CN110096674B - 一种基于参数依赖的仪器参数校正方法 - Google Patents

一种基于参数依赖的仪器参数校正方法 Download PDF

Info

Publication number
CN110096674B
CN110096674B CN201910353897.9A CN201910353897A CN110096674B CN 110096674 B CN110096674 B CN 110096674B CN 201910353897 A CN201910353897 A CN 201910353897A CN 110096674 B CN110096674 B CN 110096674B
Authority
CN
China
Prior art keywords
parameter
correction
graph
sequence
instrument
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
Application number
CN201910353897.9A
Other languages
English (en)
Other versions
CN110096674A (zh
Inventor
肖寅东
莫武
杨淞森
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910353897.9A priority Critical patent/CN110096674B/zh
Publication of CN110096674A publication Critical patent/CN110096674A/zh
Application granted granted Critical
Publication of CN110096674B publication Critical patent/CN110096674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2237—Vectors, bitmaps or matrices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Complex Calculations (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种基于参数依赖的仪器参数校正方法，首先建立参数依赖的有向无环图，并获取各个参数的校正函数，对有向无环图进行拓扑排序得到初次校正顺序，并据此进行初次校正，然后提取各个参数对应的部分依赖图，进行拓扑排序后将得到的参数序列进行翻转处理，翻转得到的参数序列即为该参数的上层依赖关系参数序列，在初次校正后，每当对某个参数进行再次校正后，根据其上层依赖关系参数序列对直接或间接依赖于该参数的参数进行校正，从而实现对仪器的准确校正。本发明利用了参数间的依赖关系，可以提高仪器参数校正的合理性和准确性。

