CN110929689B - 一种基于电磁信号分析的核辐射损伤分级系统、方法 - Google Patents
一种基于电磁信号分析的核辐射损伤分级系统、方法 Download PDFInfo
- Publication number
- CN110929689B CN110929689B CN201911262254.XA CN201911262254A CN110929689B CN 110929689 B CN110929689 B CN 110929689B CN 201911262254 A CN201911262254 A CN 201911262254A CN 110929689 B CN110929689 B CN 110929689B
- Authority
- CN
- China
- Prior art keywords
- frequency
- processing system
- low
- magnetic field
- electric field
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明提出一种基于电磁信号分析的实验动物核辐射损伤分级系统、方法。该系统包含,训练服务器、分级服务器、用户设备、低频磁场处理系统、高频电场处理系统、视频监控单元,其之间通过网络连接并进行信息交互;该低频磁场处理系统及高频电场处理系统的收/发天线分别置于吸波暗室内以构成测试环境,测试时被测物体低频磁场发送天线和接收天线之间或高频电场发送天线和接收天线之间。该方法中基于低频磁场处理系统的分级概率分布数据和基于高频电场处理系统的分级概率分布数据加权处理,得到加权综合分级结果并返回给用户设备显示,为下一步的诊断提供基础信息。
Description
技术领域
本发明涉及检测技术领域,具体涉及一种基于电磁信号分析的核辐射损伤分级系统、方法。
背景技术
生物体由诸如皮肤、肌肉、脂肪、血液等多种组织和器官组成,是一种多种介质构成的复杂介质,通常情况下为弱导电介质,可以采用复介电常数表示其电磁特性。复介电常数如公式(1)所示:
简化生物体模型为图1所示,图1描述了一束电磁波入射到生物体时电磁波经过生物体组织的传输链路。生物体模型的组织发生变化时,在入射电磁波不变的情况下,接收到的电磁信号将发生变化。当生物体被核辐射后,损伤程度不同时其组织的复介电常数变化也不同,以图1所示的模型分析在给定的入射电磁信号激励下,接收端接收到的信号将存在差异。
发明内容
基于上述问题,本发明的目的旨在通过深度学习找出生物体核辐射损伤分级情况下链路通信的明显特征,从来利用其实现核辐射损伤分级检测功能。由此提出一种基于电磁信号分析的核辐射损伤分级系统、方法。
为实现上述目的,本发明采用如下技术方案:
一种基于电磁信号分析的核辐射损伤评估系统,其特征在于:训练服务器、分级服务器、用户设备、低频磁场处理系统、高频电场处理系统、视频监控单元,其之间通过网络连接并进行信息交互;
所述低频磁场处理系统及高频电场处理系统的收/发天线分别置于吸波暗室内以构成测试环境,测试时被测物体低频磁场发送天线和接收天线之间或高频电场发送天线和接收天线之间。
优选的,该低频磁场的发送天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号发生设备相连,所述低频磁场的接收天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号接收设备相连。
优选的,该基于电磁信号分析的核辐射损伤评估系统,其特征在于:包含重力传感器,通过重力传感器以获取被测生物是否正确放好预定场所。
优选的,该高频电场的发送天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号发生设备相连,所述高频电场接收天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号接收设备相连。
本申请实施例提供一种基于电磁信号分析的核辐射损伤评估方法,其特征在于:包含上述的评估系统,所述方法包含:
基于低频磁场信号处理系统的训练方法和/或基于高频电场信号处理系统的训练方法。
优选的,该基于电磁信号分析的核辐射损伤评估方法,其特征在于:低频磁场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S1,低频扫频处理,
