CN112835883A - 一种滤波方法、装置及电子设备 - Google Patents
一种滤波方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112835883A CN112835883A CN202110136416.6A CN202110136416A CN112835883A CN 112835883 A CN112835883 A CN 112835883A CN 202110136416 A CN202110136416 A CN 202110136416A CN 112835883 A CN112835883 A CN 112835883A
- Authority
- CN
- China
- Prior art keywords
- sequence
- value
- time
- filtered
- values
- 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
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 claims description 96
- 230000008859 change Effects 0.000 claims description 48
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 16
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
Abstract
本发明实施例提供一种滤波方法、装置及电子设备,可以通过与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的相关序列的滤波参数对待滤波时间序列进行滤波,由于相关序列包含的噪声少于待滤波时间序列,从而相关序列携带的滤波信息比待滤波时间序列携带的滤波信息更准确,因此,可以提高对时间序列进行滤波的效果。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种滤波方法、装置及电子设备。
背景技术
时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数据列。常见的时间序列包括传感器采样所得到的数据列,例如,风速传感器对风速进行采样所得到的风速序列,或温度传感器对温度进行采样所得到的温度序列等。
然而,由于受到采样环境、采样精度、以及所使用算法模型的精度等因素的影响,所得到的时间序列往往包含有噪声。为了使时间序列更加平滑,需要对时间序列进行滤波处理。
发明人在实现本发明的过程中发现,现有技术至少存在如下问题:
现有对时间序列进行滤波的过程中,通常是根据时间序列中每个数值的前后数值对该数值进行调整,实现对时间序列的滤波。然而,由于单个时间序列所包含的数值携带的滤波信息有限,使得对时间序列进行滤波的效果较差。
发明内容
本发明实施例的目的在于提供一种滤波方法,以实现提高对时间序列进行滤波的效果。具体技术方案如下:
在本发明实施的第一方面,首先提供了一种滤波方法,包括:
获得与待滤波时间序列存在相关性、且包含的噪声少于所述待滤波时间序列的时间序列,作为相关序列;其中,与所述待滤波时间序列存在相关性的时间序列为:与所述待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;所述待滤波时间序列和所述相关序列中每一序列数值存在对应的采样时间;
针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为所述待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
根据所述待滤波时间序列中每个序列数值的滤波参数,对所述待滤波时间序列进行滤波。
进一步的,所述针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,包括:
按照以下方式确定所述相关序列中每个序列数值的滤波参数:
从所述相关序列中选择序列号与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值,作为第二序列数值;其中,所述第一序列数据为待确定滤波参数的序列数值;
根据每个第二序列数值与所述第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数。
进一步的,所述待滤波时间序列对应有采样时间间隔,所述采样时间间隔为所述待滤波时间序列相邻序列数值的采样时间差;
所述根据每个第二序列数值与所述第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数,包括:
计算每个第二序列数值与该第二序列数值的邻近序列数值之间的数值差,作为邻近数值差,其中,第二序列数值的邻近序列数值为:序列号在该第二序列数值的序列号和所述第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值;
确定每个第二序列数值与第一序列数值的序列号差值;
根据每个第二序列数值与第一序列数值的序列号差值和所述待滤波时间序列对应的采样时间间隔,确定该第二序列数值对第一序列数值的影响力参数,其中,第二序列数值对第一序列数值的影响力参数表征对第一序列数值进行滤波时第二序列数值所产生影响的程度;
根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数。