Description

一种基于参数依赖的仪器参数校正方法
技术领域
本发明属于仪器参数校正技术领域，更为具体地讲，涉及一种基于参数依赖的仪器参数校正方法。
背景技术
在模拟通道中对信号进行处理时，最理想情况是信号的实际输出等于输入，但是由于在模拟电路中各个电子元器件本身都有着一定的误差，实际使用过程中也可能出现一定程度的漂移，因此，信号期望值与信号实际输出值总是存在着一定的出入。这一由硬件元器件本身产生的偏离属于系统误差，无法直接通过更改硬件电路消除，一般采用软件方法进行参数校正来确保输出波形参数的准确度。
随着国内外电子技术和仪器制造业的发展，分析、研究仪器误差成为仪器设计的重要内容之一。各大公司和科研机构对电子仪器的自动校正系统的投入也变得越来越大，经过多年的发展，市面上也出现了一些具有代表性的自动校正软件系统的产品。但是目前已有的参数校正系统往往有仪器品牌的限制，只针对一种仪器，不支持其他科研生产机构的产品，不能广泛使用。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于参数依赖的仪器参数校正方法，提高仪器参数校正的合理性和准确性。
为实现上述发明目的，本发明基于参数依赖的仪器参数校正方法的具体步骤包括：
S1：根据仪器的实际情况获取其输出信号的参数，将每个参数作为有向无环图的顶点，当参数i依赖于参数j时，即参数i在校正之前需要先对参数j进行校正，建立参数i顶点到参数j顶点的有向边，i,j＝1,2,…,N，i≠j，N表示参数数量，从而建立参数依赖的有向无环图G；
S2：分别获取每个参数i的校正函数Fi；
S3：对有向无环图G进行拓扑排序，将得到的参数顺序作为初次校正顺序；
S4：根据步骤S3得到的初次校正顺序，依次根据各个参数的期望值采用各个参数的校正函数Fi对各个参数进行校正；
S5：对于每个参数i，从步骤S1建立的有向无环图G中提取出该参数i对应的部分依赖图，对参数i的部分依赖图gi进行拓扑排序，将得到的参数序列进行翻转处理，翻转得到的参数序列即为参数i的上层依赖关系参数序列；其中提取部分依赖图的具体步骤包括：
S5.1：令初始有向无环图G′＝G，新建移除链表list为空；
S5.2：从当前的有向无环图G′中筛选得到出度为0的顶点，写入移除链表list；
S5.3：判断参数i是否位于移除链表list中，如果没有则进入步骤S5.4，否则进入步骤S5.5；
S5.4：从当前有向无环图G′中将移除链表list中的各个顶点删除，然后清空移除链表list，返回步骤S5.2；
S5.5：判断参数i是否是移除链表list中唯一顶点，如果不是，进入步骤S5.6，否则进入步骤S5.7；
S5.6：从当前有向无环图G′中将移除链表list中参数i以外的各个顶点删除，然后将移除链表list中参数i以外的各个顶点删除，返回步骤S5.2；
S5.7：将当前有向无环图G′作为参数i的部分依赖图gi进行存储；
S6：初次校正后，每当对某个参数i进行再次校正后，对于参数i上层依赖关系参数序列中每个直接或间接依赖于参数i的参数，按照参数i上层依赖关系参数序列，依次根据该参数的期望值采用对应的校正函数Fi进行校正。
本发明基于参数依赖的仪器参数校正方法，首先建立参数依赖的有向无环图，并获取各个参数的校正函数，对有向无环图进行拓扑排序得到初次校正顺序，并据此进行初次校正，然后提取各个参数对应的部分依赖图，进行拓扑排序后将得到的参数序列进行翻转处理，翻转得到的参数序列即为该参数的上层依赖关系参数序列，在初次校正后，每当对某个参数进行再次校正后，根据其上层依赖关系参数序列对直接或间接依赖于该参数的参数进行校正，从而实现对仪器的准确校正。
参数间的依赖是指某个参数影响另一个参数的精度要求或取值范围，仪器间的参数依赖往往错综复杂，本发明对参数依赖进行系统分析并应用在校正中，从而使仪器校正过程更加合理，准确性更高。
附图说明
图1是本发明基于参数依赖的仪器参数校正方法的具体实施方式流程图；
图2是本实施例中基于NetworkX库建立有向无环图的流程图；
图3是本实施例中的参数依赖的有向无环图；
图4是本发明中提取部分依赖图的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明基于参数依赖的仪器参数校正方法的具体实施方式流程图。如图1所示，本发明基于参数依赖的仪器参数校正方法的具体步骤包括：
S101：生成参数依赖的有向无环图：
根据仪器的实际情况获取其输出信号的参数，将每个参数作为有向无环图的顶点，当参数i依赖于参数j时，即参数i在校正之前需要先对参数j进行校正，建立参数i顶点到参数j顶点的有向边，i,j＝1,2,…,N，i≠j，N表示参数数量，从而建立参数依赖的有向无环图G。
本实施例中采用NetworkX库来实现有向无环图的建立。NetworkX是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。图2是本实施例中基于NetworkX库建立有向无环图的流程图。如图2所示，本实施例中基于NetworkX库建立有向无环图的具体步骤包括：
S201：创建字典：
创建以参数序号为键、参数为值的字典。显然序号为1至N。
S202：构建有向图：