11)配置低频磁场信号发生设备,发生指定频率和幅度的低频磁场信号
12)通过低频磁场信号采集设备采集当前工作频率的低频磁场信号
13)按扫频方式以预设的步长增加生成新的工作频率,
如果工作频率未超出设定的最高频率范围,
重新从11)开始工作;直至工作频率超出设定的最高频率范围,训练数据采集结束;该步长视情况而定可由用户设定,如用户依据该系统的参考表设定的步长,
S2,训练样本存储,即采用预定的命名规则将采集的成组数据存储于文件中构成新的训练数据文件;
S3,建立训练样本数据库,即通过网路将训练数据文件发送给训练服务器,训练服务器接收到训练数据文件后将根据文件名信息将训练数据存入对应的核辐射损伤等级训练数据库并向低频磁场处理系统发送确认信息,
S4,低频采样完成,即低频磁场处理系统接收到确认信息后通知用户设备当前训练数据采集工作完成。
优选的,该高频电场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S21,高频扫频处理,即
1)配置高频电场信号发生设备,发生指定频率和幅度的高频电场信号
2)通过高频电场信号采集设备采集当前工作频率的高频电场信号
3)按扫频方式以预设的步长增加生成新的工作频率,如果工作频率未超出设定的最高频率范围,重新从1)开始工作;如果工作频率超出范围,训练数据采集结束;该预设的步长,为用户设定(如用户依据该系统的参考表设定的步长),
S22,训练样本存储,及采用预定的命名规则命名文件并将采集的成组数据存储于文件中构成新的训练数据文件,
S23,建立训练样本数据库,即通过网路将训练数据文件发送给训练服务器。训练服务器接收到训练数据文件后将根据文件名信息将该训练数据存入对应的核辐射损伤等级训练数据库,并向高频电场处理系统发送确认信息;
S24,高频采样完成,高频电场系统接收到确认信息后,通知用户设备当前训练数据采集工作完成。
优选的,该基于电磁信号分析的核辐射损伤评估方法,其特征在于:
用户将待测生物置于低频磁场处理系统的预设位置,启动基于低频磁场处理系统的核辐射损伤分级识别方法,分析服务器将返回给用户设备基于低频磁场处理系统的分级概率分布数据;
用户将待测生物置于高频电场处理系统的预设位置,启动基于高频电场处理系统的核辐射损伤分级识别方法,分析服务器将返回给用户设备基于高频电场处理系统的分级概率分布数据;
分级服务器将基于低频磁场处理系统的分级概率分布数据和基于高频电场处理系统的分级概率分布数据加权处理,得到加权综合分级结果并返回给用户设备显示。
有益效果
相对于现有技术中的方案,本发明实施方式的优点:
本发明实施例的通过低频磁场信号和/或高频电场信号找出生物体核辐射损伤分级情况下的明显特征,从而实现快速的识别出核辐射损伤,为后续诊断提供依据。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图:
图1为电磁信号穿过生物体组织的示意图;
图2为本发明实施例基于电磁信号分析的核辐射损伤分级系统示意图;
图3为本发明实施例的基于低频磁场信号处理系统的核辐射损伤分级训练流程示意图;
图4为本发明实施例的基于高频电场信号处理系统的核辐射损伤分级训练流程示意图;
图5为本发明实施例的基于电磁信号分析的辐射损伤分级识别方法。
具体实施方式
以下结合具体实施例对上述方案做进一步说明。应理解,这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以如具体厂家的条件做进一步调整,未注明的实施条件通常为常规实验中的条件。
本发明提出一种基于电磁信号分析的核辐射损伤分级系统。其通过将生物置于低频磁场信号场和/或高频电场信号场找出生物体核辐射损伤分级情况下的明显特征,从而实现快速的识别出核辐射损伤,为后续诊断提供依据。
接下来结合图2-图5来详细的描述本发明提出的核辐射损伤分级系统、方法。
如图2所示为本发明的实施例的基于电磁信号分析的生物(如,实验动物)核辐射损伤分级系统结构示意图,其包含,
训练服务器、分级服务器、用户设备、低频磁场处理系统、高频电场处理系统、视频监控单元,其之间通过网络通信进行信息交互。本实施方式中为屏蔽外部电磁信号干扰和模拟自由空间,
低频磁场处理系统和高频电场处理系统的收/发天线分别置于吸波暗室内以构成(分级)测试环境,