进一步的,所述根据每个第二序列数值与第一序列数值的序列号差值和所述待滤波时间序列的采样时间间隔,确定该第二序列数值的影响力参数,包括:
按照以下公式,确定每一第二序列数值的影响力参数:
进一步的,所述根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数,包括:
根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度,所述变化程度表征数值变化大小;
根据每个第二数值的变化程度和影响力参数,确定第一数值的滤波参数。
进一步的,所述根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于第一数值的变化程度,包括:
按照以下公式,确定每个第二序列数值相对于第一数值的变化程度:
其中,函数g(x)为:
u的取值范围为1~m,m为所述预设差值,和分别表示所述相关序列中序列号为t、t-u、t-u+1、t+u和t+u-1的数值相对于与第一序列数值bt的采样时间相同的第二序列数值的变化程度,vt-u和vt+u分别表示所述相关序列中序列号为t-u和t+u的数值对应的邻近数值差,vset为预设阈值,s为预设的变化因子系数。
进一步的,所述根据所述待滤波时间序列中每个数值的滤波参数,对所述待滤波时间序列进行滤波,包括:
按照以下公式对所述待滤波时间序列进行滤波:
其中,表示第一序列数值bt的滤波参数,表示第二序列数值bi相对于所述第一序列数值bt的变化程度,表示所述第二序列数值bi对所述第一序列数值bt的影响力参数,表示对所述待滤波时间序列中序列号为t的数值进行滤波后得到的数值,xi表示所述待滤波时间序列中序列号为i的数值。
在本发明实施的第二方面,还提供了一种滤波装置,包括:
相关序列获得模块,用于获得与待滤波时间序列存在相关性、且包含的噪声少于所述待滤波时间序列的时间序列,作为相关序列;其中,与所述待滤波时间序列存在相关性的时间序列为:与所述待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;所述待滤波时间序列和所述相关序列中每一序列数值存在对应的采样时间;
滤波参数确定模块,用于针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为所述待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
时间序列滤波模块,用于根据所述待滤波时间序列中每个序列数值的滤波参数,对所述待滤波时间序列进行滤波。
进一步的,所述滤波参数确定模块,用于按照以下方式确定所述相关序列中每个序列数值的滤波参数:从所述相关序列中选择序列号与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值,作为第二序列数值;其中,所述第一序列数据为待确定滤波参数的序列数值;根据每个第二序列数值与所述第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数。
进一步的,所述待滤波时间序列对应有采样时间间隔,所述采样时间间隔为所述待滤波时间序列相邻序列数值的采样时间差;
所述滤波参数确定模块,具体用于计算每个第二序列数值与该第二序列数值的邻近序列数值之间的数值差,作为邻近数值差,其中,第二序列数值的邻近序列数值为:序列号在该第二序列数值的序列号和所述第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值;确定每个第二序列数值与第一序列数值的序列号差值;根据每个第二序列数值与第一序列数值的序列号差值和所述待滤波时间序列对应的采样时间间隔,确定该第二序列数值对第一序列数值的影响力参数,其中,第二序列数值对第一序列数值的影响力参数表征对第一序列数值进行滤波时第二序列数值所产生影响的程度;根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数。
进一步的,所述滤波参数确定模块,具体用于按照以下公式,确定每一第二序列数值的影响力参数:
进一步的,所述滤波参数确定模块,具体用于根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度,所述变化程度表征数值变化大小;根据每个第二数值的变化程度和影响力参数,确定第一数值的滤波参数。
进一步的,所述滤波参数确定模块,具体用于按照以下公式,确定每个第二序列数值相对于第一数值的变化程度:
其中,函数g(x)为:
u的取值范围为1~m,m为所述预设差值,和分别表示所述相关序列中序列号为t、t-u、t-u+1、t+u和t+u-1的数值相对于与第一序列数值bt的采样时间相同的第二序列数值的变化程度,vt-u和vt+u分别表示所述相关序列中序列号为t-u和t+u的数值对应的邻近数值差,vset为预设阈值,s为预设的变化因子系数。
进一步的,所述时间序列滤波模块,具体用于按照以下公式对所述待滤波时间序列进行滤波:
其中,表示第一序列数值bt的滤波参数,表示第二序列数值bi相对于所述第一序列数值bt的变化程度,表示所述第二序列数值bi对所述第一序列数值bt的影响力参数,表示对所述待滤波时间序列中序列号为t的数值进行滤波后得到的数值,xi表示所述待滤波时间序列中序列号为i的数值。
在本发明实施的第三方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的滤波方法步骤。
在本发明实施的第四方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的滤波方法。
