CN110460399A - 波形图像处理方法、识别处理器、系统、设备和介质 - Google Patents

波形图像处理方法、识别处理器、系统、设备和介质 Download PDF

Info

Publication number
CN110460399A
CN110460399A CN201810426998.XA CN201810426998A CN110460399A CN 110460399 A CN110460399 A CN 110460399A CN 201810426998 A CN201810426998 A CN 201810426998A CN 110460399 A CN110460399 A CN 110460399A
Authority
CN
China
Prior art keywords
matrix
image
block
waveform
waveform image
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
CN201810426998.XA
Other languages
English (en)
Inventor
郭鹏
郭宝
左怡民
刘文吉
李明
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Shanxi Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Shanxi 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 China Mobile Communications Group Co Ltd, China Mobile Group Shanxi Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201810426998.XA priority Critical patent/CN110460399A/zh
Publication of CN110460399A publication Critical patent/CN110460399A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了波形图像处理方法、识别处理器、系统、设备和介质。该方法包括：对第一图像进行图像处理，得到第一矩阵块集；然后计算第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d；接着确定第二矩阵块集中的所有矩阵块与第一矩阵块集中的所有矩阵块的匹配结果；最后基于匹配结果，确定与第一图像所匹配类型的波形图像。根据本发明实施例提供的方案，将待检测干扰小区的波形图像处理成矩阵块，通过计算矩阵块的最小距离，自动识别出与待检测干扰小区的波形图像匹配的波形图像。