测试时被测物体(如实验动物)安置于吸波暗室内的低频磁场发送天线和接收天线之间,或安置于吸波暗室内的高频电场发送天线和接收天线之间。较佳的,该低频磁场发送天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号发生设备相连,低频磁场接收天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号接收设备相连。较佳的,高频电场发送天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号发生设备相连,高频电场接收天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号接收设备相连。
该低频磁场处理系统通过网络(如,局域网)与训练服务器、分级服务器、用户设备相连接并进行通信,用以接收用户设备的控制指令并根据该命令控制低频磁场信号发生设备产生低频磁场信号。低频磁场发生设备通过同轴电缆接入到吸波暗室内部的磁场发射天线以实现发射低频磁场信号,磁场接收天线接收该低频磁场信号并通过同轴电缆输送给低频磁场信号接收设备进而由低频磁场处理系统将采集的低频磁场信号信息进行数字化处理。
当辐射损伤分级系统工作在训练模式时,低频磁场处理系统将数字化的低频磁场信息传输至训练服务器,以构成相应的训练数据库;
当辐射损伤分级系统工作在识别模式时,低频磁场处理系统将数字化的低频磁场信息发送到分级服务器由分级服务器进行分级识别。
该高频电场处理系统通过网络(如,局域网)与训练服务器、分级服务器和用户设备相连接并进行通信,用以接收用户设备的控制指令并根据该命令控制高频电场信号发生设备产生高频电场信号。高频电场发生设备通过同轴电缆接入到吸波暗室内部的发射天线,发射高频电场信号,接收天线以接收该高频电场信号并通过同轴电缆输送给高频电场信号接收设备,进而由高频电场处理系统将采集的高频电场信号信息进行数字化处理。
当辐射损伤分级系统工作在训练模式时,高频电场处理系统将数字化的高频电场信息传输至训练服务器,以构成相应的训练数据库;当辐射损伤分级系统工作在识别模式时,高频电场处理系统将数字化的高频电场信息发送到分级服务器由分级服务器进行分级识别。
该用户设备可为计算机、智能设备、平板电脑中的一种其通过网络(如局域网)接入系统。经授权的授权用户利用设备上的专用软件启用基于电磁信号分析的和核辐射分级应用软件,选择进入训练工作模式和识别工作模式。
该训练服务器存储通过低频磁场处理系统及高频电场处理系统采集的训练数据,并可以基于深度学习方法利用这些训练数据进行训练,训练成功后得到低频磁场处理系统及高频电场处理系统的分级模型存储于分析服务器。
该分析服务器存储训练服务器训练成功后所得的低频磁场处理系统及高频电场处理系统的分级模型,并可以接收低频磁场处理系统、高频电场处理系统采集的分析数据,并利用该数据进行基于深度学习训练得到的分级模型进行生物(如,实验动物)核辐射损伤分级识别。较佳的,该分级识别结果反馈至发起的用户设备。
该视频监控单元,其包含配置于吸波暗室内的数字摄像头构成,用户设备可以通过获取视频监控单元采集的视频进而确定是否已将生物(如,实验动物)置于低频磁场处理系统或高频电场处理系统的预定位置(如收/发天线之间的生物放置处)。
接下来描述上述的系统的损伤分级方法,其基于深度学习训练成功后分别建立低频磁场处理系统及高频电场处理系统的生物核辐射损伤分级模型从而利用该分级模型进行基于深度学习的分级分析,其包括训练阶段、识别阶段程。依据电磁信号的不同,该方法包括基于低频磁场信号处理系统的训练方法(如图3所示)及基于高频电场信号处理系统的训练方法两类训练方法(如图4所示)。
如图3所示为基于电磁信号分析的核辐射损伤分级方法,用户在用户设备上利用软件选择训练功能,若选择基于低频磁场处理的训练功能时,将用于训练的已知其等级的待测生物(实验动物,已知核辐射损伤等级)置于低频磁场处理系统的收/发天线之间的预设位置。用户在实验动物放置到指定位置后,需要根据放置的被测生物设定要训练的核辐射损伤等级(0~N),然后发送采集命令给低频磁场处理系统。在一实施方式中,其包含重力传感器,通过重力传感器以获取正确放好实验动物的信息并反馈至低频磁场处理系统。
接下来描述其训练过程,该低频磁场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S1,低频扫频处理,其包含:
11)配置低频磁场信号发生设备,发生指定频率和幅度的低频磁场信号
12)通过低频磁场信号采集设备采集当前工作频率的低频磁场信号