在本发明实施的第五方面,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的滤波方法。
本发明实施例提供的滤波方法、装置及电子设备,通过与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的相关序列的滤波参数对待滤波时间序列进行滤波,由于相关序列包含的噪声少于待滤波时间序列,从而相关序列携带的滤波信息比待滤波时间序列携带的滤波信息更准确,因此,可以提高对时间序列进行滤波的效果。
附图说明
为了更清楚地说明本发明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。
图1为本发明一个实施例提供的滤波方法的流程图。
图2为本发明一个实施例提供的滤波参数确定方法的流程图。
图3为本发明一个实施例提供的数差值确定示意图。
图4为本发明另一个实施例提供的滤波方法的流程图。
图5为本发明一个实施例提供的滤波方法的流程图示意图。
图6为本发明一个实施例提供的滤波装置的结构示意图。
图7为本发明一个实施例提供的电子设备的结构示意图。
具体实施方式
本发明实施例提供了一种滤波方法、装置及电子设备,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的一个实施例中,如图1所示,提供一种滤波方法,包括:
S101:获得与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的时间序列,作为相关序列;其中,与待滤波时间序列存在相关性的时间序列为:与待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;待滤波时间序列和相关序列中每一序列数值存在对应的采样时间。
S102:针对相关序列中的每个序列数值,根据相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数。
S103:根据待滤波时间序列中每个序列数值的滤波参数,对待滤波时间序列进行滤波。
本发明实施例提供的如图1所示的滤波方法,可以通过与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的相关序列的滤波参数对待滤波时间序列进行滤波,由于相关序列包含的噪声少于待滤波时间序列,从而相关序列携带的滤波信息比待滤波时间序列携带的滤波信息更准确,因此,可以提高对待滤波时间序列进行滤波的效果。
为了更清楚地说明本发明实施例提供的如图1所示的滤波方法,对本发明实施例所提供的滤波方法进一步的进行阐述。
上述待滤波时间序列可以为需要进行滤波的时间序列,如:风速传感器对风速进行采样所得到的风速序列、温度传感器对温度进行采样所得到的温度序列、音视频处理过程中所涉及的数据序列,以及人体建模是所采集的人体关键点所组成的数据序列等,为了表述方便,在本发明实施例中,待滤波时间序列可以使用时间序列X表示,记为:
X={x1,x2,x3,…,xl-1,xl}
上式中,l为时间序列X所包含的序列数值的个数,x1、x2、x2、xl-1和xl分别为时间序列X中序列号为1、2、3、l-1和l的序列数值。
与待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;待滤波时间序列和相关序列中每一序列数值存在对应的采样时间与待滤波时间序列存在相关性的时间序列为与待滤波时间序列反映同一对象、且变化趋势相同的时间序列。其中,对象可以是任意的事物,如车辆、人体的关键点、建筑物等。而同一对象属性的变化趋势可以为风速的大小变化趋势、关键点的位置变化趋势等。需要说明的时,待滤波时间序列和相关序列所反映同一对象的属性可以相同,也可以不同。
举例而言,时间序列F为安装于物体W上的风速传感器对风速进行采样所得到的风速序列,时间序列Z为安装于物体W上的震动传感器对物体W的震动进行采样所得到的震动序列,由于物体W的震动与物体W所受的风速的强度是成正比的,即风速越大,震动也越大,从而时间序列F和时间序列Z存在相关性。
再举一例,时间序列F为安装于电动机上的振动传感器对发电机的震动进行采样所得到的震动序列,而时间序列Z可以为安装于电动机上的转速传感器对电动机的转速进行采样所得到的转速序列,由于发电机的转速与发电机的震动大小是成正比的,即转速越大,震动也越大,从而时间序列F和时间序列Z存在相关性。
为了提升待滤波时间序列的滤波效果,需要使用包含的噪声少于待滤波时间序列的时间序列,其中,包含的噪声少于待滤波时间序列的时间序列至少可以存在以下两种情况:一、包含的噪声少于待滤波时间序列的时间序列为使用精度更高的采集设备采集的时间序列;二、待滤波时间序列为使用算法模型处理后的时间序列,包含的噪声少于待滤波时间序列的时间序列为使用算法模型处理前的时间序列。
需要说明的是,当需要对待滤波时间序列进行滤波,其相关序列可以为用户基于经验和实际使用的场景确定的。
在一个实施例中,可以将与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的时间序列,作为待滤波时间序列的相关序列。需要说明的是,与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的时间序列的序列长度应当大于等于待滤波时间序列的序列长度,也就是说,待滤波时间序列中的每一序列数值都可以在时间序列中找到与其采样时间相同的序列数值。而为了方便对待滤波时间序列中的序列数值进行滤波,可以提取出时间序列中与待滤波时间序列中序列数值的采样时间相同的序列数值,生成待滤波时间序列的相关序列,以使待滤波时间序列和相关序列中序列号相同的序列数值的采样时间相同。