使用nx.DiGraph()构建一个有向图。
S203：添加顶点：
遍历字典，使用add_node()函数添加N个顶点至有向图中，第n个顶点对应字典中的第n个键。
S204：添加有向边：
遍历每个顶点，如果对应参数在仪器校正时需要依赖于其他参数，则使用add_edge()函数在有向图中添加该顶点参数到所依赖参数的有向边。
S205：有环判断：
使用is_directed_acyclic_graph()函数判断图中是否有环，如果不存在环，则不作任何操作，得到有向无环图，如果有环，则返回错误，终止程序。
本实施例中以任意信号发生器为例对本发明进行说明。任意信号发生器输出信号的参数包括幅度，频率，波形和偏移，图3是本实施例中的参数依赖的有向无环图。如图3所示，幅度，频率，波形类型(以编码表示)和偏移分别以符号A,B,C,D表示，其中偏移依赖幅度，幅度依赖频率和波形类型。
S102：获取校正函数：
分别获取每个参数i的校正函数Fi。
本实施例中采用分段拟合方式得到校正函数，具体方法如下：采用测试系统在不同输入信号的情况下多次对仪器的输出信号参数进行测量，记第k次测量时参数i的值为pi(k)，k＝1,2,…,K，K表示测量次数。对于每个参数i，根据依赖关系获取参数i所依赖的参数，记参数i的依赖参数数量为Di。为了提高参数i在依赖参数不同数值下校正函数的拟合程度，本实施例对每个依赖参数的测量值进行分段，得到每个依赖参数的测量值区间。在分段时可根据实际情况进行会段，例如由于硬件设计在某个数值时不可避免的出现明显误差，若要融合区间进行拟合会出现明显的偏差，那么此时应当在此数值附近进行分段。对Di个依赖参数的测量值区间进行组合，得到若干个区间组合，从这些区间组合中将不存在对应的参数i测量值的区间组合删除，记剩余区间组合数量为Qi。设置参数i的函数模型，对于Qi个区间组合，分别根据参数i期望值和每个区间组合所对应的参数i测量值，拟合得到校正函数，共计得到Qi个校正函数，构成参数i的校正函数Fi。
本实施例中，对期望值和测量值计算误差函数，将误差函数取反即可得到校正函数。就函数模型而言，通常采用一元函数，即变量为参数i期望值，当某个依赖参数对误差影响较大时，可以采用二元函数，即变量为参数i期望值和该依赖参数的期望值。
采用以上方式所获取的校正函数是分段的，但是该分段并非如传统方法那样根据参数i测量值划分，而是根据依赖参数的测量值划分的，经研究发现，采用这种方式得到的校正函数会更加准确。
以图3中的参数为例，由于参数A(幅度)依赖参数B(频率)和参数C(波形)。参数A的校正函数采用一元函数，表示式如下：
X′＝a5×X5+a4×X4+a3×X3+a2×X2+a1×X1+a0
其中，X表示参数A的期望值，X′表示参数A的校正结果，ag表示系数，g＝0,1,…,5。
当参数B在[1.9,2.1]区间，C参数在[2000,3000]区间，拟合得到校正函数中的各项系数，系数a5＝2.1，a4＝2.2，a3＝2.3，a2＝2.4，a1＝2.5，a0＝2.6。
S103：获取初次校正顺序：
对有向无环图G进行拓扑排序，将得到的参数顺序作为初次校正顺序。本实施例中使用topological_sort()函数对有向无环图G进行拓扑排序。
S104：参数初次校正：
根据步骤S103得到的初次校正顺序，依次根据各个参数的期望值采用各个参数的校正函数Fi对各个参数进行校正。
当采用本实施例中提出的基于依赖参数分段的校正函数时，在校正时通过该参数所依赖参数的期望值所处的区间选择对应的校正函数对参数进行校正。
S105：获取上层依赖关系参数序列：
对于每个参数i，从步骤S101建立的有向无环图G中提取出该参数i对应的部分依赖图，对参数i的部分依赖图gi进行拓扑排序，将得到的参数序列进行翻转处理，翻转得到的参数序列即为参数i的上层依赖关系参数序列，对其进行保存供仪器校正使用。
本发明部分依赖图提取的基本思路是，获取有向无环图G中出度为零的点，并进行删减，直到目标点为图中唯一出度为零点，得到的图即为所求的部分依赖图。图4是本发明中提取部分依赖图的流程图。如图4所示，本发明中提取部分依赖图的具体步骤包括：
S401：初始化数据：
令初始有向无环图G′＝G，新建移除链表list为空。
S402：添加出度为0的顶点：
从当前的有向无环图G′中筛选得到出度为0的顶点，写入移除链表list。
S403：判断参数i是否位于移除链表list中，如果没有则进入步骤S404，否则进入步骤S405。
S404：更新有向无环图：
从当前有向无环图G′中将移除链表list中的各个顶点删除，然后清空移除链表list，返回步骤S402。
S405：判断参数i是否是移除链表list中唯一顶点，如果不是，进入步骤S406，否则进入步骤S407。
S406：更新有向无环图：
从当前有向无环图G′中将移除链表list中参数i以外的各个顶点删除，然后将移除链表list中参数i以外的各个顶点删除，返回步骤S402。
S407：提取得到部分依赖图：
将当前有向无环图G′作为参数i的部分依赖图gi进行存储。
由于本实施例是采用NetworkX库来实现有向无环图建立的，因此在本步骤拓扑排序可以采用topological_sort()函数，翻转处理采用reverse()函数。
表1是本实施例中各个参数的上层依赖参数序列。