13)按扫频方式以固定的步长增加生成新的工作频率,如果工作频率未超出设定的最高频率范围,重新从11)开始工作;直至工作频率超出范围,训练数据采集结束。
S2,训练样本存储,即采用预定的命名规则(如采用“当前时间+核辐射损伤等级”)的命名方法命名文件并将采集的成组数据存储于文件中构成新的训练数据文件。
S3,建立样本数据库,即通过网路将训练数据文件发送给训练服务器。训练服务器接收到训练数据文件后将根据文件名信息将该训练数据存入对应的核辐射损伤等级训练数据库,并向低频磁场处理系统发送确认信息。低频磁场处理系统接收到确认信息后,通知用户设备当前训练数据采集工作完成。在一实施方式中,用户可以循环执行图3中的虚线方框内的流程完成大量训练数据的采集工作。
当用户通过用户设备发起训练请求时,通过网络发送训练命令给训练服务器。训练服务器接收到训练命令后,将启动深度学习的训练过程利用收集的训练数据文件进行深度学习训练,训练成功后生成新的分级模型,然后发送训练结束消息给用户设备,通知用户已经完成基于低频磁场信号分析的实验动物核辐射损伤分级训练。
如图4所示为基于高频电场信号处理系统的实验动物核辐射损伤分级训练方法。用户在用户设备上利用软件选择训练功能,如果选择的是基于高频电场处理的训练功能时,需要将用于训练的实验动物(已知核辐射损伤等级)置于高频电场处理系统的收发天线之间的实验动物放置位置。用户在实验动物放置到指定位置后,需要根据放置的实验动物设定要训练的核辐射损伤等级(0~N),然后发送采集命令给高频电场处理系统。在一实施方式中,该系统包含重力传感器,其用以确认待检测的被测生物是否放置于预设的位置,若判定已放置于预设位置则发回给高频电场处理系统,高频电场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S21,高频扫频过程,其包含:
1)配置高频电场信号发生设备,发生指定频率和幅度的高频电场信号
2)通过高频电场信号采集设备采集当前工作频率的高频电场信号
3)按扫频方式以固定的步长增加生成新的工作频率,如果工作频率未超出设定的最高频率范围,重新从1)开始工作;如果工作频率超出范围,训练数据采集结束。系统支持的高频电场频率达到微波波段。
S22,训练样本存储,及采用预定(如“当前时间+核辐射损伤等级”)的命名规则方法命名文件并将采集的成组数据存储于文件中构成新的训练数据文件。
S23,建立样本数据库,即通过网路将训练数据文件发送给训练服务器。训练服务器接收到训练数据文件后将根据文件名信息将该训练数据存入对应的核辐射损伤等级训练数据库,并向高频电场处理系统发送确认信息。高频电场系统接收到确认信息后,通知用户设备当前训练数据采集工作完成。在一实施方式中,用户可以循环执行图4中外围大的虚线方框内的流程完成大量训练数据的采集工作。
当用户通过用户设备发起训练请求时,通过网络发送训练命令给训练服务器。训练服务器接收到训练命令后,将启动深度学习的训练过程利用收集的训练数据文件进行深度学习训练,训练成功后生成新的分级模型,然后发送训练结束消息给用户设备,通知用户已经完成基于高频电场信号分析的实验动物核辐射损伤分级训练。
如图5所示为本发明实施例的基于电磁信号分析的生物核辐射损伤分级识别方法的流程示意图,该方法中,用户可以选择基于低频磁场处理系统的生物核辐射损伤分级识别方法和/或基于高频电场处理系统的生物核辐射损伤分级识别方法进行识别。
当用户选择基于低频磁场处理系统的实验动物核辐射损伤分级识别功能时,首先应将待测的实验动物置于低频磁场处理系统的发射与接收天线之间的实验动物放置位置,然后发送采集命令给低频磁场处理系统。低频磁场处理系统接收到采集命令后,采用扫频方式完成以下操作:
1)配置低频磁场信号发生设备,发生指定频率和幅度的低频磁场信号
2)通过低频磁场信号采集设备采集当前工作频率的低频磁场信号
3)按扫频方式以固定的步长增加生成新的工作频率,如果工作频率未超出设定的最高频率范围,重新从1)开始工作;如果工作频率超出范围,训练数据采集结束。
然后将采集的成组数据存储于数据文件并通过网路发送给分级服务器。分级服务器接收到数据文件,调用训练成功后得到的分级模型进行基于深度学习的识别过程,并向用户设备发送分级结果。
当用户设备选择基于综合电磁信号分析的实验动物辐射损伤分级识别功能时,
用户将待测生物(如,受辐射的动物)置于低频磁场处理系统的发射与接收天线之间的实验动物放置位置,然后启动基于低频磁场处理系统的实验动物核辐射损伤分级识别方法,分析服务器将返回给用户设备基于低频磁场处理系统的分级概率分布数据;