为了表述方便,在本发明实施例中,将待滤波时间序列的相关序列使用时间序列B表示,记为:
B={b1,b2,b3,…,bl-1,bl}
上式中,l为时间序列B所包含的序列数值的个数,b1、b2、b2、bl-1和bl分别为时间序列B中序列号为1、2、3、l-1和l的序列数值。
在一种示例中,在对人体进行建模的过程中,需要先确定人体的关键点,既获取每一关键点的坐标,如眼睛关键点(x1,y1),胸口关键点(x2,y2),手掌关键点(x3,y3)。当通过多张图像对人体进行建模时,每一张图像都可以获取到上述眼睛关键点、胸口关键点和手掌关键点。举例而言,采集了三张图像,其中,图像1中各关键点的坐标分别为眼睛关键点(x11,y11),胸口关键点(x21,y21),手掌关键点(x31,y31),图像2中各关键点的坐标分别为眼睛关键点(x12,y12),胸口关键点(x22,y22),手掌关键点(x32,y32),图像3中各关键点的坐标分别为眼睛关键点(x13,y13),胸口关键点(x23,y23),手掌关键点(x33,y33)。将每一关键点输入到人体建模模型后,可以得到每一关键点对应的姿态信息,以9维矩阵表示,如:
当需要对姿态信息进行滤波时,可以构建姿态信息序列。可选的,可以针对每一维度的数据均建立一个姿态信息序列。以S1为例进行说明:
图像1中眼睛关键点(x11,y11)经过人体模型处理后的S1对于的数值为S11,图像2中眼睛关键点(x12,y12)经过人体模型处理后的S1对于的数值为S12,图像3中眼睛关键点(x13,y13)经过人体模型处理后的S1对于的数值为S13,则可构建出待滤波时间序列{S11,S12,S13},同时构建对于的相关序列{x11,x12,x13}或{y11,y12,yy13},通过相关序列{x11,x12,x13}和/或{y11,y12,yy13}对待滤波时间序列{S11,S12,S13}进行滤波。
在一个实施例中,时间序列X和时间序列B中序列号相同的序列数值的采样时间相同。
可选的,在执行步骤S102之前,可以先对相关序列进行弱滤波,其中,弱滤波为滤波强度小于预设强度阈值的滤波处理,以进一步的降低相关序列所包含的噪声,从而进一步的提高对待滤波时间序列进行滤波的效果。
针对步骤S102,相关序列中的序列数值即为上述b1至bl的序列数值,针对相关序列中序列号为t的序列数值bt,可以根据bt与相关序列中其他序列数值的采样时间差和数值差确定数值bt的滤波参数,并将确定的滤波参数作为待滤波时间序列中与数值bt采样时间相同的数值xt的滤波参数。例如,可以将采样时间差和数值差进行加权求和后作为数值bt的滤波参数,也可以采样其他方式,将在后续进行详细描述,在此不再赘述。一般而言,采样时间差越小对进行滤波的序列数值bt产生的影响越大,或,数值差越大的序列数值对进行滤波的序列数值bt产生的影响越大。
可选的,针对相关序列中的每个序列数值,可以计算除该序列数值以外的每个序列数值与该序列数值的数值差和采样时间差的倒数的乘积,作为该序列数值的一个滤波参数;还可以先计算出每个序列数值与邻近数值的差值,当需要确定相关序列中一个序列数值的滤波参数时,可以根据其他序列数值与邻近数值的差值、和该序列数值与其他数值的数值差进行确定。
当确定出相关序列中每个序列数值的滤波参数后,可以将确定出的序列数值的滤波参数作待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数,并进一步的,根据待滤波时间序列中每个序列数值的滤波参数,对待滤波时间序列进行滤波。
在本发明的一个实施例中,针对步骤S102,可以按照如图2所示方式确定相关序列中每个序列数值的滤波参数,如图2所示,为本发明的一个实施例提供的滤波参数确定方法,包括:
S201:从相关序列中选择序列号与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值,作为第二序列数值;其中,第一序列数据为待确定滤波参数的序列数值。
本步骤中,预设差值可以为根据实际需求和经验确定的,如可以为3,当相关序列中第一序列数值的序列号为4时,则相关序列中与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值可以分别为序列号为2、3、5和6的数值。又如,存在序列号分别为1、2、3、4、5、6、7、8和9的9个序列差值,第一序列数值为5,若预设差值为3,则1与5的序列号差值的绝对值为4,2与5的序列号差值的绝对值为3、3与5的序列号差值的绝对值为2,4与5的序列号差值的绝对值为1、6与5的序列号差值的绝对值为1、7与5的序列号差值的绝对值为2、8与5的序列号差值的绝对值为3、9与5的序列号差值的绝对值为4,其中,3、4、6和7与5的序列号差值的绝对值小于3,即第二序列数值为3、4、6和7。同样的道理,若预设差值为4、则第二序列数值为2、3、4、6、7和8。
在上述实施例中,相关序列记为时间序列B:
B={b1,b2,b3,…,bl-1,bl}
针对相关序列B中的序列数值bt,可以先从时间序列B中确定出针对序列数值bt的滤波序列B′,记为:
B′={bt-m,bt-m+1,bt-m+2,…,bt-1,bt,bt+1,…,bt+m-2,bt+m-1,bt+m}
其中,m为预设差值,bt-m、bt-m+1、bt-m+2、bt-1、bt、bt+1、bt+m-2、bt+m-1和bt+m分别表示时间序列B中序列号为t-m、t-m+1、t-m+2、t-1、t、t+1、t+m-1、t+m-1和t+m的序列数值。
在一个实施例中,由于时间序列B中不存在序列号小于等于0的数值,因此,当t-m≤0时,可以不获取bt-m,或者使用bt+m+1代替bt-m。举例而言,t-m=0,使用bt+m+1代替bt-m即表示使用b1代替b0。又如,当t=2时,预设差值为3,则:
B′={b-2,b-1,b0,b1,b2,b3,b4,b5}
由于不存在b-2,b-1,b0,因此,使用b-1代替b-2,使用b0代替b-1,使用b1代替b01,即b-2=b-1=b0=b1,即:
B′={b1,b1,b1,b1,b2,b3,b4,b5}
相应的,当t+m>l时,可以不获取bt+m,或者使用bt-m-1代替bt+m。
在一个实施例中,为了提高待滤波时间序列两端的序列数值的滤波效果,针对序列数值bt的滤波序列B′中序列号为j的序列数值bj而言,当bj中的j≤0时,bj=b1、当bj中的j>l时,bj=bl。
S202:根据每个第二序列数值与第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数。
其中,当待滤波时间序列对应有采样时间间隔,采样时间间隔为待滤波时间序列相邻序列数值的采样时间,则在一种方式中可以采用如下方式确定该序列数值的滤波参数,包括步骤:
步骤1:计算每个第二序列数值与该第二序列数值的邻近序列数值之间的数值差,作为邻近数值差,其中,第二序列数值的邻近序列数值为:序列号在该第二序列数值的序列号和第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值。
本步骤中,第二序列数值的邻近数值为:序列号在该第二序列数值的序列号和第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值,即针对序列号大于第一序列数值的第二序列数值,第二序列数值的邻近数值为:与第二序列数值相邻、且序列号小于第二序列数值的数值,针对序列号小于第一数值的第二序列数值,第二序列数值的邻近数值为:与第二序列数值相邻、且序列号大于第二序列数值的数值。
示例性的,如图3所示,为本发明实施例提供的数差值确定示意图,图中Bt为第一序列数值,Bt-2、Bt-1、Bt+1和Bt+2分别为第一序列数值Bt的第二序列数值,对于Bt-2而言,序列号在t-2和t之间,且与Bt-2相邻的是Bt-1,即Bt-2的邻近数值为Bt-1,即图中的Vt-2,而对于Bt+2而言,序列号在t+2和t之间,且与Bt+2相邻的是Bt+1,即Bt+2的邻近数值为Bt+1,即图中的Vt+2,图中Vt-2、Vt-1、Vt+1和Vt+2分别为Bt-2、Bt-1、Bt+1和Bt+2与其邻近数值的数值差,其中,Bt-2的邻近数值为Bt-1,Bt-1的邻近数值为Bt,Bt+1的邻近数值为Bt,Bt+2的邻近数值为Bt+1,即Vt-2=Bt-1-Bt-2,Vt-1=Bt-Bt-1,Vt+1=Bt-Bt+1,Vt+1=Bt+1-Bt+2。
步骤2:确定每个第二序列数值与第一序列数值的序列号差值。
本步骤中,本领域技术人员所知的,时间序列的采样时间间隔是固定的。由于相关序列的采样时间间隔是固定的,因此序列数值的序列号差值可以反映出序列数值采样时间的差异情况,因此,可以计算出每个第二序列数值与第一数值的序列号序列差值。即采样时间为采样时间间隔和序列号差值的乘积。
步骤3:根据每个第二序列数值与第一序列数值的序列号差值和待滤波时间序列对应的采样时间间隔,确定该第二序列数值对第一序列数值的影响力参数,其中,第二序列数值对第一序列数值的影响力参数表征对第一序列数值进行滤波时第二序列数值所产生影响的程度。
本步骤中,可以将每个第二序列数值与第一序列数值的序列号差值和待滤波时间序列的采样时间间隔相乘,将乘积作为该第二数值对第一数值的影响力参数。
在一个实施例中,还可以按照以下公式,确定每一第二序列数值的影响力参数:
步骤4:根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数。
本步骤中,可以根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数,如将每个第二序列数值对应的邻近数值差和影响力参数相乘,将乘积作为第一序列数值的滤波参数,还可以使用其他方式,在本发明实施例后续详细描述,在此不再赘述。
本发明实施例提供的如图2所示的滤波参数确定方法,可以通过邻近数值差和影响力参数确定出第一数值的滤波参数,进而可以根据确定出的滤波参数对待滤波时间序列进行滤波,进而提高了对待滤波时间序列进行滤波的效果。
在本发明的另一个实施例中,针对上述步骤4,还可以按照如图4所示的滤波参数确定方法实现,包括:
S401:根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度,变化程度表征数值变化大小。
本步骤中,可用将邻近数值差作为第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度。
在一个实施例中,还可以按照以下公式,确定每个第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度:
其中,函数g(x)为:
u的取值范围为1~m,m为预设差值,和分别表示相关序列中序列号为t、t-u、t-u+1、t+u和t+u-1的数值相对于与第一序列数值bt的采样时间相同的第二序列数值的变化程度,vt-u和vt+u分别表示相关序列中序列号为t-u和t+u的数值对应的邻近数值差,vset为预设阈值,s为预设的变化因子系数。
通过函数g(x)和预设的数值差vset可以确保相关序列出现异常的序列数值时,该异常的序列数值不会参与对正常的序列数值的滤波,进而提高了滤波的效果,进一步的通过上述计算第二序列数值的变化程度的公式,可以确保在出现异常的序列数值时,该异常序列数值和异常序列数值后续数值均不会参与对正常的序列数值的滤波,进一步的提高了滤波的效果。
