CN111222435A - 一种实时信噪分离的处理方法、装置、设备及存储介质 - Google Patents

一种实时信噪分离的处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111222435A
CN111222435A CN201911398077.8A CN201911398077A CN111222435A CN 111222435 A CN111222435 A CN 111222435A CN 201911398077 A CN201911398077 A CN 201911398077A CN 111222435 A CN111222435 A CN 111222435A
Authority
CN
China
Prior art keywords
input signal
ideal waveform
determining
signal
sum
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
CN201911398077.8A
Other languages
English (en)
Inventor
胡婷婷
魏龙
帅磊
李道武
杨曜
魏存峰
章志明
王培林
周魏
丰宝桐
李晓辉
童腾
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.)
Institute of High Energy Physics of CAS
Original Assignee
Institute of High Energy Physics of CAS
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 Institute of High Energy Physics of CAS filed Critical Institute of High Energy Physics of CAS
Priority to CN201911398077.8A priority Critical patent/CN111222435A/zh
Publication of CN111222435A publication Critical patent/CN111222435A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

本申请公开了一种实时信噪分离的处理方法、装置、设备及存储介质，该方法包括：根据预设能量阈值，确定实时获取到的输入信号所属的能量段；从输入信号所属的能量段的理想波形模型中，选取输入信号对应的理想波形，确定输入信号与理想波形的平方差异和；如果平方差异和大于或等于比对阈值，输入信号为丢弃信号；如果平方差异和小于比对阈值，输入信号为保留信号。本实施例方法，对输入信号进行实时获取，提高了时效性，并且对获取到的输入信号实时处理，不需要全部输入计算机中才进行比对，降低了对带宽的要求。

