CN112200037B - 一种微弱信号检测方法、终端和计算机可读存储介质 - Google Patents
一种微弱信号检测方法、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112200037B CN112200037B CN202011049325.0A CN202011049325A CN112200037B CN 112200037 B CN112200037 B CN 112200037B CN 202011049325 A CN202011049325 A CN 202011049325A CN 112200037 B CN112200037 B CN 112200037B
- Authority
- CN
- China
- Prior art keywords
- signal detection
- signal
- sequence
- window
- length
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- 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
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种微弱信号检测方法,包括以下步骤:对信号序列进行滑窗,每滑动一次窗口得到一个信号检测区间;分别统计信号检测区间的相对能量与拐点计数;计算统计得到的相对能量与拐点计数的比值;将获得的比值与设定的检测阈值进行比较,当比值大于设定的检测阈值时,表示信号序列中检出目标信号。本发明还涉及一种终端和计算机可读存储介质。本发明可以用极低运算量、极少存储空间、极低硬件成本实现极强微弱信号检出能力。
Description
技术领域
本发明涉及数字信号处理技术领域,特别是涉及一种微弱信号检测方法、终端和计算机可读存储介质。
背景技术
随着MEMS传感技术的不断成熟与完善,微型化传感器系统已走进人们的视野,应用越来越广泛,系统的低功耗、低复杂度等典型特征促使用户对系统的高集成度、便携性与布设简捷等需求日益提高。常用的微弱信号目标检测方法包括:1.幅值检测2.能量检测3.过零检测4.双谱检测5.峰度检测6.频谱检测7.小波多分辨分析检测等,其中幅值检测、能量检测和过零检测计算量较小、实时性较高,对系统资源要求较少,其稳定性和鲁棒性较差,环境噪声及电路状态的改变将使其检测性能急剧下降;双谱检测、峰度检测和频谱检测均为信号频率或统计检测方法,计算量较大,实时性略差,由于频谱和统计特征的计算均需要一定长度的信号,其对远距离目标微弱信号的检测能力较差;小波多分辨分析检测计算量大,实时性差,对远距离弱信号的检测能力有所提高,但仍无法满足高性能传感系统对探测性能日益提高的需求。
发明内容
本发明所要解决的技术问题是提供一种微弱信号检测方法、终端和计算机可读存储介质,可以用极低运算量、极少存储空间、极低硬件成本实现极强微弱信号检出能力。
本发明解决其技术问题所采用的技术方案是:提供一种微弱信号检测方法,包括以下步骤:
(1)对信号序列进行滑窗,其中,窗口长度不变,窗口滑动步长小于或等于窗口长度,窗口每滑动一次得到一个信号检测区间;
(2)分别统计信号检测区间的相对能量与拐点计数,其中,所述相对能量的计算以信号检测区间的最小值或最大值作为基准;
(3)计算统计得到的相对能量与拐点计数的比值;
(4)将获得的比值与设定的检测阈值进行比较,当比值大于设定的检测阈值时,表示信号序列中检出目标信号。
所述步骤(1)具体为:信号序列为X0,X1,X2,…,XN,定义信号序列长度为N,窗口长度为M,窗口滑动步长为S,选取信号序列第一个信号数据X0作为第1个信号检测区间DZ1的上一个信号检测区间第S个信号数据,则第1个信号检测区间DZ1的信号序列为X1,X2,…,XM,滑窗一次后得到第2个信号检测区间DZ2,其信号序列为XS+1,XS+2,…,XS+M,依次进行滑窗操作,每滑窗一次会得到一个信号检测区间,经k-1次滑窗后得到的信号检测区间DZk信号序列为X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M。
所述步骤(1)中的窗口长度为窗口滑动步长的整数倍。
所述步骤(2)中统计信号检测区间的相对能量时,定义经k-1次滑窗后得到的信号检测区间DZk的最小值或最大值为X(k-1)S+J,J∈[1,M],统计得到的信号检测区间相对能量为其中,M为窗口长度,S为窗口滑动步长。
所述步骤(2)中统计信号检测区间的拐点计数时需将上一个信号检测区间第S个信号数据X(k-1)S考虑在内,包括以下子步骤:
(21)统计经k-1次滑窗后得到的信号检测区间DZk的拐点计数所用信号序列为X(k-1)S,X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M,序列长度为M+1;
(22)对信号序列X(k-1)S,X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M做一阶差分,得到差分序列D(k-1)S+1,D(k-1)S+2,…,D(k-1)S+M,其中,D(k-1)S+i=X(k-1)S+i-X(k-1)S+i-1,1≤i≤M;
(23)定义序列Z为根据差分序列D(k-1)S+1,D(k-1)S+2,…,D(k-1)S+M得到Z(k-1)S+1,Z(k-1)S+2,…,Z(k-1)S+M,根据该序列计算拐点计数需将上一个信号检测区间第S个信号数据X(k-1)S对应的Z(k-1)S考虑在内,则拐点计数所用信号序列为Z(k-1)S,Z(k-1)S+1,Z(k-1)S+2,…,Z(k-1)S+M,序列长度为M+1;
