sub>1</sub>+(2N-3)*G,S<sub>2</sub>] |
第二分段区间原始样本数量 | Q<sub>21</sub> | Q<sub>22</sub> | … | Q<sub>2(N-1)</sub> | Q<sub>2N</sub> |
第二分段区间原始样本占比 | P<sub>21</sub> | P<sub>22</sub> | … | P<sub>2(N-1)</sub> | P<sub>2N</sub> |
第二分段区间统计粒度标识 | 不满足 | 满足 | … | 满足 | 不满足 |
第二分段区间区段标识 | 达标段1 | 未达标段1 | … | 未达标段1 | 未达标段1 |
第二分段区间未达标段1内占比 | - | PD<sub>22</sub> | … | PD<sub>2(N-1)</sub> | PD<sub>2N</sub> |
第二分段区间第一加权样本数量 | PDJ<sub>21</sub> | PDJ<sub>22</sub> | … | PDJ<sub>2(N-1)</sub> | PDJ<sub>2N</sub> |
其中,第1个第二分段区间标识所对应的第二分段区间第一加权样本数量i∈[1,N-1],后N-1个第二分段区间标识所对应的第二分段区间第一加权样本数量PDJ2i=Q2i+Q1N*PD2i,i∈[2,N]。
步骤106、若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
若第N个第二分段区间标识的区间长度不大于第二预设区间长度,输出前N-1个第一分段区间标识所对应的第一分段区间第一加权样本数量和后N-1个第二分段区间标识所对应的第二分段区间第一加权样本数量。
本发明随机信号数据统计方法通过随机信号数据统计系统的构建,对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,联合分析,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
进一步地,如图3所示,若第Ni+1个第二分段区间标识的区间长度大于第二预设区间长度,所述随机信号数据统计方法还包括:
步骤107、设置区间长度为第一预设区间长度的第一分段区间标识对应的第一分段区间区段标识为达标段2,设置区间长度为第二预设区间长度的第二分段区间标识对应的第二分段区间区段标识为达标段2。
删除表5中第一分段区间标识为(S1+(N-1)*G,S2]的一列和表6中第二分段区间标识为(S1,S1+(N-1)*G]的一列,并设置区间长度为G的第一分段区间标识对应的第一分段区间区段标识为达标段2,设置区间长度为G的第二分段区间标识对应的第二分段区间区段标识为达标段2,设置区间长度不为G的第二分段区间标识对应的第二分段区间区段标识为未达标段2,得到表7和表8。
表7
第一分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+G] | (S<sub>1</sub>+G,S<sub>1</sub>+2*G] | … | (S<sub>1</sub>+(N-2)*G,S<sub>1</sub>+(N-1)*G] |
第一分段区间原始样本数量 | Q<sub>11</sub> | Q<sub>12</sub> | … | Q<sub>1(N-1)</sub> |
第一分段区间原始样本占比 | P<sub>11</sub> | P<sub>12</sub> | … | P<sub>1(N-1)</sub> |
第一分段区间统计粒度标识 | 满足 | 满足 | … | 满足 |
第一分段区间区段标识 | 达标段2 | 达标段2 | … | 达标段2 |
第一分段区间达标段1内占比 | PD<sub>11</sub> | PD<sub>12</sub> | … | PD<sub>1(N-1)</sub> |
第一分段区间第一加权样本数量 | PDJ<sub>11</sub> | PDJ<sub>12</sub> | … | PDJ<sub>1(N-1)</sub> |
表8
第二分段区间标识 | (S<sub>1</sub>+(N-1)*G,S<sub>1</sub>+N*G] | … | (S<sub>1</sub>+(2N-4)*G,S<sub>1</sub>+(2N-3)*G] | (S<sub>1</sub>+(2N-3)*G,S<sub>2</sub>] |
第二分段区间原始样本数量 | Q<sub>22</sub> | … | Q<sub>2(N-1)</sub> | Q<sub>2N</sub> |
第二分段区间原始样本占比 | P<sub>22</sub> | … | P<sub>2(N-1)</sub> | P<sub>2N</sub> |
第二分段区间统计粒度标识 | 满足 | … | 满足 | 不满足 |
第二分段区间区段标识 | 达标段2 | … | 达标段2 | 未达标段2 |
第二分段区间未达标段1内占比 | PD<sub>22</sub> | … | PD<sub>2(N-1)</sub> | PD<sub>2N</sub> |
第二分段区间第一加权样本数量 | PDJ<sub>22</sub> | … | PDJ<sub>2(N-1)</sub> | PDJ<sub>2N</sub> |
其中,表7中的N-1个第一分段区间标识和表8中的前N-2个第二分段区间标识组成了区间长度为G的连续的区间。
步骤108、通过第一加权样本数量获取被标记为达标段2的第一分段区间标识所对应的第一分段区间达标段2内占比,通过第二加权样本数量获取被标记为达标段2的第二分段区间标识所对应的第二分段区间达标段2内占比。
参见表9,表9示出了第一分段区间标识所对应的第一分段区间达标段2内占比。
表9
第一分段区间标识 | (S<sub>1</sub>,S<sub>1</sub>+G] | (S<sub>1</sub>+G,S<sub>1</sub>+2*G] | … | (S<sub>1</sub>+(N-2)*G,S<sub>1</sub>+(N-1)*G] |