Description

一种实时信噪分离的处理方法、装置、设备及存储介质
技术领域
本发明一般涉及核探测领域，具体涉及一种实时信噪分离的处理方法、装置、设备及存储介质。
背景技术
随着技术的发展，越来越多的会使用到核探测、核成像技术。
现有技术中，核探测和核成像中完成探测和成像功能时，通常通过计算机完成建模和比对的过程，需要将所有的波形完整地传输到计算机中进行比对，时效性较差，并且对于采集电路和计算机中的通讯带宽要求比较高。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种实时信噪分离的处理方法、装置、设备及存储介质。
第一方面，本申请提供了一种实时信噪分离的处理方法，包括：
根据预设能量阈值，确定实时获取到的输入信号所属的能量段；
从输入信号所属的能量段的理想波形模型中，选取输入信号对应的理想波形，确定输入信号与理想波形的平方差异和；
如果平方差异和大于或等于比对阈值，输入信号为丢弃信号；
如果平方差异和小于比对阈值，输入信号为保留信号。
在其中一个实施例中，根据预设能量阈值，确定实时获取到的输入信号所属的能量段，之前还包括：
获取各个能量段各自对应的理想波形模型。
在其中一个实施例中，根据预设能量阈值，确定实时获取到的输入信号所属的能量段，之前还包括：
获取比对阈值表，比对阈值表包括至少一个比对阈值。
在其中一个实施例中，确定输入信号与理想波形的平方差异和，包括：
建立输入信号及输入信号对应的理想波形、幅度归一化系数的平方差异和方程；
根据平方差异和方程，确定输入信号的幅度归一化系数；
根据输入信号、输入信号的幅度归一化系数、及输入信号对应的理想波形，确定输入信号与理想波形的平方差异和。
第二方面，本申请实施例提供了一种实时信噪分离的处理装置，包括：
第一确定模块，用于根据预设能量阈值，确定实时获取到的输入信号所属的能量段；
第二确定模块，用于从输入信号所属的能量段的理想波形模型中，选取输入信号对应的理想波形，确定输入信号与理想波形的平方差异和；
判断模块，如果平方差异和大于或等于比对阈值，输入信号为丢弃信号；
如果平方差异和小于比对阈值，输入信号为保留信号。
在其中一个实施例中，装置还包括：第一获取模块，用于获取各个能量段各自对应的理想波形模型。
在其中一个实施例中，装置还包括：第二获取模块，用于获取比对阈值表，比对阈值表包括至少一个比对阈值。
在其中一个实施例中，第二确定模块还用于：
建立输入信号及输入信号对应的理想波形、幅度归一化系数的平方差异和方程；
根据平方差异和方程，确定输入信号的幅度归一化系数；
根据输入信号、输入信号的幅度归一化系数、及输入信号对应的理想波形，确定输入信号与理想波形的平方差异和。
第三方面，本申请实施例提供一种终端设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序，该处理器执行该程序时实现如第一方面的方法。
第四方面，本申请实施例提供一种存储介质，其上存储有程序，程序被处理器执行时实现如第一方面的方法。
本申请实施例，实时获取输入信号，然后选取输入信号所属能量段的理想波形模型中的理想波形，并确定输入信号与理想波形的平方差异和，根据平方差异和与比对阈值，判断输入信号是丢弃信号还是保留信号。该实施例中，对输入信号进行实时获取，提高了时效性，并且对获取到的输入信号实时处理，不需要全部输入计算机中才进行比对，降低了对带宽的要求。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明的实施例提供的实时信噪分离的处理方法的流程示意图；
图2为本发明的实施例的提供的实时信噪分离的处理装置的结构示意图；
图3为本发明的实施例的提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
现有技术中，核探测和核成像中完成探测和成像功能时，通常通过计算机完成建模和比对的过程，需要将所有的波形完整地传输到计算机中进行比对，时效性较差，并且对于采集电路和计算机中的通讯带宽要求比较高。
本申请实施例希望提出一种实时信噪分离的处理方法，可以降低对数据传输带宽的要求，并且可以实时完成信噪分离。
本申请实施例的实时信噪分离的处理方法可以基于FPGA(Field ProgrammableGate Array，现场可编程门阵列)来实现，也可以基于其它芯片实现。FPGA的高速流水线可以并行处理数据，效率高，响应快。
在本申请实施例实时信噪分离的处理方法之前，还可以建立理想波形模型。理想波形模型可以根据采样波形建立，用于信噪分离。采样波形可以是选取的理想波形，理想波形可以为在理想的探测环境下，低计数率条件下，固定探测器的晶体和放大成形电路，输出的信号达峰时间T1，输出的信号衰减时间T2，以及幅度阈值下限A1，幅度阈值上限A2，所有的参数差异在10％之内的采样信号。其中，信号达峰时间T1及衰减时间T2根据探测器的晶体和放大成形电路确定，幅度阈值下限A1及幅度阈值上限A2可以根据需要设置。
由于采样波形的波形均略有不同，因此，可以将采样波形按各波形的能量进行能量段的划分，然后分别建立各能量段对应的理想波形模型。其中，能量段中可以包括所有波形能量比较接近的信号，需要说明的是，能量比较接近的信号可以是根据具体需求设定的在同一预设能量阈值范围内的信号。