(24)统计得到的信号检测区间拐点计数为
所述步骤(4)中检测阈值确定方法为:对固定时长的一个时间段内不含运动目标的噪声信号序列执行所述步骤(1)-(3),得到不含运动目标的噪声序列信号检测区间统计数据的比值序列,根据该比值序列来设定检测阈值。
本发明解决其技术问题所采用的技术方案是:提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的微弱信号检测程序,所述微弱信号检测程序被所述处理器执行时实现上述的微弱信号检测方法的步骤。
本发明解决其技术问题所采用的技术方案是:提供一种计算机可读存储介质,所述计算机可读存储介质上存储有微弱信号检测程序,所述微弱信号检测程序被处理器执行时实现上述的微弱信号检测方法的步骤。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过对滑窗形成的固定长度信号检测区间内相对能量与拐点计数分别进行统计,计算两个统计数据的比值,然后与设定的检测阈值进行比较,当比值大于设定的检测阈值时,判定宽带随机信号中检出目标信号。本发明采用相对能量替代能量进行信号检测值计算,其能有效拉开信号与噪声在信号检测空间中的空间距离,相对能量不用计算信号序列的均值,可规避信号系统中常见的计算信号均值与实际信号均值不一致的问题,并可以用极低运算量、极少存储空间、极低硬件成本实现极强微弱信号检出能力。
附图说明
图1是本发明实施方式中涉及的硬件运行环境的终端结构示意图;
图2是本发明实施方式的流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种微弱信号检测方法,图1所示的是本实施方式中涉及的硬件运行环境的终端结构示意图。本实施方式的终端可以是嵌入式系统、智能手机、平板电脑、PC端等终端设备。
该终端包括:处理器(例如CPU),通信总线,用户接口,网络接口和存储器。其中,通信总线用于实现这些组件之间的连接通信。用户接口可以包括用于连接输入设备和输出设备的接口。网络接口可以包括标准的有线接口和无线接口。存储器可以是高速RAM存储器,也可以是稳定的存储器,例如磁盘存储器。存储器还可以是独立于处理器的存储装置。
作为一种计算机可读存储介质的存储器中可以包括操作系统、网络通信模块、用户接口模块以及微弱信号检测程序。其中,操作系统是管理和控制终端与软件资源的程序,支持网络通信模块、用户接口模块、微弱信号检测程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口;用户接口模块用于管理和控制用户接口。
在该终端中,网络接口主要用于连接服务器或外接设备,与服务器或外界设备进行数据通信;用户接口主要用于连接终端界面;所述终端通过处理器调用存储器中存储的微弱信号检测程序,以实现如图2所示的以下步骤:
对信号序列进行滑窗,窗口长度不变,窗口滑动步长小于或等于窗口长度,每滑动一次得到一个信号检测区间;分别统计信号检测区间的相对能量与拐点计数,与能量计算的区别在于,相对能量的计算以信号检测区间的最小值(或最大值)作为基准;计算统计得到的相对能量与拐点计数的比值;将获得的比值与设定的检测阈值进行比较,当比值大于设定的检测阈值时,表示信号序列中检出目标信号。其中,包括信号序列的信号检测区间DZk计算、信号序列在信号检测区间内相对能量REk计算、信号序列在信号检测区间内拐点计数CNk计算、相对能量与拐点计数的比值Rk计算、检测阈值DTk比较,最后得出目标检测结果。
下面通过一个具体的实施例来进一步说明本发明。该实施例中采用地震动信号作为研究对象,针对地震动信号序列SX0,SX1,SX2,…,SXN,其中N的数值大小由地震动传感器的采样率与工作时长共同决定,考虑到信号检测区间拐点计数需将上一个信号检测区间第S个信号数据考虑在内,选取信号序列第一个信号数据SX0作为第一个信号检测区间的上一个信号检测区间第S个信号数据。设定窗口长度M=416,窗口滑动步长S=32,此处说明一下,窗口长度M设置为窗口滑动步长S的整数倍是基于显著压缩计算量的快速化算法实现考虑出发的。对信号序列进行滑窗操作,每滑窗一次得到一个信号检测区间,计算第k个信号检测区间的检测值,并与检测阈值进行比较,其具体实施方式和步骤如下:
(1)定义SDZSX0为第k-1个信号检测区间第32个信号数据,第k个信号检测区间SDZ的信号序列为SDZSX1,SDZSX2,…,SDZSX416。
(2)定义第k个信号检测区间SDZ最小值(或最大值)为SDZSXJ(J∈[1,416]),计算信号检测区间相对能量为
(3)对信号序列SDZSX0,SDZSX1,SDZSX2,…,SDZSX416做一阶差分,得到差分序列D1,D2,…,D416,其中Di=SDZSXi-SDZSXi-1(1≤i≤416)。
(4)定义序列Z为根据差分序列D1,D2,…,D416可得到Z1,Z2,…,Z416,根据该序列计算拐点计数需将SDZSX0对应的Z0考虑在内,则拐点计数所用信号序列为Z0,Z1,Z2,…,Z416,序列长度为417,计算第k个信号检测区间拐点计数为
(5)计算相对能量与拐点计数的比值Rk=REk/CNk。
(6)在相对能量与拐点计数的比值Rk大于设定的检测阈值DTk条件满足的情况下,检测算法在地震动信号序列第k个信号检测区间位置检出目标信号。其中,检测阈值通过以下方法确定:对固定时长的一个时间段内不含运动目标的噪声信号序列执行信号检测运算,得到不含运动目标的噪声序列信号检测区间统计数据的比值序列,根据该比值序列来设定检测阈值DTk,且DTk可随环境噪声变化而进行自适应调整。
