CN113077121B - 一种基于多维度属性群决策的信号质量异常原因定位方法 - Google Patents
一种基于多维度属性群决策的信号质量异常原因定位方法 Download PDFInfo
- Publication number
- CN113077121B CN113077121B CN202110264755.2A CN202110264755A CN113077121B CN 113077121 B CN113077121 B CN 113077121B CN 202110264755 A CN202110264755 A CN 202110264755A CN 113077121 B CN113077121 B CN 113077121B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- weight
- signal quality
- expert
- index
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Abstract
本发明公开了一种基于多维度属性群决策的信号质量异常原因定位方法。本方法首先确定一级优先指标,然后确定二级异常原因指标体系;利用熵权系数法确定异常原因指标权重,根据专家一致性原则,利用相似度函数确定专家权重;将专家权重与指标权重结合得到的综合权重,再与一级优先指标权重结合得到最终权重;根据异常原因矩阵确定标准化的异常原因矩阵,然后与最终权重结合,根据得到的异常原因综合值大小进行排序,从而得到信号质量异常原因的排序。本发明可有效解决传统手段遍历排查效率低下且部分故障无法定位的难题,对信号质量异常原因精准定位具有重要意义。
Description
技术领域
本发明属于GNSS信号质量分析技术领域,涉及基于多维度属性群决策的信号质量异常原因定位方法。
背景技术
随着2020年北斗三号全球卫星导航系统的组网完成,标志着卫星导航系统开始正式进入了四大导航系统相互竞争的GNSS时代。卫星导航系统不仅在军事应用领域发挥了极大的价值,更是在城市规划、经济建设、抢险救灾等方面应用效果显著。然而,随着现代无线电业务的快速发展,大量的适宜频带资源被占用殆尽,尤其是适合卫星导航信号的L频段资源内掺杂着其他无线电业务频段,加之L频段内各导航系统之间的兼容互用性,导致了卫星导航系统各频点信号极易受到干扰,造成导航定位精度下降。因此,准确快速定位导航信号质量异常,对于排查信号质量异常原因,及时采取相应技术手段快速恢复导航信号至关重要。而目前,尚没有一种完善的评估信号质量异常原因定位的方法。
发明内容
本发明的目的在于提供一种基于多维度属性群决策的信号质量异常原因定位方法。该方法针对GNSS信号质量异常原因进行分析定位,实现了对信号质量异常原因的定量分析,提升了信号质量异常原因诊断的可靠性,对快速准确诊断信号质量异常原因提供了一种有效途径。
本发明采用的技术方案为:
一种基于多维度属性群决策的信号质量异常原因定位方法,包括如下步骤:
步骤1:根据信号质量数据建立信号质量数据库,并根据信号质量异常原因的历史统计确定一级优先指标;从信号质量数据库中获取信号质量异常数据并提取异常因素,确立二级异常原因指标体系;
步骤2:根据二级异常原因指标体系,确定专家给出的异常原因决策矩阵,并对异常原因决策矩阵进行改进的规范化处理,得到规范化异常原因决策矩阵;
步骤3:根据改进的规范化异常原因决策矩阵,用熵权系数法确定二级异常原因指标体系中各异常指标的指标权重;
步骤4:根据专家意见一致性原则,利用专家决策与群体决策之间相似度的方法,计算专家决策和群体决策之间的完全理想距离和完全非理想距离,通过综合权值距离得到专家决策结果的相似度函数,将相似度函数归一化即为专家权重;
步骤5:将指标权重和专家权重进行结合,得到综合权重;再结合一级优先指标权重得到最终权重;
步骤6:将异常原因决策矩阵进行标准化处理,得到异常原因矩阵;并与最终权重进行结合,得到异常原因的综合值;根据综合值排序即得到异常原因。
其中,所述步骤1包括:
步骤1.1:根据信号质量数据建立信号质量数据库Q={Q1,Q2,Q3…Qn};
步骤1.2:根据信号质量异常原因的历史统计,将信号质量异常发生的频次L0,作为异常原因中的一级优先指标,根据信号质量异常发生的频次,将信号质量异常分为低频次、中频次和高频次三类,权重为ω0;