预设能量阈值可以用于对所有采样波形进行能量段划分的。如果将所有采样波形划分为N个能量段，则需要N-1个预设能量阈值，预设能量阈值根据需求进行设定。示例性的，将所有采样波形划分为高能段、中能段、低能段三个能量段，则需要第一预设能量阈值和第二预设能量阈值两个预设能量阈值。将能量大于或等于第一预设能量阈值的采样波形划分至高能段，将能量小于第一预设能量阈值、且大于或等于第二预设能量阈值的采样波形划分至中能段，将能量小于第二预设能量阈值的采样波形划分至低能段。划分为其他个数的能量段，可以按照上述方式类推，这里不再赘述。
在本申请实施例实时信噪分离的处理方法之前，还可以设置比对阈值表。其中，比对阈值表中包括至少一个比对阈值，根据比对阈值判断输入信号为保留信号还是丢弃信号。比对阈值表中的比对阈值根据对输入信号的甄选精度进行设置，对输入信号的甄选精度越细，比对阈值越小，反之，对输入信号的甄选精度越模糊，比对阈值越大。示例性的，比对阈值表中包括m个数值依次增大的比对阈值，分别为(δ1，…，δk，…，δm)，其中，k＝1～m，即比对阈值为δ1时，对输入信号的甄选精度最细，比对阈值为δm时，对输入信号的甄选精度最模糊。其中，m的值根据实际需求进行设置。
参照图1，其示出了根据本申请一个实施例提供描述的一种实时信噪分离的处理方法的流程示意图。
如图1所示，一种实时信噪分离的处理方法，可以包括：
步骤101：根据预设能量阈值，确定实时获取到的输入信号所属的能量段。
在一个实施例中，步骤101之前还包括：获取各个能量段各自对应的理想波形模型。
具体的，各个能量段各自对应的理想波形模型，可以采用提前建立的理想波形模型。
在步骤101之前还包括获取比对阈值表，其中，比对阈值表中包括至少一个比对阈值。
在步骤101之前还包括获取输入信号，该输入信号为实时获取，步骤101中，将获取到的输入信号的能量与预设能量阈值进行比较，判断输入信号属于哪个能量段。
示例性的，能量段包括高能段、中能段、低能段三个能量段，其对应的第一预设能量阈值为v1、第二预设能量阈值为v2，输入信号z的能量为vz，若vz＜v2，则，输入信号z属于低能段。
步骤102：从输入信号所属的能量段的理想波形模型中，选取输入信号对应的理想波形，确定输入信号与理想波形的平方差异和。
具体的，根据上述步骤101可以确定实时获取到的输入信号所属的能量段，即可确定该能量段对应的理想波形模型，从该理想波形模型中选取输入信号对应的理想波形。需要说明的是，该理想波形模型为步骤101之前获取到的理想波形模型。
在其中一个实施例中，确定输入信号与理想波形的平方差异和，可以包括：
建立输入信号及输入信号对应的理想波形、幅度归一化系数的平方差异和方程；根据平方差异和方程，确定输入信号的幅度归一化系数；根据输入信号、输入信号的幅度归一化系数、及输入信号对应的理想波形，确定输入信号与理想波形的平方差异和。
具体的，假设输入信号z包括n个采样点(z1,…，zj,…，zn)，其中，j＝1～n，输入信号对应的理想波形y包括n个采样点(y1,…，yj,…，yn)，其中，j＝1～n。将输入信号的幅度通过归一化系数A*换算为与理想波形幅度一样，归一化后的输入信号为：A*zj。
建立输入信号及输入信号对应的理想波形、幅度归一化系数的平方差异和方程为：
Figure BDA0002346843760000061
平方差异和方程对A*zj求导，当平方差异和最小时，得到归一化系数A*：
Figure BDA0002346843760000062
Figure BDA0002346843760000063
将A*代入L3中，得到幅度归一化后的输入信号与理想波形的平方差异和：
Figure BDA0002346843760000064
步骤103：如果平方差异和大于或等于比对阈值，输入信号为丢弃信号；
如果平方差异和小于比对阈值，输入信号为保留信号。
如上述比对阈值表中包括至少一个比对阈值，根据实际需求或经验，确定当次的比对阈值。
需要说明的是，所选取的比对阈值不同，输入信号为丢弃信号还是保留信号的结果可能会不同。
示例性的，比对阈值表中比对阈值包括(0.1，0.2，0.3，0.4，0.5，0.6)，根据上述步骤得到归一化后的输入信号与理想波形的平方差异和为0.35，如选取该次比对阈值为0.1，则该输入信号为丢弃信号，如选取该次比对阈值为0.4，则该输入信号为保留信号。
本申请实施例，实时获取输入信号，然后选取输入信号所属能量段的理想波形模型中的理想波形，并确定输入信号与理想波形的平方差异和，根据平方差异和与比对阈值，判断输入信号是丢弃信号还是保留信号。该实施例中，对输入信号进行实时获取，提高了时效性，并且对获取到的输入信号实时处理，不需要全部输入计算机中才进行比对，降低了对带宽的要求。
如图2所示，为本申请实施例提供的实时信噪分离的处理装置200的结构示意图。如图2所示，该装置实现如图1所示的方法，该装置可以包括：
第一确定模块210，用于根据预设能量阈值，确定实时获取到的输入信号所属的能量段；
第二确定模块220，用于从输入信号所属的能量段的理想波形模型中，选取输入信号对应的理想波形，确定输入信号与理想波形的平方差异和；
判断模块230，如果平方差异和大于或等于比对阈值，输入信号为丢弃信号；
如果平方差异和小于比对阈值，输入信号为保留信号。
可选地，装置还包括：第一获取模块，用于获取各个能量段各自对应的理想波形模型。
可选地，装置还包括：第二获取模块，用于获取比对阈值表，比对阈值表包括至少一个比对阈值。
可选地，第二确定模块220还用于：
建立输入信号及输入信号对应的理想波形、幅度归一化系数的平方差异和方程；
根据平方差异和方程，确定输入信号的幅度归一化系数；
根据输入信号、输入信号的幅度归一化系数、及输入信号对应的理想波形，确定输入信号与理想波形的平方差异和。
本实施例提供的实时信噪分离的处理装置，可以执行上述方法的实施例，其实现原理和技术效果类似，在此不再赘述。