第一分段区间原始样本数量 | Q<sub>11</sub> | Q<sub>12</sub> | … | Q<sub>1(N-1)</sub> |
第一分段区间原始样本占比 | P<sub>11</sub> | P<sub>12</sub> | … | P<sub>1(N-1)</sub> |
第一分段区间统计粒度标识 | 满足 | 满足 | … | 满足 |
第一分段区间区段标识 | 达标段2 | 达标段2 | … | 达标段2 |
第一分段区间第一加权样本数量 | PDJ<sub>11</sub> | PDJ<sub>12</sub> | … | PDJ<sub>1(N-1)</sub> |
第一分段区间达标段2内占比 | PDD<sub>11</sub> | PDD<sub>12</sub> | … | PDD<sub>1(N-1)</sub> |
参见表10,表10示出了第二分段区间标识所对应的第二分段区间达标段2内占比。
表10
步骤109、接收所述信号测量系统发送的第三测量数据信息,所述第三测量数据信息包括Ni+2个第三分段区间标识、与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量。
在进行第三次数据测量前,设置信号测量系统10的第三预设区间长度为G,统计区间数为N(本发明的全部实施例以每次测量使用相同的区间长度G和相同的统计区间数N为例进行说明)。则可以将随机信号的数值分布范围(S1,S2)划分为:(S1,S1+(2N-3)*G],(S1+(2N-3)*G,S1+(2N-2)*G],…,(S1+(3N-5)*G,S1+(3N-4)*G],(S1+(3N-4)*G,S2]共N个区间,其中,第1个第三分段区间标识的区间长度为第一分段区间区段标识和第二分段区间区段标识为达标段2的所有区间长度的总和,第2个第三分段区间标识至第N-1个第三分段区间标识的区间长度为第三预设区间长度。
信号测量系统10基于上述设置进行第三次数据测量,并将第三测量数据信息发送给随机信号数据统计系统20。所述第三测量数据信息包括N个第三分段区间标识、与N个第三分段区间标识对应的第三分段区间原始样本数量。
参见表11,表11示出了信号测量系统10测量的第三测量数据信息。
表11
步骤110、通过所述第三分段区间标识和所述第三分段区间原始样本数量获取第三分段区间基础信息,所述第三分段区间基础信息包括第三分段区间原始样本占比、第三分段区间统计粒度标识、第三分段区间区段标识、第三分段区间达标段2内占比。
参见表12,表12列出了第三分段区间基础信息。
表12
其中,将区间长度为G的第三分段区间标识所对应的第三分段区间统计粒度标识标记为“满足”,将区间长度不为G的第三分段区间标识所对应的第三分段区间统计粒度标识标记为“不满足”,将在步骤107中,所有已经按照区间长度为G进行统计过的第一分段区间标识和第二分段区间标识所对应的第三分段区间区段标识标记为“达标段2”,将没有按照区间长度为G进行统计过的第一分段区间标识和第二分段区间标识所对应的第三分段区间区段标识标记为“未达标段2”。第i个第三分段区间标识所对应的第三分段区间原始样本占比i∈[1,N];第i个第三分段区间标识所对应的第三分段区间未达标段2内占比i∈[2,N]。
步骤111、获取每个第一分段区间标识对应的第一分段区间第二加权样本数量、每个第二分段区间标识对应的第二分段区间第二加权样本数量和每个第三分段区间标识对应的第三分段区间第二加权样本数量,其中,第一分段区间第二加权样本数量、第二分段区间第二加权样本数量和三分段区间第二加权样本数量是将相同区间的第一分段区间原始样本数量、第二分段区间原始样本数量和第三分段区间原始样本数量加权叠加得到的。
参见表13,表13列出了N-1个第一分段区间标识对应的N-1个第一分段区间第二加权样本数量。
表13
其中,第i个第一分段区间标识所对应的第一分段区间第二加权样本数量PDJ21i=Q1i+Q21*PD1i+Q31*PDD1i,i∈[1,N-1]。
参见表14,表14列出了N-2个第二分段区间标识对应的N-2个第二分段区间第二加权样本数量。
表14
第二分段区间标识 | (S<sub>1</sub>+(N-1)*G,S<sub>1</sub>+N*G] | … | (S<sub>1</sub>+(2N-4)*G,S<sub>1</sub>+(2N-3)*G] | (S<sub>1</sub>+(2N-3)*G,S<sub>2</sub>] |
第二分段区间原始样本数量 | Q<sub>22</sub> | … | Q<sub>2(N-1)</sub> | Q<sub>2N</sub> |
第二分段区间原始样本占比 | P<sub>22</sub> | … | P<sub>2(N-1)</sub> | P<sub>2N</sub> |
第二分段区间统计粒度标识 | 满足 | … | 满足 | 不满足 |
第二分段区间区段标识 | 达标段2 | … | 达标段2 | 未达标段2 |
第二分段区间第一加权样本数量 | PDJ<sub>22</sub> | … | PDJ<sub>2(N-1)</sub> | PDJ<sub>2N</sub> |
第二分段区间达标段2内占比 | PDD<sub>22</sub> | … | PDD<sub>2(N-1)</sub> | - |
第二分段区间第二加权样本数量 | PDJ2<sub>21</sub> | … | PDJ2<sub>22</sub> | PDJ2<sub>2N</sub> |
其中,第2个至第N-1个第二分段区间标识所对应的第二分段区间第二加权样本数量PDJ22i=Q2i+Q1N*PD2i+Q31*PDD2i,i∈[2,N-1],第N个第二分段区间标识所对应的第二分段区间第二加权样本数量
参见表15,表15列出了N个第三分段区间标识对应的N个第三分段区间第二加权样本数量。
表15