不难发现,本发明通过对滑窗形成的固定长度信号检测区间内相对能量与拐点计数分别进行统计,计算两个统计数据的比值,然后与设定的检测阈值进行比较,当比值大于设定的检测阈值时,判定宽带随机信号中检出目标信号。本发明采用相对能量替代能量进行信号检测值计算,能有效拉开信号与噪声在信号检测空间中的空间距离,相对能量不用计算信号序列的均值,可规避信号系统中常见的计算信号均值与实际信号均值不一致的问题,并可以用极低运算量、极少存储空间、极低硬件成本实现极强微弱信号检出能力。
Claims (7)
1.一种微弱信号检测方法,其特征在于,包括以下步骤:
(1)对信号序列进行滑窗,其中,窗口长度不变,窗口滑动步长小于或等于窗口长度,窗口每滑动一次得到一个信号检测区间;
(2)分别统计信号检测区间的相对能量与拐点计数,其中,所述相对能量的计算以信号检测区间的最小值或最大值作为基准;其中,统计信号检测区间的拐点计数时需将上一个信号检测区间第S个信号数据X(k-1)S考虑在内,包括以下子步骤:
(21)统计经k-1次滑窗后得到的信号检测区间DZk的拐点计数所用信号序列为X(k-1)S,X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M,序列长度为M+1;
(22)对信号序列X(k-1)S,X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M做一阶差分,得到差分序列
D(k-1)S+1,D(k-1)S+2,…,D(k-1)S+M,其中,D(k-1)S+i=X(k-1)S+i-X(k-1)S+i-1,1≤i≤M;
(23)定义序列Z为根据差分序列
D(k-1)S+1,D(k-1)S+2,…,D(k-1)S+M得到Z(k-1)S+1,Z(k-1)S+2,…,Z(k-1)S+M,根据该序列计算拐点计数需将上一个信号检测区间第S个信号数据X(k-1)S对应的Z(k-1)S考虑在内,则拐点计数所用信号序列为Z(k-1)S,Z(k-1)S+1,Z(k-1)S+2,…,Z(k-1)S+M,序列长度为M+1;
(24)统计得到的信号检测区间拐点计数为
(3)计算统计得到的相对能量与拐点计数的比值;
(4)将获得的比值与设定的检测阈值进行比较,当比值大于设定的检测阈值时,表示信号序列中检出目标信号。
2.根据权利要求1所述的微弱信号检测方法,其特征在于,所述步骤(1)具体为:信号序列为X0,X1,X2,…,XN,定义信号序列长度为N,窗口长度为M,窗口滑动步长为S,选取信号序列第一个信号数据X0作为第1个信号检测区间DZ1的上一个信号检测区间第S个信号数据,则第1个信号检测区间DZ1的信号序列为X1,X2,…,XM,滑窗一次后得到第2个信号检测区间DZ2,其信号序列为XS+1,XS+2,…,XS+M,依次进行滑窗操作,每滑窗一次会得到一个信号检测区间,经k-1次滑窗后得到的信号检测区间DZk信号序列为X(k-1)S+1,X(k-1)S+2,…,X(k-1)S+M。
3.根据权利要求1所述的微弱信号检测方法,其特征在于,所述步骤(1)中的窗口长度为窗口滑动步长的整数倍。
4.根据权利要求1所述的微弱信号检测方法,其特征在于,所述步骤(2)中统计信号检测区间的相对能量时,定义经k-1次滑窗后得到的信号检测区间DZk的最小值或最大值为X(k-1)S+J,J∈[1,M],统计得到的信号检测区间相对能量为 其中,M为窗口长度,S为窗口滑动步长。
5.根据权利要求1所述的微弱信号检测方法,其特征在于,所述步骤(4)中检测阈值确定方法为:对固定时长的一个时间段内不含运动目标的噪声信号序列执行所述步骤(1)-(3),得到不含运动目标的噪声序列信号检测区间统计数据的比值序列,根据该比值序列来设定检测阈值。
6.一种终端,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的微弱信号检测程序,所述微弱信号检测程序被所述处理器执行时实现如权利要求1-5中任一所述的微弱信号检测方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有微弱信号检测程序,所述微弱信号检测程序被处理器执行时实现如权利要求1-5中任一所述的微弱信号检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011049325.0A CN112200037B (zh) | 2020-09-29 | 2020-09-29 | 一种微弱信号检测方法、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011049325.0A CN112200037B (zh) | 2020-09-29 | 2020-09-29 | 一种微弱信号检测方法、终端和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200037A CN112200037A (zh) | 2021-01-08 |
CN112200037B true CN112200037B (zh) | 2023-12-26 |
Family