Description

波形图像处理方法、识别处理器、系统、设备和介质
技术领域
本发明涉及移动通信领域，尤其涉及一种波形图像处理方法、识别处理器、系统、设备和介质。
背景技术
长期演进技术(Long Term Evolution，LTE)移动通信系统是上行受限系统，上行干扰对终端的接入、保持、切换、速率和呼叫重建等过程都造成较大的影响。由于引起上行干扰的原因众多，例如：LTE频分双工(Frequency Division Duplexing，FDD)阻塞、分布式控制系统(Distributed Control System，DCS)1800M杂散、全球移动通信系统(GlobalSystem For Mobile Communications，GSM)900M二次谐波、GSM 900M互调、WLAN系统、大气波导、交叉时隙、小灵通、数位加强式无线通讯系统(Digital Enhanced CordlessTelecommunications，DECT)、广电干扰、干扰器/直放站干扰、器件故障和高业务等，这些原因对在上行干扰较大的区域的用户使用感知造成严重的影响。因此为减少上行干扰对无线网络的影响，干扰分析定位已作为一项长期且重要的工作。
目前干扰源复杂且多变，大多都是现场人员使用频谱仪、定向天线进行实地干扰排查，这样导致了分析干扰效率低，耗费时间长。
发明内容
本发明实施例提供一种波形图像处理方法、识别处理器、系统和介质，可以快速地识别出与待干扰小区的波形图像匹配的波形图像，提高了分析干扰的效率，缩短了分析干扰的时间。
根据本发明实施例的第一方面，提供一种波形图像处理方法，所述波形图像处理方法包括：
对第一图像进行图像处理，得到第一矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内，所述干扰小区受到干扰源干扰产生的图像；
计算所述第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，所述第二矩阵块集是由已知类型的波形图像经过所述图像处理得到的矩阵块集；
确定所述第二矩阵块集中的所有矩阵块与所述第一矩阵块集中的所有矩阵块的匹配结果；
基于匹配结果，确定与所述第一图像所匹配类型的波形图像。
根据本发明实施例的第二方面，提供一种识别处理器，所述识别处理器包括：
计算模块，用于计算第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，所述第一矩阵块集是通过对第一图像进行图像处理得到的矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内，所述干扰小区受到干扰源干扰产生的图像；所述第二矩阵块集是由已知类型的波形图像经过所述图像处理得到的矩阵块集；
匹配模块，用于确定所述第二矩阵块集中的所有矩阵块与所述第一矩阵块集中的所有矩阵块的匹配结果；以及还用于基于匹配结果，确定与所述第一图像所匹配类型的波形图像。
根据本发明实施例的第三方面，提供一种波形图像处理系统，所述图像处理系统包括：图像处理器和如第二方面所述的识别处理器；
所述图像处理器，用于对第一图像进行图像处理，得到第一矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内，所述干扰小区受到干扰源干扰产生的图像；
所述识别处理器，用于计算所述第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，所述第二矩阵块集是由已知类型的波形图像经过所述图像处理得到的矩阵块集；
以及用于确定每种所述第二矩阵块集中的所有矩阵块与所述第一矩阵块集中的所有矩阵块的匹配结果；
还用于基于匹配结果，确定与所述第一图像所匹配类型的波形图像。
根据本发明实施例的第四方面，提供一种终端设备，包括：
存储器、处理器、通信接口和总线；
所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信；
所述存储器用于存储程序代码；
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行第一方面所述的波形图像处理方法。
根据本发明实施例的第五方面，提供一种计算机存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行第一方面所述的波形图像处理方法。
根据本发明实施例中的方法、识别处理器、系统、设备和介质，将待检测干扰小区的波形图像处理成矩阵块，通过计算矩阵块的最小距离，自动识别出与待检测干扰小区的波形图像匹配的波形图像。这样大大缩短了分析干扰的时间，提高了分析干扰的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出了本发明实施例的波形图像处理方法的流程图；