校正参数 上层依赖参数序列
A A,D
B B,A,D
C C,A,D
D D
表1
对比图1和表1可知，采用本发明所抽取得到的依赖关系是准确有效的。在仪器校正参数数量较大或依赖关系较为复杂时，本发明无需人工即可实现仪器校正参数依赖关系抽取。
S106：再次校正：
在初次校正后，每当对某个参数i进行再次校正后，对于参数i上层依赖关系参数序列中每个直接或间接依赖于参数i的参数，按照参数i上层依赖关系参数序列，依次根据该参数的期望值采用对应的校正函数Fi进行校正，从而实现对仪器的准确校正。以图3中的参数A为例，当其进行了再次校正后，需要对依赖于它的参数D进行校正。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于参数依赖的仪器参数校正方法，其特征在于，包括以下步骤：
S1：根据仪器的实际情况获取其输出信号的参数，将每个参数作为有向无环图的顶点，当参数i依赖于参数j时，即参数i在校正之前需要先对参数j进行校正，建立参数i顶点到参数j顶点的有向边，i,j＝1,2,…,N，i≠j，N表示参数数量，从而建立参数依赖的有向无环图G；
S2：分别获取每个参数i的校正函数Fi；
S3：对有向无环图G进行拓扑排序，将得到的参数顺序作为初次校正顺序；
S4：根据步骤S3得到的初次校正顺序，依次根据各个参数的期望值采用各个参数的校正函数Fi对各个参数进行校正；
S5：对于每个参数i，从步骤S1建立的有向无环图G中提取出该参数i对应的部分依赖图，对参数i的部分依赖图gi进行拓扑排序，将得到的参数序列进行翻转处理，翻转得到的参数序列即为参数i的上层依赖关系参数序列；其中提取部分依赖图的具体步骤包括：
S5.1：令初始有向无环图G′＝G，新建移除链表list为空；
S5.2：从当前的有向无环图G′中筛选得到出度为0的顶点，写入移除链表list；
S5.3：判断参数i是否位于移除链表list中，如果没有则进入步骤S5.4，否则进入步骤S5.5；
S5.4：从当前有向无环图G′中将移除链表list中的各个顶点删除，然后清空移除链表list，返回步骤S5.2；
S5.5：判断参数i是否是移除链表list中唯一顶点，如果不是，进入步骤S5.6，否则进入步骤S5.7；
S5.6：从当前有向无环图G′中将移除链表list中参数i以外的各个顶点删除，然后将移除链表list中参数i以外的各个顶点删除，返回步骤S5.2；
S5.7：将当前有向无环图G′作为参数i的部分依赖图gi进行存储；
S6：初次校正后，每当对某个参数i进行再次校正后，对于参数i上层依赖关系参数序列中每个直接或间接依赖于参数i的参数，按照参数i上层依赖关系参数序列，依次根据该参数的期望值采用对应的校正函数Fi进行校正。
2.根据权利要求1所述的基于参数依赖的仪器参数校正方法，其特征在于，所述步骤S1中有向无环图基于NetworkX库建立，具体步骤包括：
S1.1：创建以参数序号为键，参数为值的字典；
S1.2：使用nx.DiGraph()构建一个有向图；
S1.3：遍历字典，使用add_node()函数添加N个顶点至有向图中，第n个顶点对应字典中的第n个键；
S1.4：遍历每个顶点，如果对应参数在仪器校正时需要依赖于其他参数，则使用add_edge()函数在有向图中添加该顶点参数到所依赖参数的有向边；
S1.5：使用is_directed_acyclic_graph()函数判断图中是否有环，如果不存在环，则不作任何操作，得到有向无环图，如果有环，则返回错误，终止程序。
3.根据权利要求1所述的基于参数依赖的仪器参数校正方法，其特征在于，所述步骤S2中校正函数Fi的采用以下方法获取：
采用测试系统在不同输入信号的情况下多次对仪器的输出信号参数进行测量，记第k次测量时参数i的值为pi(k)，k＝1,2,…,K，K表示测量次数；对于每个参数i，根据依赖关系获取参数i所依赖的参数，记参数i的依赖参数数量为Di，对每个依赖参数的测量值进行分段，得到每个依赖参数的测量值区间；对Di个依赖参数的测量值区间进行组合，得到若干个区间组合，从这些区间组合中将不存在对应的参数i测量值的区间组合删除，记剩余区间组合数量为Qi；设置参数i的函数模型，对于Qi个区间组合，分别根据参数i期望值和每个区间组合所对应的参数i测量值，拟合得到校正函数，共计得到Qi个校正函数，构成参数i的校正函数Fi；
在进行参数校正时，通过该参数所依赖参数的期望值所处的区间选择对应的校正函数对参数进行校正。
CN201910353897.9A 2019-04-29 2019-04-29 一种基于参数依赖的仪器参数校正方法 Active CN110096674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910353897.9A CN110096674B (zh) 2019-04-29 2019-04-29 一种基于参数依赖的仪器参数校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910353897.9A CN110096674B (zh) 2019-04-29 2019-04-29 一种基于参数依赖的仪器参数校正方法