其中,第1个第三分段区间标识所对应的第三分段区间第二加权样本数量后N-1个第三分段区间标识所对应的第三分段区间第二加权样本数量PDJ23i=Q3i+Q1N*PD3i+Q2N*PD3i,i∈[2,N]。
步骤112、若第Ni+2个第三分段区间标识的区间长度不大于第三预设区间长度,输出数据统计结果。
若第N个第三分段区间标识的区间长度不大于第三预设区间长度,输出前N-1个第一分段区间标识所对应的第一分段区间第二加权样本数量、第2个至第N-1个第二分段区间标识所对应的第二分段区间第二加权样本数量和后N-1个第三分段区间标识所对应的第三分段区间第二加权样本数量。
进一步地,所述第一预设区间长度、所述第二预设区间长度和所述第三预设区间长度为倍数关系。
本发明随机信号数据统计方法通过随机信号数据统计系统的构建,对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,联合分析,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
对应地,本发明还提出了一种随机信号数据统计系统2。如图4所示,该随机信号数据统计系统包括:
接收模块21,用于接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
获取模块22,用于通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比;
接收模块21,还用于接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
获取模块22,还用于通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比;
获取模块22,还用于获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的;
输出模块23,用于若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
进一步地,所述接收模块21中前Ni-1个第一分段区间标识的区间长度为第一预设区间长度。
进一步地,所述接收模块21中第1个第二分段区间标识的区间长度为所述第一测量数据信息中所述第一分段区间区段标识为达标段1的所有区间长度的总和,第2个第二分段区间标识至第Ni+1-1个第二分段区间标识的区间长度为第二预设区间长度。
进一步地,如图5所示,若第Ni+1个第二分段区间标识的区间长度大于第二预设区间长度,所述随机信号数据统计系统还包括:
设置模块24,用于设置区间长度为第一预设区间长度的第一分段区间标识对应的第一分段区间区段标识为达标段2,设置区间长度为第二预设区间长度的第二分段区间标识对应的第二分段区间区段标识为达标段2;
获取模块22,还用于通过第一加权样本数量获取被标记为达标段2的第一分段区间标识所对应的第一分段区间达标段2内占比,通过第二加权样本数量获取被标记为达标段2的第二分段区间标识所对应的第二分段区间达标段2内占比;
接收模块21,还用于接收所述信号测量系统发送的第三测量数据信息,所述第三测量数据信息包括Ni+2个第三分段区间标识、与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量;
获取模块,还用于通过所述第三分段区间标识和所述第三分段区间原始样本数量获取第三分段区间基础信息,所述第三分段区间基础信息包括第三分段区间原始样本占比、第三分段区间统计粒度标识、第三分段区间区段标识、第三分段区间达标段2内占比;
获取模块22,还用于获取每个第一分段区间标识对应的第一分段区间第二加权样本数量、每个第二分段区间标识对应的第二分段区间第二加权样本数量和每个第三分段区间标识对应的第三分段区间第二加权样本数量,其中,第一分段区间第二加权样本数量、第二分段区间第二加权样本数量和三分段区间第二加权样本数量是将相同区间的第一分段区间原始样本数量、第二分段区间原始样本数量和第三分段区间原始样本数量加权叠加得到的;
输出模块23,还用于若第Ni+2个第三分段区间标识的区间长度不大于第三预设区间长度,输出数据统计结果。
进一步地,所述接收模块21中第1个第三分段区间标识的区间长度为第一分段区间区段标识和第二分段区间区段标识为达标段2的所有区间长度的总和,第2个第三分段区间标识至第Ni+2-1个第三分段区间标识的区间长度为第三预设区间长度。
进一步地,所述第一预设区间长度、所述第二预设区间长度和所述第三预设区间长度为倍数关系。
本发明随机信号数据统计方法通过随机信号数据统计系统的构建,对随机信号进行多次的测量,并按照一定规则合理配置每次测量的区间长度,多次测量的统计数据基于一定算法加权叠加,联合分析,可以高效地获得待测信号大范围、细颗粒的统计结果,从而精确获得信号的分布。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种随机信号数据统计方法,其特征在于,所述随机信号数据统计方法应用于与信号测量系统通讯的随机信号数据统计系统,所述信号测量系统用于测量随机信号,所述方法包括:
接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比;
所述第一分段区间原始样本占比满足下述公式1:
其中,P1i表示第i个所述第一分段区间标识所对应的所述第一分段区间原始样本占比,Q1i表示第i个所述与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
所述第一分段区间达标段1内占比满足下述公式2:
其中,PD1i表示第i个所述第一分段区间标识所对应的所述第一分段区间达标段1内占比;
接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比;
所述第二分段区间原始样本占比满足下述公式3:
其中P2i表示第i个所述第二分段区间标识所对应的所述第二分段区间原始样本占比,Q2i表示第i个所述与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