S402:根据每个第二数值的变化程度和影响力参数,确定第一数值的滤波参数。
本步骤中,可以先确定各第二序列数值的变化程度的平均变化程度,以及确定各第二序列数值的影响力参数的平均影响力参数,将平均变化程度和平均影响力参数的乘积作为第一数值的滤波参数。
可以按照以下公式确定第一数值的滤波参数:
本发明实施例提供的如图4所示的滤波参数确定方法,可以通过变化程度和影响力参数确定出第一序列数值的滤波参数,进而可以根据确定出的滤波参数对待滤波时间序列进行滤波,进而提高了对待滤波时间序列进行滤波的效果,进一步的,通过函数g(x)和预设的数值差vset可以确保相关序列出现异常的序列数值时,该异常的序列数值不会参与对正常的序列数值的滤波,进而提高了滤波的效果,进一步的通过上述计算第二序列数值的变化程度的公式,可以确保在出现异常的序列数值时,该异常序列数值和异常序列数值后续数值均不会参与对正常的序列数值的滤波,进一步的提高了滤波的效果。
在一个实施例中,为了更准确的对待滤波时间序列进行滤波,可以基于第一序列数值对需要进行滤波的第一序列数值进行调,即当第一序列数值的滤波参数按照上述公式确定后,可以按照以下公式对待滤波时间序列进行滤波:
在本发明的另一个实施例中,如图5所示,提供一种滤波方法的流程图示意图,,在需要对待滤波时间序列进行滤波时,先确定出相关序列,并通过弱滤波器对相关序列进行滤波。针对待滤波时间序列中的待滤波的第一序列数值,从相关序列中确定出对应的第二序列数值,并采样上述实施例所提供的方法计算出影响力参数和变化程度,进而对第一序列数值进行调整,得到调整后的第一序列数值,当对待滤波时间序列中每一第一序列数值进行调整后,即完成滤波,得到滤波后序列。
基于同一发明构思,根据本发明实施例提供的滤波方法,本发明实施例还提供了一种滤波装置,如图6所示,该装置包括:
相关序列获得模块601,用于获得与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的时间序列,作为相关序列;其中,与待滤波时间序列存在相关性的时间序列为:与待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;待滤波时间序列和相关序列中每一序列数值存在对应的采样时间;
滤波参数确定模块602,用于针对相关序列中的每个序列数值,根据相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
时间序列滤波模块603,用于根据待滤波时间序列中每个序列数值的滤波参数,对待滤波时间序列进行滤波。
进一步的,滤波参数确定模块,用于按照以下方式确定相关序列中每个序列数值的滤波参数:从相关序列中选择序列号与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值,作为第二序列数值;其中,第一序列数据为待确定滤波参数的序列数值;根据每个第二序列数值与第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数。
进一步的,待滤波时间序列对应有采样时间间隔,采样时间间隔为待滤波时间序列相邻序列数值的采样时间差;
滤波参数确定模块,具体用于计算每个第二序列数值与该第二序列数值的邻近序列数值之间的数值差,作为邻近数值差,其中,第二序列数值的邻近序列数值为:序列号在该第二序列数值的序列号和第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值;确定每个第二序列数值与第一序列数值的序列号差值;根据每个第二序列数值与第一序列数值的序列号差值和待滤波时间序列对应的采样时间间隔,确定该第二序列数值对第一序列数值的影响力参数,其中,第二序列数值对第一序列数值的影响力参数表征对第一序列数值进行滤波时第二序列数值所产生影响的程度;根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数。
进一步的,滤波参数确定模块,具体用于按照以下公式,确定每一第二序列数值的影响力参数:
进一步的,滤波参数确定模块,具体用于根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度,变化程度表征数值变化大小;根据每个第二数值的变化程度和影响力参数,确定第一数值的滤波参数。
进一步的,滤波参数确定模块,具体用于按照以下公式,确定每个第二序列数值相对于第一数值的变化程度:
其中,函数g(x)为:
u的取值范围为1~m,m为预设差值,和分别表示相关序列中序列号为t、t-u、t-u+1、t+u和t+u-1的数值相对于与第一序列数值bt的采样时间相同的第二序列数值的变化程度,vt-u和vt+u分别表示相关序列中序列号为t-u和t+u的数值对应的邻近数值差,vset为预设阈值,s为预设的变化因子系数。
进一步的,时间序列滤波模块,具体用于按照以下公式对待滤波时间序列进行滤波:
其中,表示第一序列数值bt的滤波参数,表示第二序列数值bi相对于第一序列数值bt的变化程度,表示第二序列数值bi对第一序列数值bt的影响力参数,表示对待滤波时间序列中序列号为t的数值进行滤波后得到的数值,xi表示待滤波时间序列中序列号为i的数值。
本发明实施例提供的如图6所示的滤装置,可以通过与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的相关序列的滤波参数对待滤波时间序列进行滤波,由于相关序列包含的噪声少于待滤波时间序列,从而相关序列携带的滤波信息比待滤波时间序列携带的滤波信息更准确,因此,可以提高对待滤波时间序列进行滤波的效果。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