用户将待测生物(如,受辐射的动物)置于高频电场处理系统的发射与接收天线之间的实验动物放置位置,然后启动基于高频电场处理系统的实验动物核辐射损伤分级识别方法,分析服务器将返回给用户设备基于高频电场处理系统的分级概率分布数据;
分级服务器将基于低频磁场处理系统的分级概率分布数据和基于高频电场处理系统的分级概率分布数据加权处理,得到加权综合分级结果并返回给用户设备显示。用户依据其设备显示的结果进行下一步的操作。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡如本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于电磁信号分析的核辐射损伤评估系统,其特征在于:
训练服务器、分级服务器、用户设备、低频磁场处理系统、高频电场处理系统、视频监控单元,其之间通过网络连接并进行信息交互;
所述低频磁场处理系统及高频电场处理系统的收/发天线分别置于吸波暗室内以构成测试环境,
测试时被测物体低频磁场发送天线和接收天线之间或高频电场发送天线和接收天线之间,
低频磁场处理系统,用以接收用户设备的控制指令并根据该控制指令控制低频磁场信号发生设备产生低频磁场信号,
高频电场处理系统,用以接收用户设备的控制指令并根据该控制指令控制高频电场信号发生设备产生高频电场信号,
分级服务器存储训练服务器训练成功后所得的低频磁场处理系统及高频电场处理系统的分级模型,并接收低频磁场处理系统、高频电场处理系统采集的分析数据,并利用该数据进行基于深度学习训练得到的分级模型进行生物核辐射损伤分级识别,找出生物体核辐射损伤分级情况下的明显特征。
2.如权利要求1所述的基于电磁信号分析的核辐射损伤评估系统,其特征在于:
所述低频磁场的发送天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号发生设备相连,
所述低频磁场的接收天线通过同轴电缆与吸波暗室外的低频磁场处理系统的低频磁场信号接收设备相连。
3.如权利要求2所述的基于电磁信号分析的核辐射损伤评估系统,其特征在于:
包含重力传感器,通过重力传感器以获取被测生物是否正确放好预定场所。
4.如权利要求1所述的基于电磁信号分析的核辐射损伤评估系统,其特征在于:
所述高频电场的发送天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号发生设备相连,
所述高频电场接收天线通过同轴电缆与吸波暗室外的高频电场处理系统的高频电场信号接收设备相连。
5.一种基于电磁信号分析的核辐射损伤评估方法,其特征在于:包含权利要求1-4中任一项所述的评估系统,所述方法包含:
基于低频磁场信号处理系统的训练方法和/或基于高频电场信号处理系统的训练方法,将用于训练的已知其等级的待测生物置于低频磁场处理系统的收/发天线之间的预设位置,
若选择基于低频磁场处理的训练功能时,根据放置的被测生物设定要训练的核辐射损伤等级,然后发送采集命令给低频磁场处理系统,
若选择基于高频电场处理的训练功能时,根据放置的实验动物设定要训练的核辐射损伤等级,然后发送采集命令给高频电场处理系统,找出生物体核辐射损伤分级情况下的明显特征,
用户将待测生物置于低频磁场处理系统的预设位置,启动基于低频磁场处理系统的核辐射损伤分级识别,分析服务器将返回给用户设备基于低频磁场处理系统的分级概率分布数据;
用户将待测生物置于高频电场处理系统的预设位置,启动基于高频电场处理系统的核辐射损伤分级识别,分析服务器将返回给用户设备基于高频电场处理系统的分级概率分布数据;
分级服务器将基于低频磁场处理系统的分级概率分布数据和基于高频电场处理系统的分级概率分布数据加权处理,得到加权综合分级结果并返回给用户设备显示。
6.如权利要求5所述的基于电磁信号分析的核辐射损伤评估方法,其特征在于:低频磁场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S1,低频扫频处理,其包含
11)配置低频磁场信号发生设备,发生指定频率和幅度的低频磁场信号,
12)通过低频磁场信号采集设备采集当前工作频率的低频磁场信号,
13)按扫频方式以预设的步长增加生成新的工作频率,
如果工作频率未超出设定的最高频率范围,
重新从11)开始工作;直至工作频率超出设定的最高频率范围,训练数据采集结束;