图2示出了本发明实施例的二值化后的数据矩阵的示意图；
图3示出了本发明实施例对第一数据矩阵进行分割处理和特征值提取的示意图；
图4示出了本发明实施例提供的识别处理器的结构示意图；
图5示出了本发明实施例提供的波形图像处理系统的结构示意图；
图6示出了能够实现根据本发明实施例的波形图像处理方法和识别处理器的计算设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明实施例中干扰是影响全球移动通信系统(Global System for MobileCommunication，GSM)通话质量以及掉话率、接通率等网络指标的重要因素，直接造成了用户感知度下降，小区受到的干扰有多种，有上行的、下行的，有同频、邻频的，但是总的来说小区的干扰分为三大类即内部干扰、外部干扰和互调干扰。
产生干扰的原因包括：内部干扰、外部干扰和互调干扰。
内部干扰包括：频点不干净、强烈镜面反射、小区参数定义不当和基站天线方向角、俯仰角设计不合理等。
外部干扰包括：GSM直立站引起的干扰和手机干扰器引起的干扰。
互调干扰主要是码分多址(CodeDivisionMultipleAccess，CDMA)系统对小区的GSM系统造成的干扰。
为了更好的理解本发明，下面将结合附图，详细描述根据本发明实施例的波形图像处理方法、装置和系统，应注意，这些实施例并不是用来限制本发明公开的范围。
图1示出了本发明实施例的波形图像处理方法的流程图。
如图1所示，本实施例中的波形图像处理方法100包括以下步骤：
步骤S110，对第一图像进行图像处理，得到第一矩阵块集，第一图像为待检测干扰小区的波形图像，波形图像为在预定时间内，干扰小区受到干扰源干扰产生的图像。
在该步骤中，获取待检测干扰小区在一周内的波形图像。由于波形图像中有波形曲线，若是波形曲线有突兀，或者波形曲线的频率变化较大，说明该波形曲线是受到了干扰，也就是该小区受到了干扰。
在一个实施例中，在对第一图像进行图像处理之前，还会按照波形的频段和波形的频点，将第一图像进行分类，确定第一图像的类型。
因为每种波形都会有特定的频段和频点标记，比如：干扰小区的波形图像中波形会依据不同频段(F，D，E)、不同频点(F1，F2，D1，D2，D3，E1，E2)进行分类整理，将该干扰小区的波形图像中的波形曲线按照波形的频段和频点分类后，添加频段识别特征，以便在后续根据这些识别特征进行识别。
步骤S120，计算第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，第二矩阵块集是由已知类型的波形图像经过图像处理得到的矩阵块集。
在该步骤中，第二矩阵块集是由历史记录的已知的干扰小区的波形图像经过上述提及图像处理得到的波形矩阵块集。由多个第二矩阵集组合成第二矩阵块库。例如：第二矩阵块集是由干扰小区的波形图像经过图像处理得到的波形矩阵块集。而第二矩阵块库中可能包括30个小区的30种第二矩阵块集。
需要注意的是，在本发明实施例中基于图像识别最小距离法原理，计算第一矩阵块集中的每个矩阵块是与第二矩阵块集中的每个矩阵块的最小距离d，例如：第一矩阵块集中有30个矩阵块，而第二矩阵块集中有50个矩阵块，那么30个矩阵块中的每个矩阵块均与50个矩阵块进行计算，得到30个最小距离d。
下面是解析图像识别最小距离法原理：
首先，计算每一个已知类别A，该类别A用向量表示是(XA1,XA2,…,XAn)，该向量(XA1,XA2,…,XAn)的各个维度的均值形成一个均值μA。
其中，均值μA用向量表示(μA1,μA2,…,μAn)，A为类别的名称，XA是类别A的图像特征集合，XA1是类别A的第1维特征集合，μA1是第一维特征集合的均值，n为总的特征维数。
同理，计算另一个类别B，该类别B用向量表示是
(XB1,XB2,…,XBn)，该向量(XB1,XB2,…,XBn)的各个维度的均值形成一个均值μB，该均值μB用向量表示(μB1,μB2,…,μBn)。
使用上述的图像识别最小距离法原理，判断一个待分类的图像特征向量x是属于类别XA，还是XB，该图像特征向量x用向量表示是(x1,x2,…,xn)，则分别计算图像特征向量x到XA和XB的距离d(x,μA)和d(x,μB)。以欧式距离为例，计算最小距离公式如下：
d(x,μi)＝|x-μi|2＝(x-μi)T(x-μi)＝xT x-(xTμi+μi Tx-μi Tμi) (1)
通过公式(1)计算出d(x,μA)和d(x,μB)，判断d(x,μA)和d(x,μB)两者之间的最小值，如果d(x,μA)最小，那么图像特征向量x属于A类；如果d(x,μB)最小，那么图像特征向量x属于B类。
步骤S130，确定第二矩阵块集中的所有矩阵块与第一矩阵块集中的所有矩阵块的匹配结果。
步骤S140，基于匹配结果，确定与第一图像所匹配类型的波形图像。