获得与待滤波时间序列存在相关性、且包含的噪声少于所述待滤波时间序列的时间序列,作为相关序列;其中,与所述待滤波时间序列存在相关性的时间序列为:与所述待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;所述待滤波时间序列和所述相关序列中每一序列数值存在对应的采样时间;
针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为所述待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
根据所述待滤波时间序列中每个序列数值的滤波参数,对所述待滤波时间序列进行滤波。
本发明实施例提供的如图7所示的电子设备,可以通过与待滤波时间序列存在相关性、且包含的噪声少于待滤波时间序列的相关序列的滤波参数对待滤波时间序列进行滤波,由于相关序列包含的噪声少于待滤波时间序列,从而相关序列携带的滤波信息比待滤波时间序列携带的滤波信息更准确,因此,可以提高对待滤波时间序列进行滤波的效果。
需要说明的是,上述电子设备实现滤波方法的其他实施例,与前述方法实施例部分提及的滤波方法相同,在此不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中任一所述的滤波方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的滤波方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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“包括一个……”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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质、计算机程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种滤波方法,其特征在于,包括:
获得与待滤波时间序列存在相关性、且包含的噪声少于所述待滤波时间序列的时间序列,作为相关序列;其中,与所述待滤波时间序列存在相关性的时间序列为:与所述待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;所述待滤波时间序列和所述相关序列中每一序列数值存在对应的采样时间;
针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为所述待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
根据所述待滤波时间序列中每个序列数值的滤波参数,对所述待滤波时间序列进行滤波。
2.根据权利要求1所述的方法,其特征在于,所述针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,包括:
按照以下方式确定所述相关序列中每个序列数值的滤波参数:
从所述相关序列中选择序列号与第一序列数值的序列号之间的序列号差值的绝对值小于预设差值的序列数值,作为第二序列数值;其中,所述第一序列数据为待确定滤波参数的序列数值;
根据每个第二序列数值与所述第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数。
3.根据权利要求2所述的方法,其特征在于,所述待滤波时间序列对应有采样时间间隔,所述采样时间间隔为所述待滤波时间序列相邻序列数值的采样时间差;
所述根据每个第二序列数值与所述第一序列数值之间的采样时间差和数值差,确定该序列数值的滤波参数,包括:
计算每个第二序列数值与该第二序列数值的邻近序列数值之间的数值差,作为邻近数值差,其中,第二序列数值的邻近序列数值为:序列号在该第二序列数值的序列号和所述第一序列数值的序列号之间、且与该第二序列数值相邻的序列数值;
确定每个第二序列数值与第一序列数值的序列号差值;
根据每个第二序列数值与第一序列数值的序列号差值和所述待滤波时间序列对应的采样时间间隔,确定该第二序列数值对第一序列数值的影响力参数,其中,第二序列数值对第一序列数值的影响力参数表征对第一序列数值进行滤波时第二序列数值所产生影响的程度;
根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数。
5.根据权利要求3或4所述的方法,其特征在于,所述根据每个第二序列数值对应的邻近数值差和影响力参数,确定第一序列数值的滤波参数,包括:
根据每个第二序列数值对应的邻近数值差,确定该第二序列数值相对于与第一序列数值的采样时间相同的第二序列数值的变化程度,所述变化程度表征数值变化大小;
根据每个第二数值的变化程度和影响力参数,确定第一数值的滤波参数。
8.一种滤波装置,其特征在于,包括:
相关序列获得模块,用于获得与待滤波时间序列存在相关性、且包含的噪声少于所述待滤波时间序列的时间序列,作为相关序列;其中,与所述待滤波时间序列存在相关性的时间序列为:与所述待滤波时间序列反映同一对象属性的变化趋势、且变化趋势相同的时间序列;所述待滤波时间序列和所述相关序列中每一序列数值存在对应的采样时间;
滤波参数确定模块,用于针对所述相关序列中的每个序列数值,根据所述相关序列中其他序列数值与该序列数值的采样时间差和数值差,确定该序列数值的滤波参数,作为所述待滤波时间序列中与该序列数值采样时间相同的序列数值的滤波参数;