图3为本发明实施例提供的一种终端设备的结构示意图。如图3所示，示出了适于用来实现本申请实施例的终端设备或服务器的系统300的结构示意图。
如图3所示，系统300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有系统300操作所需的各种程序和数据。CPU301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口306也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口306。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地，根据本公开的实施例，上文参考图1描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的程序，程序包含用于执行上述实时信噪分离的处理方法的程序代码。在这样的实施例中，该程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本申请还提供了一种存储介质，该存储介质可以是上述实施例中前述装置中所包含的存储介质；也可以是单独存在，未装配入设备中的存储介质。存储介质存储有一个或者一个以上程序，前述程序被一个或者一个以上的处理器用来执行描述于本申请的实时信噪分离的处理方法。该存储介质可以是基于FPGA，也可以基于其他芯片，实现该存储介质中存储的程序可以对输入信号进行实时信噪分离。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种实时信噪分离的处理方法，其特征在于，包括：
根据预设能量阈值，确定实时获取到的输入信号所属的能量段；
从所述输入信号所属的能量段的理想波形模型中，选取所述输入信号对应的理想波形，确定所述输入信号与所述理想波形的平方差异和；
如果所述平方差异和大于或等于比对阈值，所述输入信号为丢弃信号；
如果所述平方差异和小于所述比对阈值，所述输入信号为保留信号。
2.根据权利要求1所述的方法，其特征在于，所述根据预设能量阈值，确定实时获取到的输入信号所属的能量段，之前还包括：
获取各个所述能量段各自对应的理想波形模型。
3.根据权利要求1所述的方法，其特征在于，所述根据预设能量阈值，确定实时获取到的输入信号所属的能量段，之前还包括：
获取比对阈值表，所述比对阈值表包括至少一个所述比对阈值。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定所述输入信号与所述理想波形的平方差异和，包括：
建立所述输入信号及所述输入信号对应的所述理想波形、幅度归一化系数的平方差异和方程；
根据所述平方差异和方程，确定所述输入信号的幅度归一化系数；
根据所述输入信号、所述输入信号的幅度归一化系数、及所述输入信号对应的理想波形，确定所述输入信号与所述理想波形的平方差异和。
5.一种实时信噪分离的处理装置，其特征在于，包括：
第一确定模块，用于根据预设能量阈值，确定实时获取到的输入信号所属的能量段；
第二确定模块，用于从所述输入信号所属的能量段的理想波形模型中，选取所述输入信号对应的理想波形，确定所述输入信号与所述理想波形的平方差异和；
判断模块，如果所述平方差异和大于或等于比对阈值，所述输入信号为丢弃信号；
如果所述平方差异和小于所述比对阈值，所述输入信号为保留信号。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：第一获取模块，用于获取各个所述能量段各自对应的理想波形模型。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：第二获取模块，用于获取比对阈值表，所述比对阈值表包括至少一个所述比对阈值。
8.根据权利要求5-7任一项所述的装置，其特征在于，所述第二确定模块还用于：
建立所述输入信号及所述输入信号对应的所述理想波形、幅度归一化系数的平方差异和方程；
根据所述平方差异和方程，确定所述输入信号的幅度归一化系数；
根据所述输入信号、所述输入信号的幅度归一化系数、及所述输入信号对应的理想波形，确定所述输入信号与所述理想波形的平方差异和。
9.一种终端设备，其特征在于，所述设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的方法。
10.一种存储介质，其上存储有程序，所述程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
CN201911398077.8A 2019-12-30 2019-12-30 一种实时信噪分离的处理方法、装置、设备及存储介质 Pending CN111222435A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911398077.8A CN111222435A (zh) 2019-12-30 2019-12-30 一种实时信噪分离的处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911398077.8A CN111222435A (zh) 2019-12-30 2019-12-30 一种实时信噪分离的处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111222435A true CN111222435A (zh) 2020-06-02