所述第二分段区间未达标段1内占比满足下述公式4:
其中,PD2i表示第i个所述第二分段区间标识所对应的所述第二分段区间未达标段1内占比;
获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的;
具体的,第1个至第N-1个所述第一分段区间标识对应的第一分段区间第一加权样本数量满足下述公式5:
PDJ1i=Q1i+Q21*PD1i,i∈[1,N-1] 公式5
其中,PDJ1i表示第i个所述第一分段区间标识对应的第一分段区间第一加权样本数量;
第N个所述第一分段区间标识对应的第一分段区间第一加权样本数量满足下述公式6:
第2个至第N个所述第二分段区间标识对应的第二分段区间第一加权样本数量满足下述公式7:
PDJ2i=Q2i+Q1N*PD2i,i∈[2,N] 公式7
其中,PDJ2i表示第i个所述第二分段区间标识对应的第二分段区间第一加权样本数量;
第1个所述第二分段区间标识对应的第二分段区间第一加权样本数量满足下述公式8:
若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
2.根据权利要求1所述的随机信号数据统计方法,其特征在于,前Ni-1个第一分段区间标识的区间长度为第一预设区间长度。
3.根据权利要求1所述的随机信号数据统计方法,其特征在于,第1个第二分段区间标识的区间长度为所述第一测量数据信息中所述第一分段区间区段标识为达标段1的所有区间长度的总和,第2个第二分段区间标识至第Ni+1-1个第二分段区间标识的区间长度为第二预设区间长度。
4.根据权利要求1-3任一项所述的随机信号数据统计方法,其特征在于,若第Ni+1个第二分段区间标识的区间长度大于第二预设区间长度,所述方法还包括:
设置区间长度为第一预设区间长度的第一分段区间标识对应的第一分段区间区段标识为达标段2,设置区间长度为第二预设区间长度的第二分段区间标识对应的第二分段区间区段标识为达标段2;
通过第一加权样本数量获取被标记为达标段2的第一分段区间标识所对应的第一分段区间达标段2内占比,通过第二加权样本数量获取被标记为达标段2的第二分段区间标识所对应的第二分段区间达标段2内占比;
所述第一分段区间标识所对应的第一分段区间达标段2内占比满足下述公式9:
其中,PDD1i表示第i个所述第一分段区间标识所对应的第一分段区间达标段2内占比;
所述第二分段区间标识所对应的第二分段区间达标段2内占比满足下述公式10:
其中,PDD2i表示第i个所述第二分段区间标识所对应的第二分段区间达标段2内占比;
接收所述信号测量系统发送的第三测量数据信息,所述第三测量数据信息包括Ni+2个第三分段区间标识、与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量;
通过所述第三分段区间标识和所述第三分段区间原始样本数量获取第三分段区间基础信息,所述第三分段区间基础信息包括第三分段区间原始样本占比、第三分段区间统计粒度标识、第三分段区间区段标识、第三分段区间未达标段2内占比;
所述第三分段区间原始样本占比满足下述公式11:
其中,P3i表示第i个所述第三分段区间标识所对应的所述第三分段区间原始样本占比,Q3i表示第i个所述与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量;
所述第三分段区间未达标段2内占比满足下述公式12:
其中,PD3i表示第i个所述第三分段区间标识所对应的所述第三分段区间未达标段2内占比;
获取每个第一分段区间标识对应的第一分段区间第二加权样本数量、每个第二分段区间标识对应的第二分段区间第二加权样本数量和每个第三分段区间标识对应的第三分段区间第二加权样本数量,其中,第一分段区间第二加权样本数量、第二分段区间第二加权样本数量和三分段区间第二加权样本数量是将相同区间的第一分段区间原始样本数量、第二分段区间原始样本数量和第三分段区间原始样本数量加权叠加得到的;
具体的,所述第一分段区间标识对应的第一分段区间第二加权样本数量满足下述公式13:
PDJ21i=Q1i+Q21*PD1i+Q31*PDD1i,i∈[1,N-1] 公式13
其中,PDJ21i表示第i个所述第一分段区间标识对应的第一分段区间第二加权样本数量;
第2个至第N-1个所述第二分段区间标识对应的第二分段区间第二加权样本数量满足下述公式14:
PDJ22i=Q2i+Q1N*PD2i+Q31*PDD2i,i∈[2,N-1] 公式14
其中,PDJ22i表示第i个所述第二分段区间标识对应的第二分段区间第二加权样本数量;
第N个所述第二分段区间标识对应的第二分段区间第二加权样本数量满足下述公式15:
第2个至第N个所述第三分段区间标识对应的第三分段区间第二加权样本数量满足下述公式16:
PDJ23i=Q3i+Q1N*PD3i+Q2N*PD3i,i∈[2,N] 公式16
其中,PDJ23i表示第i个所述第三分段区间标识对应的第三分段区间第二加权样本数量;
第1个所述第三分段区间标识对应的第三分段区间第二加权样本数量满足下述公式17:
若第Ni+2个第三分段区间标识的区间长度不大于第三预设区间长度,输出数据统计结果。
5.根据权利要求4所述的随机信号数据统计方法,其特征在于,第1个第三分段区间标识的区间长度为第一分段区间区段标识和第二分段区间区段标识为达标段2的所有区间长度的总和,第2个第三分段区间标识至第Ni+2-1个第三分段区间标识的区间长度为第三预设区间长度。
6.根据权利要求1、2、3或5任一项所述的随机信号数据统计方法,其特征在于,第一预设区间长度、第二预设区间长度和第三预设区间长度为倍数关系。
7.一种随机信号数据统计系统,其特征在于,与信号测量系统通讯,所述信号测量系统用于测量随机信号,所述随机信号数据统计系统包括:
接收模块,用于接收所述信号测量系统发送的第一测量数据信息,所述第一测量数据信息包括Ni个第一分段区间标识、与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