步骤1.3:根据信号质量异常数据提取评估因素,异常因素包括:原始层数据异常和接收层数据异常;
步骤1.4:将异常因素细分为二级异常原因指标,得到含有多个异常原因指标的二级异常原因指标体系L。
其中,所述步骤2包括:
步骤2.1:由二级异常原因指标体系L得到第t个专家dt对信号质量异常原因的决策矩阵C′t,如下:
步骤2.2:将二级异常原因指标体系中所有指标分为成本型指标和效益型指标,并按照如下公式进行改进的规范化处理:
经上述公式处理后,得到规范化异常原因决策矩阵Ct:
其中,所述步骤3包括:
其中,所述步骤4包括:
则专家群体决策结果为:
步骤4.3:根据如下公式,计算专家dt个体决策结果和群体决策结果的相似度向量Rt=(rt1,…,rtn)T:
由上式可知,将专家群体决策结果X作为理想群决策结果X*,则理想相似度向量R*=(1,1,…,1)T;根据模糊理论中互补集合的定义,完全非理想群决策结果X‘的相似度向量R′=(0,0,…,0)T,则专家个体决策与群体决策之间的距离关系为:
式中,D(Rt,R*)和d(Rt,R′)分别为专家个体决策结果与完全理想决策结果和完全非理想决策结果之间的距离;
步骤4.4:专家dt的个体决策结果Yt相对于X*的相似度为ut,专家dt的综合权重距离为:
F(ut)=[utD(Rt,R*)]2+[(1-ut)d(Rt,R′)]2
步骤4.5:将相似度归一化为专家的权重:
其中,所述步骤5包括:
式中,h是专家权重相对于指标权重的有效系数;
其中,所述步骤6包括:
其中,
式中,n表示待评价的信号质量数据总数,m表示二级异常原因指标总数;
步骤6.2:将最终权重Z和标准化的异常原因矩阵At结合,得到异常原因综合值fi为:
根据fi大小可以得出信号质量异常数据的排序,fi越大,表明造成信号质量异常原因的可能性越高。
本发明相比现有技术的优点为:
本发明实现了对信号质量异常原因的定量分析,提升了信号质量异常原因诊断的可靠性。
附图说明
图1是本发明的一种基于多维度属性群决策的信号质量异常原因定位方法的流程图。
具体实施方式
如图1所示,本发明的一种基于多维度属性群决策的信号质量异常原因定位方法,包括如下步骤:
步骤1:根据信号质量数据建立信号质量数据库,并确定一级优先指标;从信号质量数据库中获取信号质量异常数据,确立二级异常原因指标体系,所述步骤1包括:
步骤1.1:根据信号质量数据建立信号质量数据库Q={Q1,Q2,Q3…Qn};
步骤1.2:根据信号质量异常原因的历史统计,将信号质量异常发生的频次L0,作为异常原因中的一级优先指标,根据信号质量异常发生的频次,将信号质量异常分为低频次、中频次和高频次三类,权重为ω0;
步骤1.3:根据信号质量异常数据提取评估因素,异常因素包括:原始层数据异常和接收层数据异常;
步骤1.4:将异常因素细分为二级异常原因指标,得到含有多个异常原因指标的二级异常原因指标体系L。
在具体实施时,原始层数据分为时域、频域和调制域,其中信号质量异常因素共有12项指标;接收层数据分为相关域和测量域,其中信号质量异常因素共有6项指标;因此,共有信号质量异常因素指标18项,各指标的解释如下:
(1)电文符号L1
电文符号是指接收机得到的编码后的电文符号值,位同步和副载波同步(次级码同步)之后得到的结果就是电文符号,将其按照时间排列,然后与发射电文进行比对,并统计电文的误符号率。导航接收机正常情况下要求的误符号率小于10-6。
(2)伪码符号L2
伪码符号指对载荷发射信号的伪码与本地伪码进行比对,并统计载荷发射伪码的误码率。一般情况下,伪码符号的误码率小于10-3。
(3)眼图L3
眼图可以直接描述信号受外界环境因素或者噪声的影响程度,从叠加后的脉冲观测码间干扰以及外界干扰噪声对“眼状”信号的影响。
(4)基带波形L4
时域基带波形指将卫星信号中的载波和多普勒分量去除后得到的基带信号波形。通过对基带波形的分析,可以对导航信号的时域参数进行估计,进而评判导航信号的时域波形指标是否满足要求。
(5)载荷发射功率L5
载荷发射功率是指卫星天线发射时的信号功率,其大小直接影响地面接收机测距精度和解调误码率。可根据各大导航系统规定的导航信号地面接收功率指标,判断卫星EIRP是否达标的标准。
(6)带外辐射功率L6