S2,训练样本存储,即采用预定的命名规则将采集的成组数据存储于文件中构成新的训练数据文件;
S3,建立训练样本数据库,即通过网路将训练数据文件发送给训练服务器,训练服务器接收到训练数据文件后将根据文件名信息将训练数据存入对应的核辐射损伤等级训练数据库并向低频磁场处理系统发送确认信息,
S4,低频采样完成,即低频磁场处理系统接收到确认信息后通知用户设备当前训练数据采集工作完成。
7.如权利要求5所述的基于电磁信号分析的核辐射损伤评估方法,其特征在于:高频电场处理系统接收到采集命令后,采用扫频方式进行操作,其过程包含:
S21,高频扫频处理,其包含:
配置高频电场信号发生设备,发生指定频率和幅度的高频电场信号,
通过高频电场信号采集设备采集当前工作频率的高频电场信号,
按扫频方式以预设的步长增加生成新的工作频率,
如果工作频率未超出设定的最高频率范围,重新从1)开始工作;
如果工作频率超出范围,训练数据采集结束;
S22,训练样本存储,及采用预定的命名规则命名文件并将采集的成组数据存储于文件中构成新的训练数据文件,
S23,建立训练样本数据库,即通过网路将训练数据文件发送给训练服务器,训练服务器接收到训练数据文件后将根据文件名信息将训练数据存入对应的核辐射损伤等级训练数据库,并向高频电场处理系统发送确认信息;
S24,高频采样完成,高频电场系统接收到确认信息后通知用户设备当前训练数据采集工作完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262254.XA CN110929689B (zh) | 2019-12-10 | 2019-12-10 | 一种基于电磁信号分析的核辐射损伤分级系统、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262254.XA CN110929689B (zh) | 2019-12-10 | 2019-12-10 | 一种基于电磁信号分析的核辐射损伤分级系统、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929689A CN110929689A (zh) | 2020-03-27 |
CN110929689B true CN110929689B (zh) | 2023-05-26 |
Family
ID=69858783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911262254.XA Active CN110929689B (zh) | 2019-12-10 | 2019-12-10 | 一种基于电磁信号分析的核辐射损伤分级系统、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929689B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200701803A (en) * | 2005-06-29 | 2007-01-01 | Arima Communication Corp | System and method for automatically detecting radiation from handset |
WO2012092559A1 (en) * | 2010-12-30 | 2012-07-05 | University Of Cincinnati | Apparatuses and methods for neurological status evaluation using electromagnetic signals |
CN105511296B (zh) * | 2015-12-02 | 2018-09-21 | 南京长峰航天电子科技有限公司 | 内场辐射式复杂电磁环境构建方法及模拟系统 |
WO2018023929A1 (zh) * | 2016-08-01 | 2018-02-08 | 深圳市新益技术有限公司 | 一种天线综合测试系统 |
CN109191979A (zh) * | 2018-09-28 | 2019-01-11 | 天津天堰科技股份有限公司 | 核生化损伤模拟训练系统 |
CN110210739B (zh) * | 2019-05-22 | 2021-10-19 | 雷恩友力数据科技南京有限公司 | 一种基于人工智能的核辐射检测方法和系统 |
-