ID=74007909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011049325.0A Active CN112200037B (zh) | 2020-09-29 | 2020-09-29 | 一种微弱信号检测方法、终端和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200037B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821176B (zh) * | 2023-08-30 | 2023-11-21 | 北京中科心研科技有限公司 | 时序数据的处理方法、装置、电子设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09145834A (ja) * | 1995-11-21 | 1997-06-06 | Tech Res & Dev Inst Of Japan Def Agency | 目標信号検出方法及び装置 |
JP2005310677A (ja) * | 2004-04-23 | 2005-11-04 | Matsushita Electric Works Ltd | 放電灯点灯装置及び照明器具、照明システム |
CN102113249A (zh) * | 2008-08-05 | 2011-06-29 | 高通股份有限公司 | 用于检测在无线信道中传输信号的存在的方法和装置 |
CN103245376A (zh) * | 2013-04-10 | 2013-08-14 | 中国科学院上海微系统与信息技术研究所 | 一种弱信号目标检测方法 |
CN103926509A (zh) * | 2014-04-01 | 2014-07-16 | 河南理工大学 | 基于谱峭度相对能量熵的配电网故障阶梯式选线方法 |
CN104266894A (zh) * | 2014-09-05 | 2015-01-07 | 中国矿业大学 | 一种基于相关性分析的矿山微震信号初至波时刻提取方法 |
CN104655914A (zh) * | 2015-02-04 | 2015-05-27 | 广州供电局有限公司 | Gis设备干扰信号和局部放电信号的检测方法与装置 |
CN106203355A (zh) * | 2016-07-14 | 2016-12-07 | 许继集团有限公司 | 一种电力系统低频振荡的检测方法及装置 |
CN106870957A (zh) * | 2017-03-21 | 2017-06-20 | 东北大学 | 一种管道缺陷漏磁信号的特征提取方法 |
CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
CN107957592A (zh) * | 2016-10-14 | 2018-04-24 | 中国石油化工股份有限公司 | 一种地震波初至拾取方法及系统 |
CN111339511A (zh) * | 2020-03-24 | 2020-06-26 | 河北工程大学 | 身份合法性验证方法、装置及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2009235C2 (en) * | 2012-07-26 | 2014-01-28 | Heineken Supply Chain Bv | Container and set of preforms for forming a container. |
-
2020
- 2020-09-29 CN CN202011049325.0A patent/CN112200037B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09145834A (ja) * | 1995-11-21 | 1997-06-06 | Tech Res & Dev Inst Of Japan Def Agency | 目標信号検出方法及び装置 |
JP2005310677A (ja) * | 2004-04-23 | 2005-11-04 | Matsushita Electric Works Ltd | 放電灯点灯装置及び照明器具、照明システム |
CN102113249A (zh) * | 2008-08-05 | 2011-06-29 | 高通股份有限公司 | 用于检测在无线信道中传输信号的存在的方法和装置 |
CN103245376A (zh) * | 2013-04-10 | 2013-08-14 | 中国科学院上海微系统与信息技术研究所 | 一种弱信号目标检测方法 |
CN103926509A (zh) * | 2014-04-01 | 2014-07-16 | 河南理工大学 | 基于谱峭度相对能量熵的配电网故障阶梯式选线方法 |
CN104266894A (zh) * | 2014-09-05 | 2015-01-07 | 中国矿业大学 | 一种基于相关性分析的矿山微震信号初至波时刻提取方法 |
CN104655914A (zh) * | 2015-02-04 | 2015-05-27 | 广州供电局有限公司 | Gis设备干扰信号和局部放电信号的检测方法与装置 |
CN106203355A (zh) * | 2016-07-14 | 2016-12-07 | 许继集团有限公司 | 一种电力系统低频振荡的检测方法及装置 |
CN107957592A (zh) * | 2016-10-14 | 2018-04-24 | 中国石油化工股份有限公司 | 一种地震波初至拾取方法及系统 |
CN106870957A (zh) * | 2017-03-21 | 2017-06-20 | 东北大学 | 一种管道缺陷漏磁信号的特征提取方法 |
CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