Family

ID=70811205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911398077.8A Pending CN111222435A (zh) 2019-12-30 2019-12-30 一种实时信噪分离的处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111222435A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05324876A (ja) * 1992-05-23 1993-12-10 Topcon Corp 神経回路網を用いた波形評価装置
US20020114353A1 (en) * 2000-12-14 2002-08-22 Juan Montojo Method and an apparatus for a waveform quality measurement
CN103207295A (zh) * 2012-01-16 2013-07-17 北京普源精电科技有限公司 一种方便的异常波形的检测方法
CN104316844A (zh) * 2014-11-14 2015-01-28 广东电网有限责任公司佛山供电局 配电网故障类型识别方法及装置
US20160081631A1 (en) * 2014-09-23 2016-03-24 Apex Medical Corp. Respiratory waveform recognition method and system
CN106650110A (zh) * 2016-12-26 2017-05-10 北京华大九天软件有限公司 一种对模拟波形进行分组测量的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05324876A (ja) * 1992-05-23 1993-12-10 Topcon Corp 神経回路網を用いた波形評価装置
US20020114353A1 (en) * 2000-12-14 2002-08-22 Juan Montojo Method and an apparatus for a waveform quality measurement
CN103207295A (zh) * 2012-01-16 2013-07-17 北京普源精电科技有限公司 一种方便的异常波形的检测方法
US20160081631A1 (en) * 2014-09-23 2016-03-24 Apex Medical Corp. Respiratory waveform recognition method and system
CN104316844A (zh) * 2014-11-14 2015-01-28 广东电网有限责任公司佛山供电局 配电网故障类型识别方法及装置
CN106650110A (zh) * 2016-12-26 2017-05-10 北京华大九天软件有限公司 一种对模拟波形进行分组测量的方法

Similar Documents

Publication Publication Date Title
US9152691B2 (en) System and method for performing set operations with defined sketch accuracy distribution
Flam et al. On MMSE estimation: A linear model under Gaussian mixture statistics
CN109884891B (zh) 一种高精度智能仿核信号发生系统及其工作方法
CN110619296B (zh) 一种基于奇异分解的信号降噪方法
CN109271707B (zh) 对核能谱线进行仿真的模拟能谱曲线仿真方法
US11907090B2 (en) Machine learning for taps to accelerate TDECQ and other measurements
CN105895089A (zh) 一种语音识别方法及装置
US10585130B2 (en) Noise spectrum analysis for electronic device
CN109064464B (zh) 用于检测电池极片毛刺的方法和装置
CN113033457A (zh) 一种软故障识别模型训练和软故障识别方法、装置
CN110751201B (zh) 基于纹理特征变换的sar装备任务失效成因推理方法
CN111222435A (zh) 一种实时信噪分离的处理方法、装置、设备及存储介质
CN107886113B (zh) 一种基于卡方检验的电磁频谱噪声提取和滤波方法
CN103607249A (zh) 一种ds/fh混合扩频信号参数测试方法与系统
US20220358951A1 (en) Method and apparatus for processing signal, computer readable medium
CN111479106A (zh) 一二维质量描述子融合的音视频联合质量评价方法及终端
CN108537786B (zh) 用于处理图像方法和装置
US9673862B1 (en) System and method of analyzing crosstalk without measuring aggressor signal
Kolchev et al. Application of techniques for separating anomalous samples during the processing of SW LFM signal
CN111008356B (zh) 一种基于WTSVD算法扣除背景的γ能谱集分析方法
CN111309093A (zh) 一种理想波形模型的建立方法、装置、设备及存储介质
CN110531321A (zh) 基于特征值的动态信道化子带频谱检测方法
CN109164299A (zh) 一种频谱分析系统
CN115390016A (zh) 辐射源个体信息识别方法、装置、电子设备和介质
CN115294425A (zh) 地震数据训练样本生成方法及装置

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