获取模块,用于通过所述第一分段区间标识和所述第一分段区间原始样本数量获取第一分段区间基础信息,所述第一分段区间基础信息包括第一分段区间原始样本占比、第一分段区间统计粒度标识、第一分段区间区段标识、第一分段区间达标段1内占比;
所述第一分段区间原始样本占比满足下述公式1:
其中,P1i表示第i个所述第一分段区间标识所对应的所述第一分段区间原始样本占比,Q1i表示第i个所述与Ni个第一分段区间标识对应的第一分段区间原始样本数量;
所述第一分段区间达标段1内占比满足下述公式2:
其中,PD1i表示第i个所述第一分段区间标识所对应的所述第一分段区间达标段1内占比;
接收模块,还用于接收所述信号测量系统发送的第二测量数据信息,所述第二测量数据信息包括Ni+1个第二分段区间标识、与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
获取模块,还用于通过所述第二分段区间标识和所述第二分段区间原始样本数量获取第二分段区间基础信息,所述第二分段区间基础信息包括第二分段区间原始样本占比、第二分段区间统计粒度标识、第二分段区间区段标识、第二分段区间未达标段1内占比;
所述第二分段区间原始样本占比满足下述公式3:
其中P2i表示第i个所述第二分段区间标识所对应的所述第二分段区间原始样本占比,Q2i表示第i个所述与Ni+1个第二分段区间标识对应的Ni+1个第二分段区间原始样本数量;
所述第二分段区间未达标段1内占比满足下述公式4:
其中,PD2i表示第i个所述第二分段区间标识所对应的所述第二分段区间未达标段1内占比;
获取模块,还用于获取每个第一分段区间标识对应的第一分段区间第一加权样本数量和每个第二分段区间标识对应的第二分段区间第一加权样本数量,其中,第一分段区间第一加权样本数量和第二分段区间第一加权样本数量是将相同区间的第一分段区间原始样本数量和第二分段区间原始样本数量加权叠加得到的;
具体的,第1个至第N-1个所述第一分段区间标识对应的第一分段区间第一加权样本数量满足下述公式5:
PDJ1i=Q1i+Q21*PD1i,i∈[1,N-1] 公式5
其中,PDJ1i表示第i个所述第一分段区间标识对应的第一分段区间第一加权样本数量;
第N个所述第一分段区间标识对应的第一分段区间第一加权样本数量满足下述公式6:
第2个至第N个所述第二分段区间标识对应的第二分段区间第一加权样本数量满足下述公式7:
PDJ2i=Q2i+Q1N*PD2i,i∈[2,N] 公式7
其中,PDJ2i表示第i个所述第二分段区间标识对应的第二分段区间第一加权样本数量;
第1个所述第二分段区间标识对应的第二分段区间第一加权样本数量满足下述公式8:
输出模块,用于若第Ni+1个第二分段区间标识的区间长度不大于第二预设区间长度,输出数据统计结果。
8.根据权利要求7所述的随机信号数据统计系统,其特征在于,前Ni-1个第一分段区间标识的区间长度为第一预设区间长度。
9.根据权利要求7所述的随机信号数据统计系统,其特征在于,第1个第二分段区间标识的区间长度为所述第一测量数据信息中所述第一分段区间区段标识为达标段1的所有区间长度的总和,第2个第二分段区间标识至第Ni+1-1个第二分段区间标识的区间长度为第二预设区间长度。
10.根据权利要求7-9任一项所述的随机信号数据统计系统,其特征在于,若第Ni+1个第二分段区间标识的区间长度大于第二预设区间长度,所述随机信号数据统计系统还包括:
设置模块,用于设置区间长度为第一预设区间长度的第一分段区间标识对应的第一分段区间区段标识为达标段2,设置区间长度为第二预设区间长度的第二分段区间标识对应的第二分段区间区段标识为达标段2;
获取模块,还用于通过第一加权样本数量获取被标记为达标段2的第一分段区间标识所对应的第一分段区间达标段2内占比,通过第二加权样本数量获取被标记为达标段2的第二分段区间标识所对应的第二分段区间达标段2内占比;
所述第一分段区间标识所对应的第一分段区间达标段2内占比满足下述公式9:
其中,PDD1i表示第i个所述第一分段区间标识所对应的第一分段区间达标段2内占比;
所述第二分段区间标识所对应的第二分段区间达标段2内占比满足下述公式10:
其中,PDD2i表示第i个所述第二分段区间标识所对应的第二分段区间达标段2内占比;
接收模块,还用于接收所述信号测量系统发送的第三测量数据信息,所述第三测量数据信息包括Ni+2个第三分段区间标识、与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量;
获取模块,还用于通过所述第三分段区间标识和所述第三分段区间原始样本数量获取第三分段区间基础信息,所述第三分段区间基础信息包括第三分段区间原始样本占比、第三分段区间统计粒度标识、第三分段区间区段标识、第三分段区间未达标段2内占比;
所述第三分段区间原始样本占比满足下述公式11:
其中,P3i表示第i个所述第三分段区间标识所对应的所述第三分段区间原始样本占比,Q3i表示第i个所述与Ni+2个第三分段区间标识对应的Ni+2个第三分段区间原始样本数量;
所述第三分段区间未达标段2内占比满足下述公式12:
其中,PD3i表示第i个所述第三分段区间标识所对应的所述第三分段区间未达标段2内占比;
获取模块,还用于获取每个第一分段区间标识对应的第一分段区间第二加权样本数量、每个第二分段区间标识对应的第二分段区间第二加权样本数量和每个第三分段区间标识对应的第三分段区间第二加权样本数量,其中,第一分段区间第二加权样本数量、第二分段区间第二加权样本数量和三分段区间第二加权样本数量是将相同区间的第一分段区间原始样本数量、第二分段区间原始样本数量和第三分段区间原始样本数量加权叠加得到的;
具体的,所述第一分段区间标识对应的第一分段区间第二加权样本数量满足下述公式13:
PDJ21i=Q1i+Q21*PD1i+Q31*PDD1i,i∈[1,N-1] 公式13
其中,PDJ21i表示第i个所述第一分段区间标识对应的第一分段区间第二加权样本数量;