本发明实施例的波形图像处理方法，是基于图像识别最小距离法得出与待检测波形图像匹配度最高的波形图像，则说明造成该匹配度最高的波形图像的干扰源和干扰原因与造成待检测干扰小区产生波形图像的干扰源和干扰原因相同的，从而确定待检测干扰小区的干扰源和干扰原因。该波形图像处理方法是利用了大量已知干扰小区的干扰源和干扰原因推测待检测干扰小区的干扰源和干扰原因，因此提升了后台分析识别干扰的能力，降低了现场排查干扰的工作量。
在一实施例中，第二矩阵块集是通过对第二图像库中每种类型的波形图像进行图像处理得到的矩阵块集，第二图像库是由历史的干扰小区的波形图像构成的数据库。
在该步骤中，该第二图像库中可以包括有30个小区，每个小区对应一种波形图像。按照波形的频段和波形的频点，将第二图像库中所有的波形图像进行分类，而对第二图像库中所有的波形图像进行分类的分类方法与步骤S110的分类方法是相同的。对第二图像库中每种类型的波形图像进行图像处理，而这里的图像处理方法与步骤S110的图像处理方法是相同的。
在一实施例中，在确定第二图像库的所有类型之后还可以确定与每种类型的波形图像所对应的干扰原因、干扰源、排查步骤和/或解决措施。
通过本发明实施例，在得到每种类型的波形图像后，会分别根据不同的波形图像给定对应的干扰原因、干扰源、排查步骤和/或解决措施。这样在确定了待检测干扰小区后，可以直接确定该待检测干扰小区的干扰原因、干扰源、排查步骤和/或解决措施，从而降低了现场排查干扰的工作量。
在一实施例中，在基于匹配结果，确定与第一图像所匹配类型的波形图像之后，还包括：
根据所匹配类型，确定与第一图像所对应的干扰原因、干扰源、排查步骤和/或解决措施。
通过确定与第一图像所匹配类型的波形图像，可以从已知的与该待检测小区的波形图像对应的干扰原因、干扰源、排查步骤和/或解决措施中直接确定该待检测干扰小区的干扰原因、干扰源、排查步骤和/或解决措施，从而降低了现场排查干扰的工作量。
在一实施例中，步骤S110对第一图像进行图像处理，得到第一矩阵块集，可以包括以下步骤：
步骤S111，对第一图像进行二值化处理，得到第一数据矩阵。
在该步骤中，二值化处理主要是利用干扰的波形图像具有数字识别的优势，通过图像识别技术中的二值化方法，将干扰的波形图像二值化，形成二维数据矩阵Q，也就是第一矩阵块集。
图2示出了本发明实施例的二值化后的数据矩阵的示意图。
如图2中采用n\R坐标轴，n为干扰的波形图像二值化后的递进区间，即是PRB序列。R为干扰的波形图像二值化后的色素值，即是干扰的强度值。黑色的波浪曲线是指波形曲线。
在本发明实施例中二值化方法的示例如下：
其中，如公式2所示，0 1 2…98 99表征干扰的波形从左至右的递进区间，101 10385…100 102表征干扰的采样波形在递进区间内的色素值。由于n和R在图像中更容易被识别出来，因此干在图像识别技术处理中具有的数字化优势。
另外，在进行二值化处理之后，还需要对第一数据矩阵进行平滑去噪处理。平滑去噪主要是为消除干扰的波形图像中尖刺部分，去噪后使得在后续识别匹配时，大大提升波形图像识别率。
考虑在不影响干扰判断的因素下，本发明实施例中去噪算法如下：
噪声特征确定算法：
当(|Rn-Rn-1|)>K且(|Rn-Rn+1|)>K时，K为常数，经大量数据实验取3。
则判断Rn是否为噪声，当Rn为噪声时，对Rn进行修正的公式为：
步骤S112，对第一数据矩阵进行分割处理，得到第一矩阵块集。
图3示出了本发明实施例对第一数据矩阵进行分割处理和特征值提取的示意图。
如图3所示，本发明实施例中分割方法如下：
xn为已知的干扰小区的波形图像分割后的第n个矩阵块；
例如，图3中第45个矩阵块为：
同理yn为待检测小区的波形图像分割后的第n个矩阵块。
在该实施例中，本发明实施例的分割方法主要结合数字图像识别分割原理和n和R在干扰的波形图像中更容易被识别出来的优势，可以直接对矩阵块进行分割。
在一实施例中，第二矩阵块集是通过对第二数据矩阵进行分割处理得到的矩阵块集，第二数据矩阵是由第二图像库中每种类型的波形图像经过二值化处理得到的矩阵。
在该实施例中，对每种类型的第二数据矩阵进行分割处理，该分割处理与步骤S112的分割处理是相同的。对第二图像库中每种类型的波形图像进行二值化处理，该二值化处理与步骤S111的二值化处理是相同的。
在本发明实施例中，通过将已知干扰原因的历史的干扰小区的波形图像和待检测干扰小区的波形图像进行二值化、去噪、分割、特征值提取等图像处理，再经过图像识别最小距离法，得出与待检测波形图像匹配度最高的波形图像，则说明造成该匹配度最高的波形图像的干扰源和干扰原因与是造成待检测干扰小区产生波形图像的干扰源和干扰原因相同的，从而确定待检测干扰小区的干扰源和干扰原因。该波形图像处理方法是利用了大量已知干扰小区的干扰源和干扰原因推测待检测干扰小区的干扰源和干扰原因，因此提升了后台分析识别干扰的能力，降低了现场排查干扰的工作量。
在一实施例中，步骤130中匹配结果，包括：第一矩阵块集中d小于预设距离阈值的矩阵块的数目大于预设数目阈值M。