2019
- 2019-12-10 CN CN201911262254.XA patent/CN110929689B/zh active Active
Non-Patent Citations (1)
Title |
---|
Mechanical properties and electromagnetic radiation characteristics of concrete specimens after exposed to elevated temperatures;Li Dexing et al.;《Construction and Building Materials》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110929689A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110811691B (zh) | 自动识别测量项的方法、装置及一种超声成像设备 | |
CN104655714B (zh) | 基于宽频磁波反射通路参数辨识的检测与成像方法及装置 | |
US9205270B2 (en) | Method and apparatus for the diagnosis and prognosis of active implants in or attached to biological hosts or systems | |
CN111427031B (zh) | 一种基于雷达信号的身份及手势识别方法 | |
CN101542532B (zh) | 用于数据处理的方法、设备和计算机程序 | |
CN110325119A (zh) | 卵巢卵泡计数和大小确定 | |
CN107468250B (zh) | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 | |
CN109598708A (zh) | 一种超声内镜下识别和定位胰腺癌的系统及方法 | |
CN107209236A (zh) | 用于确定mr系统的性能退化的mr指纹识别 | |
KR20200060102A (ko) | 진단 영상을 생성하고, 디스플레이하는 자기 공명 영상 장치 및 그 동작 방법 | |
Edwards et al. | Machine-learning-enabled recovery of prior information from experimental breast microwave imaging data | |
CN110929689B (zh) | 一种基于电磁信号分析的核辐射损伤分级系统、方法 | |
CN111753660A (zh) | 一种基于太赫兹毫米波的人脸骨骼识别方法 | |
JP2000126178A (ja) | 立体表面形状定量化方法、及びこれを応用した悪性腫瘍自動識別方法 | |
CN108378852A (zh) | 定位扫描床位的方法及终端、扫描系统、计算机可读存储介质 | |
WO2022188237A1 (zh) | 射频能量沉积预测及射频能量沉积监测方法、装置、设备和介质 | |
EP3725233A1 (en) | Ultrasonic diagnosis apparatus and control method therefor | |
CN112998755A (zh) | 解剖结构的自动测量方法和超声成像系统 | |
US8971990B2 (en) | Systems and methods for nonlinear elastography | |
CN111696085B (zh) | 一种肺冲击伤伤情现场快速超声评估方法及设备 | |
CN104434102B (zh) | 用于测量hf激励脉冲的方法 | |
CN111599004B (zh) | 一种3d血管成像系统、方法及装置 | |
CN109223124A (zh) | 一种基于计算机骨科穿刺双引导控制系统 | |
KR20150009915A (ko) | 의료 영상 지식 서비스 제공 장치, 영상 처리 장치 및 방법 | |
CN112315449B (zh) | 磁共振成像方法、系统、电子装置和存储介质 |
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 |