带外辐射功率是指在正常频带发射范围内的其他无用的辐射功率。对GNSS而言,如果带外辐射超过设计指标,可能会对其他无线电业务造成影响。不同GNSS带外辐射功率要求不一样,详细参见对应的带外辐射功率指标。
(7)合成功率谱偏差L7
合成信号功率谱与理想信号功率谱间的差别简称为合成功率谱偏差。北斗星地对接和在轨测试要求发射带宽内合成功率谱主瓣包络偏差小于0.5dB(非零点)。
(8)分量功率谱偏差L8
不同信号分量占用不同频率位置,卫星信号分量功率谱偏差重点考察各自信号分量主瓣功率谱偏差,其指标与合成功率谱偏差一样,也要求主瓣包络偏差小于0.5dB(非零点)。
(9)星座图L9
星座图可用于观测每个码片在复平面的幅度和相位情况,可以让测试人员清楚的从星座图中看到信号调制方式的失真情况。
(10)矢量图L10
矢量图则描述各星座点的转移变化情况,在绘制矢量图时需要添加各个调制符号间的变化过程,从矢量图中可以明显观察出各符号直接跃变过程中是否存在异常,从矢量图上可以看到卫星信号的调制质量,准确的反映某些信号状态的异常情况,并对模拟失真情况进行评估。
(11)误差矢量幅度L11
误差矢量幅度描述实际星座点矢量与理论矢量间的偏差的幅度,能够直接表征星座点失真后到理论星座点之间的距离。
(12)载波抑制L12
载波抑制描述载波泄漏程度,一般载波泄漏会导致信号星座点产生整体偏移,载波泄漏功率越强,星座图偏移距离越大。
(13)相关损耗L13
相关损耗可以完成对理想相关峰峰值与实际相关峰峰值偏差情况的分析。GNSS中不同的信号类型,相关损耗标准也不一样。如,北斗系统中,B1I信号的相关损耗小于0.6dB。
(14)S曲线过零点偏移L14
S曲线过零点偏移反映了导航信号相关峰的性能,一定程度上反映了接收机在跟踪导航信号时的所能够达到的测距精度。GNSS中不同的信号类型,S曲线过零点偏移标准也不一样。如北斗三号S曲线过零点偏移,B1I信号的过零点偏移要求小于等于0.5ns。
(15)复用效率L15
多路信号的复用效率指各信号分量功率占信号总功率比值,用于反映复用信号码片波形的变化。北斗三号系统中,大系统要求同频段有用信号分量的功率比偏差优于0.5dB,而复用效率偏差优于1%。
(16)码载波频率相干性L16
测距码和载波频率测试的重点是测距码与载波是否严格相干。一般的导航系统二者偏差应控制在5×10-11以下。
(17)伪距合理性L17
伪距合理性能够完成对卫星信号伪距测距值的筛选,当测量的伪距出现问题时,应立即发出告警,停止使用该卫星进行定位,否则会得到误差较大的定位结果。
(18)码载波相干性L18
一般用码载波相干性表征同一个信号分量码载波伪距和载波伪距的一致性。将测试的码载波相干性与设定的判决门限进行比较,当超过判决门限,则认为卫星信号存在问题。
表1异常因素指标表
步骤2:根据二级异常原因指标体系,确定专家给出的异常原因决策矩阵,并对异常原因决策矩阵进行改进的规范化处理,得到规范化后的异常原因决策矩阵,所述步骤2包括:
步骤2.1:由二级异常原因指标体系L得到第t个专家dt对信号质量异常原因的决策矩阵C′t,如下:
步骤2.2:将二级异常原因指标体系中所有指标分为成本型指标和效益型指标,并按照如下公式进行改进的规范化处理:
经上述公式处理后,得到规范化异常原因决策矩阵Ct:
步骤3:根据改进的规范化异常原因决策矩阵,用熵权系数法确定二级异常原因指标体系中各异常指标的指标权重,所述步骤3包括:
步骤4:根据专家意见一致性原则,利用专家决策与群体决策之间相似度的方法,计算专家决策和群体决策之间的完全理想距离和完全非理想距离,通过综合权值距离得到专家决策结果的相似度函数,将相似度函数归一化即为专家权重,所述步骤4包括:
则专家群体决策结果为:
步骤4.3:根据如下公式,计算专家dt个体决策结果和群体决策结果的相似度向量Rt=(rt1,…,rtn)T:
由上式可知,将专家群体决策结果X作为理想群决策结果X*,则理想相似度向量R*=(1,1,…,1)T;根据模糊理论中互补集合的定义,完全非理想群决策结果X‘的相似度向量R′=(0,0,…,0)T,则专家个体决策与群体决策之间的距离关系为:
式中,D(Rt,R*)和d(Rt,R′)分别为专家个体决策结果与完全理想决策结果和完全非理想决策结果之间的距离;
步骤4.4:专家dt的个体决策结果Yt相对于X*的相似度为ut,专家dt的综合权重距离为:
F(ut)=[utD(Rt,R*)]2+[(1-ut)d(Rt,R′)]2
步骤4.5:将相似度归一化为专家的权重:
步骤5:将指标权重和专家权重进行结合,得到综合权重;再结合一级优先指标权重得到最终权重,所述步骤5包括:
式中,h是专家权重相对于指标权重的有效系数;
步骤6:将异常原因决策矩阵进行标准化处理,得到异常原因矩阵;并与最终权重进行结合,得到异常原因的综合值;根据综合值排序即可得到异常原因,所述步骤6包括:
其中,
式中,n表示待评价的信号质量数据总数,m表示二级异常原因指标总数;
步骤6.2:将最终权重Z和标准化的异常原因矩阵At结合,得到异常原因综合值fi为:
根据fi大小可以得出信号质量异常数据的排序,fi越大,表明造成信号质量异常原因的可能性越高。
本发明信号质量异常原因定位方法对卫星导航信号质量异常原因进行定位分析,能够快速发现信号异常,准确评估异常原因,提升了信号质量异常原因判断的可靠性。本发明可有效解决传统手段遍历排查效率低下且部分故障无法定位的难题,对信号质量异常原因精准定位具有重要意义。
Claims (5)
1.一种基于多维度属性群决策的信号质量异常原因定位方法,其特征在于,包括如下步骤:
步骤1:根据信号质量数据建立信号质量数据库,并根据信号质量异常原因的历史统计确定一级优先指标;从信号质量数据库中获取信号质量异常数据并提取异常因素,确立二级异常原因指标体系;
步骤2:根据二级异常原因指标体系,确定专家给出的异常原因决策矩阵,并对异常原因决策矩阵进行改进的规范化处理,得到规范化异常原因决策矩阵;
步骤3:根据改进的规范化异常原因决策矩阵,用熵权系数法确定二级异常原因指标体系中各异常指标的指标权重;
步骤4:根据专家意见一致性原则,利用专家决策与群体决策之间相似度的方法,计算专家决策和群体决策之间的完全理想距离和完全非理想距离,通过综合权值距离得到专家决策结果的相似度函数,将相似度函数归一化即为专家权重;
步骤5:将指标权重和专家权重进行结合,得到综合权重;再结合一级优先指标权重得到最终权重;
步骤6:将异常原因决策矩阵进行标准化处理,得到异常原因矩阵;并与最终权重进行结合,得到异常原因的综合值;根据综合值排序即得到异常原因;
其中,所述步骤4包括:
则专家群体决策结果为:
步骤4.3:根据如下公式,计算专家dt个体决策结果和群体决策结果的相似度向量Rt=(rt1,…,rtn)T:
由上式可知,将专家群体决策结果X作为理想群决策结果X*,则理想相似度向量R*=(1,1,…,1)T;根据模糊理论中互补集合的定义,完全非理想群决策结果X‘的相似度向量R’=(0,0,…,0)T,则专家个体决策与群体决策之间的距离关系为:
式中,D(Rt,R*)和d(Rt,R')分别为专家个体决策结果与完全理想决策结果和完全非理想决策结果之间的距离;
步骤4.4:专家dt的个体决策结果Yt相对于X*的相似度为ut,专家dt的综合权重距离为:
F(ut)=[utD(Rt,R*)]2+[(1-ut)d(Rt,R')]2
步骤4.5:将相似度归一化为专家的权重:
其中,所述步骤1包括:
步骤1.1:根据信号质量数据建立信号质量数据库Q={Q1,Q2,Q3…Qn};
步骤1.2:根据信号质量异常原因的历史统计,将信号质量异常发生的频次L0,作为异常原因中的一级优先指标,根据信号质量异常发生的频次,将信号质量异常分为低频次、中频次和高频次三类,权重为ω0;
步骤1.3:根据信号质量异常数据提取评估因素,异常因素包括:原始层数据异常和接收层数据异常;其中,原始层数据分为时域、频域和调制域,接收层数据分为相关域和测量域;
步骤1.4:将异常因素细分为二级异常原因指标,得到含有多个异常原因指标的二级异常原因指标体系L。
2.根据权利要求1所述的一种基于多维度属性群决策的信号质量异常原因定位方法,其特征在于,所述步骤2包括:
步骤2.1:由二级异常原因指标体系L得到第t个专家dt对信号质量异常原因的决策矩阵C't,如下:
步骤2.2:将二级异常原因指标体系中所有指标分为成本型指标和效益型指标,并按照如下公式进行改进的规范化处理:
经上述公式处理后,得到规范化异常原因决策矩阵Ct:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264755.2A CN113077121B (zh) | 2021-03-11 | 2021-03-11 | 一种基于多维度属性群决策的信号质量异常原因定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264755.2A CN113077121B (zh) | 2021-03-11 | 2021-03-11 | 一种基于多维度属性群决策的信号质量异常原因定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077121A CN113077121A (zh) | 2021-07-06 |
CN113077121B true CN113077121B (zh) | 2022-10-11 |
Family
ID=76612222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264755.2A Active CN113077121B (zh) | 2021-03-11 | 2021-03-11 | 一种基于多维度属性群决策的信号质量异常原因定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077121B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115022917B (zh) * | 2022-05-30 | 2023-08-18 | 中国电信股份有限公司 | 异常小区检测方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693287A (zh) * | 2012-05-11 | 2012-09-26 | 北京航空航天大学 | 一种基于聚类方法和粒子群方法的群体决策共识度自动调整方法 |
CN103810082A (zh) * | 2012-11-06 | 2014-05-21 | 西安元朔科技有限公司 | 多属性群决策专家权重调整的嵌入式计算机性能评价算法 |
CN109784732A (zh) * | 2019-01-18 | 2019-05-21 | 西南交通大学 | 一种能源互联网安全评估的多属性决策方法 |
CN110298573A (zh) * | 2019-06-20 | 2019-10-01 | 国网辽宁省电力有限公司鞍山供电公司 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
CN110324675A (zh) * | 2019-06-26 | 2019-10-11 | 航天恒星科技有限公司 | 对卫星广播电视系统进行信号质量监测的方法和设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102522783B (zh) * | 2012-01-17 | 2014-09-24 | 郑州电力高等专科学校 | 多用户自动协商的非并网的微电网调度方法 |
CN103869334B (zh) * | 2013-12-27 | 2016-02-24 | 中国科学院国家授时中心 | Gnss空间信号畸变的自动识别与处理方法 |
CN107203842B (zh) * | 2017-05-18 | 2020-07-17 | 西南交通大学 | 基于扩展云相似度与逼近理想解的谐波污染水平评估方法 |
-
2021
- 2021-03-11 CN CN202110264755.2A patent/CN113077121B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693287A (zh) * | 2012-05-11 | 2012-09-26 | 北京航空航天大学 | 一种基于聚类方法和粒子群方法的群体决策共识度自动调整方法 |
CN103810082A (zh) * | 2012-11-06 | 2014-05-21 | 西安元朔科技有限公司 | 多属性群决策专家权重调整的嵌入式计算机性能评价算法 |
CN109784732A (zh) * | 2019-01-18 | 2019-05-21 | 西南交通大学 | 一种能源互联网安全评估的多属性决策方法 |