在该实施例中，根据图像识别最小距离法原理进行匹配的，该匹配的图像识别最小距离法如下：
d＝Y(Rn)-X(Rn) (5)
公式(5)中，Y(Rn)为已知干扰小区第n个矩阵块的向量偏移均值；
X(Rn)为待检测干扰小区第n个矩阵块的向量偏移均值。
当|d|<3时，则认为已知干扰小区的第n个矩阵块与待检测干扰小区的第n个矩阵块相似，进行匹配识别；
当计算完所有的矩阵块后，小于预设距离阈值的矩阵块总数>80，且80为所有匹配结果中的最大值，则判定该波形图像匹配成功。
本发明实施例中的波形图像处理方法，不限于LTE网络，其他有类似波形图像的网络干扰均可使用。
通过本发明实施例中的方法，充分利用历史已知的干扰小区的干扰原因、干扰源等；通过图像识别算法可以识别出新的干扰小区；从而节约人员成本，有效地减少了人工分析干扰波形的工作量，同时也提高了分析干扰工作的效率，并直接利用已知的识别结果推送合理的处理方案对待干扰小区进行处理。
下面结合附图，详细介绍根据本发明实施例的识别处理器。
图4示出了本发明实施例提供的识别处理器的结构示意图。
如图4所示，该识别处理器400包括：
计算模块410，用于计算第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，第一矩阵块集是通过对第一图像进行图像处理得到的矩阵块集，第一图像为待检测干扰小区的波形图像，波形图像为在预定时间内，干扰小区受到干扰源干扰产生的图像；第二矩阵块集是由已知类型的波形图像经过图像处理得到的矩阵块集。
匹配模块420，用于确定第二矩阵块集中的所有矩阵块与第一矩阵块集中的所有矩阵块的匹配结果；以及还用于基于匹配结果，确定与第一图像所匹配类型的波形图像。
在一实施例中，第二矩阵块集是通过对第二图像库中每种类型的波形图像进行图像处理得到的矩阵块集，第二图像库是由历史的干扰小区的波形图像构成的数据库。
在一实施例中，匹配结果，包括：第一矩阵块集中d小于预设距离阈值的矩阵块的数目大于预设数目阈值M。
本发明实施例中的识别处理器通过将已知干扰原因的历史的干扰小区的波形图像和待检测干扰小区的波形图像进行二值化、去噪、分割、特征值提取等图像处理，再经过图像识别最小距离法，得出与待检测波形图像匹配度最高的波形图像，则说明造成该匹配度最高的波形图像的干扰源和干扰原因与是造成待检测干扰小区产生波形图像的干扰源和干扰原因相同的，从而确定待检测干扰小区的干扰源和干扰原因。该波形图像处理方法是利用了大量已知干扰小区的干扰源和干扰原因推测待检测干扰小区的干扰源和干扰原因，因此提升了后台分析识别干扰的能力，降低了现场排查干扰的工作量。
根据本发明实施例的识别处理器400的其他细节与以上结合图1至图3描述的根据本发明实施例的方法类似，在此不再赘述。
图5示出了本发明实施例提供的波形图像处理系统的结构示意图。如图5所示，该波形图像处理系统500包括：图像处理器510和上述的识别处理器400。
图像处理器510，用于对第一图像进行图像处理，得到第一矩阵块集，第一图像为待检测干扰小区的波形图像，波形图像为在预定时间内，干扰小区受到干扰源干扰产生的图像。
本发明实施例中的波形图像处理系统，通过将已知干扰原因的历史的干扰小区的波形图像和待检测干扰小区的波形图像进行二值化、去噪、分割、特征值提取等图像处理，再经过图像识别最小距离法，得出与待检测波形图像匹配度最高的波形图像，则说明造成该匹配度最高的波形图像的干扰源和干扰原因与是造成待检测干扰小区产生波形图像的干扰源和干扰原因相同的，从而确定待检测干扰小区的干扰源和干扰原因。该波形图像处理方法利用了大量已知干扰小区的干扰源和干扰原因，提升了后台分析识别干扰的能力，降低了现场排查干扰的工作量。该波形图像处理方法是利用了大量已知干扰小区的干扰源和干扰原因推测待检测干扰小区的干扰源和干扰原因，因此提升了后台分析识别干扰的能力，降低了现场排查干扰的工作量。
根据本发明实施例的波形图像处理系统500的其他细节与以上结合图1至图2描述的根据本发明实施例的方法类似，在此不再赘述。
结合图1至图4描述的根据本发明实施例的波形图像处理方法、识别处理器可以由计算设备实现。图6示出了能够实现根据本发明实施例的波形图像处理方法和识别处理器的计算设备的示例性硬件架构的结构图。
如图6所示，计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与计算设备600的其他组件连接。具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606；输出设备606将输出信息输出到计算设备600的外部供用户使用。
也就是说，图6所示的计算设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图4描述的波形图像处理方法和识别处理器。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (13)