Publications (2)

Publication Number Publication Date
CN110096674A CN110096674A (zh) 2019-08-06
CN110096674B true CN110096674B (zh) 2022-10-18

Family

ID=67446299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910353897.9A Active CN110096674B (zh) 2019-04-29 2019-04-29 一种基于参数依赖的仪器参数校正方法

Country Status (1)

Country Link
CN (1) CN110096674B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262994A (ja) * 2007-04-10 2008-10-30 Advanced Lcd Technologies Development Center Co Ltd 結晶化方法および結晶化装置
CN101753771A (zh) * 2008-12-11 2010-06-23 上海杰图软件技术有限公司 一种全自动求解全景图像参数的方法
WO2012158231A1 (en) * 2011-05-13 2012-11-22 Benefitfocus.Com, Inc. Registration and execution of highly concurrent processing tasks
US8374828B1 (en) * 2007-12-24 2013-02-12 The University Of North Carolina At Charlotte Computer implemented system for protein and drug target design utilizing quantified stability and flexibility relationships to control function
CN103761442A (zh) * 2014-01-26 2014-04-30 广州杰赛科技股份有限公司 微区域流动参量的预测方法和装置
CN103957273A (zh) * 2014-05-16 2014-07-30 广东佳和通信技术有限公司 一种在多台ldap服务器间进行通讯录同步的方法
CN107248930A (zh) * 2017-06-05 2017-10-13 桂林电子科技大学 一种基于k2‑MDD的Web服务组合方法
EP3416103A1 (en) * 2017-06-16 2018-12-19 Dassault Systèmes Dataset for learning a function taking images as inputs
CN109460603A (zh) * 2018-11-07 2019-03-12 绍兴文理学院 基于自适应修正函数的jrc参数公式修正方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4360409B2 (ja) * 2007-02-13 2009-11-11 株式会社デンソー 車両用空調装置、車両用空調装置の制御方法および制御装置
US8145677B2 (en) * 2007-03-27 2012-03-27 Faleh Jassem Al-Shameri Automated generation of metadata for mining image and text data