第2个至第N-1个所述第二分段区间标识对应的第二分段区间第二加权样本数量满足下述公式14:
PDJ22i=Q2i+Q1N*PD2i+Q31*PDD2i,i∈[2,N-1] 公式14
其中,PDJ22i表示第i个所述第二分段区间标识对应的第二分段区间第二加权样本数量;
第N个所述第二分段区间标识对应的第二分段区间第二加权样本数量满足下述公式15:
第2个至第N个所述第三分段区间标识对应的第三分段区间第二加权样本数量满足下述公式16:
PDJ23i=Q3i+Q1N*PD3i+Q2N*PD3i,i∈[2,N] 公式16
其中,PDJ23i表示第i个所述第三分段区间标识对应的第三分段区间第二加权样本数量;
第1个所述第三分段区间标识对应的第三分段区间第二加权样本数量满足下述公式17:
输出模块,还用于若第Ni+2个第三分段区间标识的区间长度不大于第三预设区间长度,输出数据统计结果。
11.根据权利要求10所述的随机信号数据统计系统,其特征在于,第1个第三分段区间标识的区间长度为第一分段区间区段标识和第二分段区间区段标识为达标段2的所有区间长度的总和,第2个第三分段区间标识至第Ni+2-1个第三分段区间标识的区间长度为第三预设区间长度。
12.根据权利要求7、8、9或11任一项所述的随机信号数据统计系统,其特征在于,第一预设区间长度、第二预设区间长度和第三预设区间长度为倍数关系。
13.一种随机信号数据统计系统,包括:至少一个处理器,以及存储器;其特征在于,
所述存储器用于存储计算机程序,使得所述计算机程序被所述至少一个处理器执行时实现如权利要求1-6中任一项所述的随机信号数据统计方法。
14.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一项所述的随机信号数据统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811051623.6A CN109379762B (zh) | 2018-09-10 | 2018-09-10 | 一种随机信号数据统计方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811051623.6A CN109379762B (zh) | 2018-09-10 | 2018-09-10 | 一种随机信号数据统计方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109379762A CN109379762A (zh) | 2019-02-22 |
CN109379762B true CN109379762B (zh) | 2021-09-14 |
Family
ID=65405424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811051623.6A Active CN109379762B (zh) | 2018-09-10 | 2018-09-10 | 一种随机信号数据统计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109379762B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU528575A1 (ru) * | 1975-02-25 | 1976-09-15 | Таганрогский радиотехнический институт им.В.Д.Калмыкова | Статический анализатор |
CN101187963A (zh) * | 2006-11-15 | 2008-05-28 | 北京同方微电子有限公司 | 一种对抗差分功耗分析的逻辑单元 |
CN102289558A (zh) * | 2011-05-23 | 2011-12-21 | 公安部第一研究所 | 一种基于随机信号处理的基线调整方法 |
CN104048676A (zh) * | 2014-06-26 | 2014-09-17 | 哈尔滨工程大学 | 基于改进粒子滤波的mems陀螺随机误差补偿方法 |
CN105468699A (zh) * | 2015-11-18 | 2016-04-06 | 珠海多玩信息技术有限公司 | 去重数据统计方法及设备 |
WO2016087592A1 (en) * | 2014-12-03 | 2016-06-09 | Ventana Medical Systems, Inc. | Systems and methods for early-stage cancer prognosis |
CN105814562A (zh) * | 2013-12-13 | 2016-07-27 | 国际商业机器公司 | 用于在线无共享数据库的扩充的递增和并置的重新分布 |
CN105827472A (zh) * | 2015-01-04 | 2016-08-03 | 华为技术有限公司 | 网络数据流类型检测方法及装置 |
CN106034311A (zh) * | 2015-03-09 | 2016-10-19 | 中国移动通信集团贵州有限公司 | 一种信息处理方法及装置 |
EP3147775A1 (en) * | 2015-09-23 | 2017-03-29 | Technische Universität Dresden | Method for generating true random numbers on a multiprocessor system and the same |
CN106569981A (zh) * | 2016-10-21 | 2017-04-19 | 北京科技大学 | 一种适用于大规模数据集的统计参量确定方法及系统 |
CN106648446A (zh) * | 2015-10-30 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种用于时序数据的存储方法、装置及电子设备 |