1.一种波形图像处理方法，其特征在于，所述处理方法包括：
对第一图像进行图像处理，得到第一矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内所述干扰小区受到干扰源干扰产生的图像；
计算所述第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，所述第二矩阵块集是由已知类型的波形图像经过所述图像处理得到的矩阵块集；
确定所述第二矩阵块集中的所有矩阵块与所述第一矩阵块集中的所有矩阵块的匹配结果；
基于匹配结果，确定与所述第一图像所匹配类型的波形图像。
2.根据权利要求1所述的处理方法，其特征在于，所述第二矩阵块集是通过对第二图像库中每种类型的波形图像进行所述图像处理得到的矩阵块集，所述第二图像库是由历史的干扰小区的波形图像构成的数据库。
3.根据权利要求2所述的处理方法，其特征在于，所述第二图像库包括至少一个干扰小区的类型的波形图像。
4.根据权利要求1所述的处理方法，其特征在于，在所述基于匹配结果，确定与所述第一图像所匹配类型的波形图像之后，还包括：
根据所述所匹配类型，确定与所述第一图像所对应的所述干扰原因、所述干扰源、所述排查步骤和/或所述解决措施。
5.根据权利要求1-4任一所述的处理方法，其特征在于，所述对所述第一图像进行图像处理，得到第一矩阵块集，包括：
对所述第一图像进行二值化处理，得到第一数据矩阵；
对所述第一数据矩阵进行分割处理，得到所述第一矩阵块集。
6.根据权利要求2-4任一所述的处理方法，其特征在于，所述第二矩阵块集是通过对第二数据矩阵进行分割处理得到的矩阵块集，所述第二数据矩阵是由所述第二图像库中每种类型的波形图像经过二值化处理得到的矩阵。
7.根据权利要求1-4任一所述的处理方法，其特征在于，所述匹配结果，包括：
所述第一矩阵块集中d小于预设距离阈值的矩阵块的数目大于预设数目阈值M。
8.一种识别处理器，其特征在于，所述识别处理器包括：
计算模块，用于计算第一矩阵块集中的每个矩阵块与第二矩阵块集中的每个矩阵块的最小距离d，所述第一矩阵块集是通过对第一图像进行图像处理得到的矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内所述干扰小区受到干扰源干扰产生的图像；所述第二矩阵块集是由已知类型的波形图像经过所述图像处理得到的矩阵块集；
匹配模块，用于确定所述第二矩阵块集中的所有矩阵块与所述第一矩阵块集中的所有矩阵块的匹配结果；以及还用于基于匹配结果，确定与所述第一图像所匹配类型的波形图像。
9.根据权利要求8所述的识别处理器，其特征在于，所述第二矩阵块集是通过对第二图像库中每种类型的波形图像进行所述图像处理得到的矩阵块集，所述第二图像库是由历史的干扰小区的波形图像构成的数据库。
10.根据权利要求8所述的识别处理器，其特征在于，所述匹配结果，包括：
所述第一矩阵块集中d小于预设距离阈值的矩阵块的数目大于预设数目阈值M。
11.一种波形图像处理系统，其特征在于，所述图像处理系统包括：图像处理器和如权利要求8-10任一所述的识别处理器；
所述图像处理器，用于对第一图像进行图像处理，得到第一矩阵块集，所述第一图像为待检测干扰小区的波形图像，所述波形图像为在预定时间内所述干扰小区受到干扰源干扰产生的图像。
12.一种终端设备，其特征在于，包括：
存储器、处理器、通信接口和总线；
所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信；
所述存储器用于存储程序代码；
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1至7任一项所述的波形图像处理方法。
13.一种计算机存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使所述计算机执行根据权利要求1至7任一项所述的波形图像处理方法。
CN201810426998.XA 2018-05-07 2018-05-07 波形图像处理方法、识别处理器、系统、设备和介质 Pending CN110460399A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810426998.XA CN110460399A (zh) 2018-05-07 2018-05-07 波形图像处理方法、识别处理器、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810426998.XA CN110460399A (zh) 2018-05-07 2018-05-07 波形图像处理方法、识别处理器、系统、设备和介质