CN110298573A (zh) * | 2019-06-20 | 2019-10-01 | 国网辽宁省电力有限公司鞍山供电公司 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
CN110324675A (zh) * | 2019-06-26 | 2019-10-11 | 航天恒星科技有限公司 | 对卫星广播电视系统进行信号质量监测的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113077121A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359270B (zh) | 北斗地基增强系统完好性风险监测的阈值模型建立方法 | |
CN103033824B (zh) | 高性能导航卫星空间信号质量评估方法 | |
Rødseth et al. | Big data in shipping-Challenges and opportunities | |
Zahedi et al. | A framework for QoI-inspired analysis for sensor network deployment planning | |
CN110068840B (zh) | 一种基于伪距测量特征值提取的araim故障检测方法 | |
CN102510363A (zh) | 一种强干扰源环境下的lfm信号检测方法 | |
CN101334434A (zh) | 利用小波变换提取电磁泄漏信号的电磁环境测试系统 | |
CN113077121B (zh) | 一种基于多维度属性群决策的信号质量异常原因定位方法 | |
CN112213742A (zh) | 一种卫星导航系统信号质量监测方法 | |
CN111934792B (zh) | 一种北斗卫星导航信号质量评估的服务性能测试方法 | |
CN103346847B (zh) | 基于迭代攻击检测的联合压缩频谱感知方法 | |
Imam et al. | Distinguishing ionospheric scintillation from multipath in GNSS signals using bagged decision trees algorithm | |
CN110061789A (zh) | 灰色关联分析与改进ds推理的电子设备故障诊断方法 | |
CN114384561A (zh) | 一种用于北斗导航系统连续运行参考站的故障定位系统及方法 | |
CN103869334B (zh) | Gnss空间信号畸变的自动识别与处理方法 | |
CN114337792A (zh) | 卫星通信信号故障诊断方法及装置 | |
CN112596080B (zh) | 无人机差分北斗起降引导系统完好性指标的测试方法 | |
US20210271989A1 (en) | Method for predicting vessel density in a surveillance area | |
CN111007539B (zh) | 北斗频段的干扰分析方法及其动态调整方法 | |
Hou et al. | A key lifetime parameters extraction method for T/R module based on association rule | |
Stocker et al. | Applying NLOS Classification and Error Correction Techniques to UWB Systems: Lessons Learned and Recommendations | |
CN116340533B (zh) | 一种基于知识图谱的星载电磁频谱大数据智能处理系统 | |
CN112766459B (zh) | 一种基于生成器的异常检测方法 | |
Zhi et al. | A data-driven risk analysis of Arctic ship navigation accidents | |
CN113126130B (zh) | 一种多层次深耦合的导航信号异常高精度监测方法 |
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 |