CN107645741A (zh) * | 2017-09-27 | 2018-01-30 | 中国联合网络通信集团有限公司 | 一种用户业务感知的评估方法、装置及服务器 |
EP3276617A1 (en) * | 2016-07-29 | 2018-01-31 | Booktrack Holdings Limited | Systems and methods for automatic-generation of soundtracks for live speech audio |
WO2018026299A1 (en) * | 2016-08-04 | 2018-02-08 | Huawei Technologies Co., Ltd. | Method and apparatus for data hiding in prediction parameters |
CN107743260A (zh) * | 2017-11-03 | 2018-02-27 | 中广热点云科技有限公司 | 基于云数据处理的引导型数字电视管理系统及其推荐确定方法 |
CN107764458A (zh) * | 2017-09-25 | 2018-03-06 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机操纵特性曲线生成方法 |
WO2018064931A1 (zh) * | 2016-10-08 | 2018-04-12 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
CN108279767A (zh) * | 2017-01-05 | 2018-07-13 | 株式会社东芝 | 动作分析装置以及动作分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110105345A1 (en) * | 2009-07-31 | 2011-05-05 | Life Technologies Corporation | Methods for the Analysis of High Resolution Melt Curve Data |
-
2018
- 2018-09-10 CN CN201811051623.6A patent/CN109379762B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU528575A1 (ru) * | 1975-02-25 | 1976-09-15 | Таганрогский радиотехнический институт им.В.Д.Калмыкова | Статический анализатор |
CN101187963A (zh) * | 2006-11-15 | 2008-05-28 | 北京同方微电子有限公司 | 一种对抗差分功耗分析的逻辑单元 |
CN102289558A (zh) * | 2011-05-23 | 2011-12-21 | 公安部第一研究所 | 一种基于随机信号处理的基线调整方法 |
CN105814562A (zh) * | 2013-12-13 | 2016-07-27 | 国际商业机器公司 | 用于在线无共享数据库的扩充的递增和并置的重新分布 |
CN104048676A (zh) * | 2014-06-26 | 2014-09-17 | 哈尔滨工程大学 | 基于改进粒子滤波的mems陀螺随机误差补偿方法 |
WO2016087592A1 (en) * | 2014-12-03 | 2016-06-09 | Ventana Medical Systems, Inc. | Systems and methods for early-stage cancer prognosis |
CN105827472A (zh) * | 2015-01-04 | 2016-08-03 | 华为技术有限公司 | 网络数据流类型检测方法及装置 |
CN106034311A (zh) * | 2015-03-09 | 2016-10-19 | 中国移动通信集团贵州有限公司 | 一种信息处理方法及装置 |
EP3147775A1 (en) * | 2015-09-23 | 2017-03-29 | Technische Universität Dresden | Method for generating true random numbers on a multiprocessor system and the same |
CN106648446A (zh) * | 2015-10-30 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种用于时序数据的存储方法、装置及电子设备 |
CN105468699A (zh) * | 2015-11-18 | 2016-04-06 | 珠海多玩信息技术有限公司 | 去重数据统计方法及设备 |
EP3276617A1 (en) * | 2016-07-29 | 2018-01-31 | Booktrack Holdings Limited | Systems and methods for automatic-generation of soundtracks for live speech audio |
WO2018026299A1 (en) * | 2016-08-04 | 2018-02-08 | Huawei Technologies Co., Ltd. | Method and apparatus for data hiding in prediction parameters |
WO2018064931A1 (zh) * | 2016-10-08 | 2018-04-12 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