Publications (1)

Publication Number Publication Date
CN110460399A true CN110460399A (zh) 2019-11-15

Family

ID=68472122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810426998.XA Pending CN110460399A (zh) 2018-05-07 2018-05-07 波形图像处理方法、识别处理器、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN110460399A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114980177A (zh) * 2022-06-02 2022-08-30 中国联合网络通信集团有限公司 一种上行干扰的分析方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090068953A1 (en) * 2004-04-12 2009-03-12 The Directv Group, Inc. Methods and apparatuses for minimizing co-channel interference
CN103679681A (zh) * 2012-09-06 2014-03-26 亿阳信通股份有限公司 一种无线网络干扰的分析方法及装置
CN106788587A (zh) * 2015-11-16 2017-05-31 亿阳信通股份有限公司 一种干扰类型的确定方法及装置
CN107135037A (zh) * 2017-05-23 2017-09-05 广东欧珀移动通信有限公司 射频干扰处理方法、装置、计算机可读存储介质及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090068953A1 (en) * 2004-04-12 2009-03-12 The Directv Group, Inc. Methods and apparatuses for minimizing co-channel interference
CN103679681A (zh) * 2012-09-06 2014-03-26 亿阳信通股份有限公司 一种无线网络干扰的分析方法及装置
CN106788587A (zh) * 2015-11-16 2017-05-31 亿阳信通股份有限公司 一种干扰类型的确定方法及装置
CN107135037A (zh) * 2017-05-23 2017-09-05 广东欧珀移动通信有限公司 射频干扰处理方法、装置、计算机可读存储介质及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114980177A (zh) * 2022-06-02 2022-08-30 中国联合网络通信集团有限公司 一种上行干扰的分析方法、装置及设备
CN114980177B (zh) * 2022-06-02 2024-05-14 中国联合网络通信集团有限公司 一种上行干扰的分析方法、装置及设备

Similar Documents

Publication Publication Date Title
US10796244B2 (en) Method and apparatus for labeling training samples
CN109741517A (zh) 一种发票查验方法、装置和系统
Basseur et al. Indicator-based multi-objective local search
CN108764319A (zh) 一种样本分类方法和装置
CN105989333A (zh) 指纹认证方法、系统及支持指纹认证功能的终端
CN113240226A (zh) 一种卫星地面站间的资源分配方法及装置
CN111260220B (zh) 群控设备识别方法、装置、电子设备和存储介质
CN108271176A (zh) 确定基站小区质差根因的方法和系统
CN110428139A (zh) 基于标签传播的信息预测方法及装置
CN108959236A (zh) 医学文献分类模型训练方法、医学文献分类方法及其装置
Yu et al. Boosted dynamic neural networks
CN110460399A (zh) 波形图像处理方法、识别处理器、系统、设备和介质
CN117592905A (zh) 一种数据生成方法、装置、设备及存储介质
Ying et al. FrauDetector+ An Incremental Graph-Mining Approach for Efficient Fraudulent Phone Call Detection
CN113472860A (zh) 大数据和数字化环境下的业务资源分配方法及服务器
Ahuja et al. Feature selection using multi-objective genetic algorith m: A hybrid approach
CN114186831B (zh) 一种应用迁移学习进行个人信用风险预测方法及系统
CN111723122A (zh) 数据间关联规则的确定方法、装置、设备及可读存储介质
CN110222286A (zh) 信息获取方法、装置、终端和计算机可读存储介质
CN115982426A (zh) 一种基于改进MinHash算法的检索方法、装置、存储介质及终端
CN112561412B (zh) 目标对象标识的确定方法、装置、服务器及存储介质
CN110362603B (zh) 一种特征冗余性分析方法、特征选择方法和相关装置
CN107292646A (zh) 一种生成业务的方法和装置
CN112948583A (zh) 数据的分类方法及装置、存储介质、电子装置
CN111859917A (zh) 主题模型构建方法、设备及计算机可读存储介质

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

Application publication date: 20191115