时间序列滤波模块,用于根据所述待滤波时间序列中每个序列数值的滤波参数,对所述待滤波时间序列进行滤波。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110136416.6A CN112835883A (zh) | 2021-02-01 | 2021-02-01 | 一种滤波方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110136416.6A CN112835883A (zh) | 2021-02-01 | 2021-02-01 | 一种滤波方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112835883A true CN112835883A (zh) | 2021-05-25 |
Family
ID=75931335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110136416.6A Pending CN112835883A (zh) | 2021-02-01 | 2021-02-01 | 一种滤波方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835883A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈(洛阳)测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
CN111259269A (zh) * | 2020-01-10 | 2020-06-09 | 上海海事大学 | 基于时间序列数据的异常点检测方法、设备和存储介质 |
CN112100577A (zh) * | 2020-09-16 | 2020-12-18 | 山东大学 | 基于长程相关性的设备运行稳定性在线监测方法及系统 |
-
2021
- 2021-02-01 CN CN202110136416.6A patent/CN112835883A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈(洛阳)测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
CN111259269A (zh) * | 2020-01-10 | 2020-06-09 | 上海海事大学 | 基于时间序列数据的异常点检测方法、设备和存储介质 |
CN112100577A (zh) * | 2020-09-16 | 2020-12-18 | 山东大学 | 基于长程相关性的设备运行稳定性在线监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021057848A1 (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN109643397B (zh) | 时间序列数据特征量提取装置、时间序列数据特征量提取方法和时间序列数据特征量提取程序 | |
CN113282960B (zh) | 一种基于联邦学习的隐私计算方法、装置、系统及设备 | |
CN108564550B (zh) | 图像处理方法、装置及终端设备 | |
CN113344986B (zh) | 点云配准结果的评估方法、装置、设备及存储介质 | |
CN112449703A (zh) | 在设备中的神经网络模型的量化方法和装置 | |
CN110489826B (zh) | 岩体边坡安全系数计算方法、装置及终端设备 | |
CN107564020A (zh) | 一种图像区域确定方法及装置 | |
CN108053214B (zh) | 一种虚假交易的识别方法和装置 | |
CN112213728A (zh) | 一种超声测距方法、装置、计算机可读存储介质及机器人 | |
CN111340735A (zh) | 一种led屏体校正方法、装置及终端 | |
CN110324352A (zh) | 识别批量注册账号群的方法及装置 | |
CN112835883A (zh) | 一种滤波方法、装置及电子设备 | |
CN113572721B (zh) | 一种异常访问检测方法、装置、电子设备及存储介质 | |
CN112097772A (zh) | 机器人及其地图构建方法和装置 | |
CN109165648B (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
WO2021000495A1 (zh) | 一种图像处理方法以及装置 | |
CN115452101A (zh) | 一种仪表检定方法、装置、设备及介质 | |
CN108416426B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN111161789A (zh) | 一种模型预测的关键区域的分析方法及装置 | |
CN107798249B (zh) | 行为模式数据的发布方法及终端设备 | |
CN116152816A (zh) | 封闭区域的识别方法、装置、电子设备和存储介质 | |
CN115439426A (zh) | 一种宽度信息确定方法、装置及电子设备 | |
CN112990163B (zh) | 指纹校准方法、电子设备及存储介质 | |
CN114743075A (zh) | 点云模型的检测方法和装置、电子设备和可读存储介质 |
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 |