CN111339511A (zh) * | 2020-03-24 | 2020-06-26 | 河北工程大学 | 身份合法性验证方法、装置及终端设备 |
Non-Patent Citations (7)
Title |
---|
Effect of Porosity on Mechanical Property and Acoustic Emission Signals of Composite Materials;Yanrong Pang等;《Advanced Materials Research》;第912卷;115-118 * |
Machine-Learning-Based Parallel Genetic Algorithms for Multi-Objective Optimization in Ultra-Reliable Low-Latency WSNs;YUCHAO CHANG等;《IEEE Access》;第7卷;4913-4926 * |
Signal Detection and Recovery of Tristable Stochastic Resonance System under a Stable Noise;Jiao Shangbin等;《2019 14th IEEE Conference on Industrial Electronics and Applications (ICIEA)》;745-750 * |
基于振动信号的航空发动机主轴轴承可靠性分析;胡义凡;《中国优秀硕士学位论文全文数据库:工程科技Ⅱ辑》(第2019年第08期);C031-54 * |
应用小波域高斯差分滤波的起球疵点客观评价;管声启等;《纺织学报》;第38卷(第9期);155-161 * |
目标模拟器中未知参数脉冲信号检测技术研究;刘冰;《中国优秀硕士学位论文全文数据库:工程科技Ⅱ辑》(第2019年第08期);C036-86 * |
镁合金比色测温系统误差分析及修正;邢恩普等;《科学技术与工程》;第15卷(第27期);159-161+166 * |
Also Published As
Publication number | Publication date |
---|---|
CN112200037A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709928B (zh) | 一种快速的含噪图像二维最大类间方差阈值法 | |
US20130135496A1 (en) | Image processing device, image processing method, and program | |
US20140114609A1 (en) | Adaptive analysis of signals | |
WO2012149296A2 (en) | Providing content aware video adaptation | |
EP3977793A1 (en) | Proximity-based model for indoor localization using wireless signals | |
CN111144511B (zh) | 基于神经网络的图像处理方法、系统、介质及电子终端 | |
Shao et al. | A modified Hausdorff distance based algorithm for 2-dimensional spatial trajectory matching | |
CN104156096A (zh) | 触摸屏控制系统及其信号处理电路及方法 | |
CN112200037B (zh) | 一种微弱信号检测方法、终端和计算机可读存储介质 | |
CN111816178A (zh) | 语音设备的控制方法、装置和设备 | |
CN112488060A (zh) | 目标检测方法、装置、设备、介质和程序产品 | |
Pan et al. | Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN | |
CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
CN113642710A (zh) | 一种网络模型的量化方法、装置、设备和存储介质 | |
CN104359559B (zh) | 一种扩展制冷型测温系统测温范围的方法 | |
CN107392106B (zh) | 一种基于双门限的人体活动端点检测方法 | |
US9190061B1 (en) | Visual speech detection using facial landmarks | |
CN112420066A (zh) | 降噪方法、装置、计算机设备和计算机可读存储介质 | |
US10602398B2 (en) | Measurement denoising | |
CN114882334B (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN112395920A (zh) | 基于雷达的姿态识别装置、方法以及电子设备 | |
CN114219731A (zh) | 图片优化方法、装置、设备以及存储介质 | |
US9124869B2 (en) | Systems and methods for video denoising | |
CN115312042A (zh) | 用于处理音频的方法、装置、设备以及存储介质 |
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 |