CN106569981A (zh) * | 2016-10-21 | 2017-04-19 | 北京科技大学 | 一种适用于大规模数据集的统计参量确定方法及系统 |
CN108279767A (zh) * | 2017-01-05 | 2018-07-13 | 株式会社东芝 | 动作分析装置以及动作分析方法 |
CN107764458A (zh) * | 2017-09-25 | 2018-03-06 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机操纵特性曲线生成方法 |
CN107645741A (zh) * | 2017-09-27 | 2018-01-30 | 中国联合网络通信集团有限公司 | 一种用户业务感知的评估方法、装置及服务器 |
CN107743260A (zh) * | 2017-11-03 | 2018-02-27 | 中广热点云科技有限公司 | 基于云数据处理的引导型数字电视管理系统及其推荐确定方法 |
Non-Patent Citations (2)
Title |
---|
Yun-Meng Cao;Zhi-Wei Li;Jian-Chao Wei;Wen-Jun Zhan;Jian-Jun.Spatial statistics of atmospheric signal in repeat-pass InSAR.《2014 Third International Workshop on Earth Observation and Remote Sensing Applications (EORSA)》.2014, * |
复杂数据的统计分析与建模;刘娟芳;《中国博士学位论文库》;20180715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109379762A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10536428B2 (en) | Processing multiple network address observations | |
US8305271B2 (en) | Cuckoo hashing to store beacon reference data | |
US11974139B2 (en) | Methods and systems for resource planning in a shared spectra | |
Xue et al. | Beijing spectrum survey for cognitive radio applications | |
US9344907B1 (en) | Analyzing wireless signal propagation | |
EP2469464A1 (en) | Management server, communication system and statistical processing method | |
US20130173346A1 (en) | Information analysis device and information analysis method | |
CN102075979B (zh) | 带内干扰的定位方法和装置 | |
CN112867147B (zh) | 定位方法和定位装置 | |
CN109963288A (zh) | 基站的评估方法及装置 | |
CN109379762B (zh) | 一种随机信号数据统计方法和系统 | |
CN102014426B (zh) | 一种基于测量报告的衡量载干比的方法 | |
CN113573334B (zh) | 一种用户常驻区域的确定方法及装置 | |
Shayea et al. | Predicting required licensed spectrum for the future considering big data growth | |
El Khamlichi et al. | A quantitative investigation of spectrum utilization in UHF and VHF bands in Morocco: The road to cognitive radio networks | |
CN106844794B (zh) | 一种基于数据多维特征的无线电监管的装置和方法 | |
CN112969193B (zh) | 无线网络的干扰确定方法、装置及设备 | |
CN115379479B (zh) | 小区覆盖类型确定方法、装置、设备及存储介质 | |
CN105050119B (zh) | 一种移动性统计方法及装置 | |
CN112884497A (zh) | 确定用户类型的方法、装置、电子设备和存储介质 | |
US20220376803A1 (en) | Electromagnetic Propagation Modeling Calibration through Crowd-Sourced and Secondary Measurements | |
CN109429242B (zh) | 一种mr数据室内外分离方法及设备 | |
Miller et al. | Examining Mobile Broadband Transparency | |
Raouf et al. | Spectrum Usage Monitoring and Airtime Utilization: Insights from a Practical Case Study | |
Taneja et al. | Keeping rural providers earnest with third-party mobile network measurement campaigns |
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 |