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262994A (ja) * 2007-04-10 2008-10-30 Advanced Lcd Technologies Development Center Co Ltd 結晶化方法および結晶化装置
US8374828B1 (en) * 2007-12-24 2013-02-12 The University Of North Carolina At Charlotte Computer implemented system for protein and drug target design utilizing quantified stability and flexibility relationships to control function
CN101753771A (zh) * 2008-12-11 2010-06-23 上海杰图软件技术有限公司 一种全自动求解全景图像参数的方法
WO2012158231A1 (en) * 2011-05-13 2012-11-22 Benefitfocus.Com, Inc. Registration and execution of highly concurrent processing tasks
CN103761442A (zh) * 2014-01-26 2014-04-30 广州杰赛科技股份有限公司 微区域流动参量的预测方法和装置
CN103957273A (zh) * 2014-05-16 2014-07-30 广东佳和通信技术有限公司 一种在多台ldap服务器间进行通讯录同步的方法
CN107248930A (zh) * 2017-06-05 2017-10-13 桂林电子科技大学 一种基于k2‑MDD的Web服务组合方法
EP3416103A1 (en) * 2017-06-16 2018-12-19 Dassault Systèmes Dataset for learning a function taking images as inputs
CN109460603A (zh) * 2018-11-07 2019-03-12 绍兴文理学院 基于自适应修正函数的jrc参数公式修正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
D＇aniel Marx，等.Completely inapproximable monotone and antimonotone parameterized problems.《2010 25th Annual IEEE Conference on Computational Complexity》.2010, *
任意波形发生器测试/校正系统设计;王颂;《中国优秀硕士学位论文全文数据库》;20180215;第C042-1717页 *
月球数据预处理工作流模型的构建及应用;谭旭，等;《吉林大学学报》;20151130;第2007-2013页 *

Also Published As

Publication number Publication date
CN110096674A (zh) 2019-08-06

Similar Documents

Publication Publication Date Title
KR102280389B1 (ko) 데이터 처리 방법, 데이터 처리 장치, 및 데이터 처리 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체
CN109240090B (zh) 一种基于时间差分的增量学习xgboost模型的自适应软测量建模方法
CN112903758B (zh) 一种气体传感器重叠分块温湿度智能自校准方法
CN109738946B (zh) 两步法剔除异常地震初至的方法及系统
CN106155897A (zh) 一种业务处理方法及装置
CN110096674B (zh) 一种基于参数依赖的仪器参数校正方法
CN105629296B (zh) 三维地震叠后数据体拼接方法及装置
CN107831516A (zh) 融合gnss和地面监测网获取大坝实时高精度位移的方法
Dichev et al. Method of Analysis and correction of the Error from Nonlinearity of the Measurement Instruments.
CN107908824B (zh) 基于动力或静动力的钢筋混凝土简支梁火灾模型修正方法
Subah et al. An interactive computer vision system for tree ring analysis
CN112084655A (zh) 一种基于非单调线搜索的探地雷达参数反演方法
CN110109928B (zh) 一种仪器校正参数部分依赖关系抽取方法
CN104111209A (zh) 用于密度分析仪自校准的方法和装置
Visser Dendrochronological Provenance Patterns. Network Analysis of Tree-Ring Material Reveals Spatial and Economic Relations of Roman Timber in the Continental North-Western Provinces.
CN111913945A (zh) 一种数据治理方法、装置及存储介质
CN110907984A (zh) 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法
CN110888167B (zh) 一种二维测线地震数据闭合差的校正方法及处理终端
CN114004315A (zh) 一种基于小样本进行增量学习的方法及装置
CN114859418A (zh) 河道砂储层识别方法、装置和电子设备
CN108376123A (zh) 一种卫星重力观测数据异常值提取方法、装置及电子设备
CN109490401B (zh) 一种激光剥蚀分馏效应的校正方法
CN113673759A (zh) 一种水文资料实时整编方法及终端
CN118332482B (zh) 基于噪点清洗的土壤数据采集方法及系统
CN114494315B (zh) 隧道横断面特征提取方法、装置、设备和存储介质

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