CN113300792B - 一种用于极弱射频干扰的标记方法、系统和存储介质 - Google Patents

一种用于极弱射频干扰的标记方法、系统和存储介质 Download PDF

Info

Publication number
CN113300792B
CN113300792B CN202110527544.3A CN202110527544A CN113300792B CN 113300792 B CN113300792 B CN 113300792B CN 202110527544 A CN202110527544 A CN 202110527544A CN 113300792 B CN113300792 B CN 113300792B
Authority
CN
China
Prior art keywords
matrix
radio frequency
amplitude
value
convolution
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
Application number
CN202110527544.3A
Other languages
English (en)
Other versions
CN113300792A (zh
Inventor
曹忠
孙浩民
王�锋
邓辉
李伟杰
谈磊
梅盈
王金
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202110527544.3A priority Critical patent/CN113300792B/zh
Publication of CN113300792A publication Critical patent/CN113300792A/zh
Application granted granted Critical
Publication of CN113300792B publication Critical patent/CN113300792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • H04B17/345Interference values
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Abstract

本发明公开了一种用于极弱射频干扰的标记方法、系统和存储介质,方法包括:计算观测数据中可见度数据的幅值,根据幅值得到幅值矩阵;对幅值矩阵进行信噪比卷积运算,得到卷积矩阵;根据幅值矩阵和卷积矩阵计算得到差值矩阵;当差值矩阵内的数值小于预设值,标记小于预设值的数值。本发明通过计算可见度数据的幅值后得到幅值矩阵,接着对幅值矩阵进行信噪比卷积运算后得到卷积矩阵,并根据幅值矩阵和卷积矩阵计算得到差值矩阵,然后在确定差值矩阵内的数值小于预设值后,标记小于预设值的数值,既可标记出数据中的极弱射频干扰,从而使得后续区分过程能够有效地区分出极弱射频干扰和同样非常弱的信号。本发明可广泛应用于射频天文技术领域。

Description

一种用于极弱射频干扰的标记方法、系统和存储介质
技术领域
本发明涉及射频天文技术领域,尤其是一种用于极弱射频干扰的标记方法、系统和存储介质。
背景技术
在一些情况下,弱射频干扰的存在会对高灵敏度数据的观测产生潜在的影响。例如,以平方公里射频阵计划的首要科学目标——宇宙再电离的21cm信号的探测为例,该信号是一个非常弱的信号,经过漫长的红移,其谱线已经到达了米波波段。在如此低频的波段,银河系的射频辐射要比所要探测的21cm信号高5个数量级。此外还有银河系外的射频源,如河外星系的射频辐射,地球上电视、广播、手机等通信信号,以及地球大气的电离层等都会对数据的处理造成干扰。
因此,若要从一堆噪声中提取微弱的信号,则必须将极弱的干扰和同样非常弱的信号区分开。而目前基于阈值法和机器学习方法均不能很好的将极弱射频干扰和同样非常弱的信号区分标记,从而无法有效的将两者区分开。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种用于极弱射频干扰的标记方法、系统和存储介质,能够有效区分极弱射频干扰和同样非常弱的信号。
第一方面,本发明实施例提供了一种用于极弱射频干扰的标记方法,包括以下步骤:
获取观测数据中的可见度数据;
计算所述可见度数据的幅值,根据所述幅值得到幅值矩阵;
对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵;
根据所述幅值矩阵和所述卷积矩阵计算得到差值矩阵;
当所述差值矩阵内的数值小于预设值,标记小于预设值的数值。
本发明实施例提供的一种用于极弱射频干扰的标记方法,具有如下有益效果:
本实施例通过计算观测数据中的可见度数据的幅值后得到幅值矩阵,接着对幅值矩阵进行信噪比卷积运算后得到卷积矩阵,并根据幅值矩阵和卷积矩阵计算得到差值矩阵,然后在确定差值矩阵内的数值小于预设值后,标记小于预设值的数值,既可标记出数据中的极弱射频干扰,从而使得后续区分过程能够有效区分出极弱射频干扰和同样非常弱的信号。
可选地,所述对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵,包括:
确定卷积核参数;
根据所述卷积核参数对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵。
可选地,所述卷积核参数包括卷积核大小和卷积核内参数;所述确定卷积核参数,包括:
确定卷积核大小的参数;
获取预设参数;
根据所述卷积核大小的参数和所述预设参数确定所述卷积核内参数。
可选地,所述根据所述卷积核参数对所述幅值矩阵进行信噪比卷积运算,包括:
确定所述幅值矩阵的大小;
根据所述卷积核大小的参数确定填充矩阵的大小;
确定所述填充矩阵的填充方式;
根据确定结果对所述幅值矩阵进行信噪比卷积运算,所述确定结果包括幅值矩阵的大小、填充矩阵的大小和填充方式的确定结果。
可选地,所述当所述差值矩阵内的数值小于预设值,标记小于预设值的数值,包括:
当所述差值矩阵内的数值小于预设值,确定小于预设值的数值为极弱射频干扰的数值;
对所述极弱射频干扰的数值进行标记。
可选地,所述观测数据通过以下方式获取:
从射频干涉阵的射频信号中获取观测数据,所述射频信号为所述射频干涉阵采集并处理后的信号;
或者
从射频望远镜的历史数据中获取观测数据。
可选地,所述获取观测数据中的可见度数据,包括:
根据观测数据对应天文台内的数据读写方式获取可见度数据;
或者
根据预设软件从预设文件内获取可见度数据,所述预设文件内存储有所述观测数据。
第二方面,本发明实施例提供了一种用于极弱射频干扰的标记系统,包括:
获取模块,用于获取观测数据中的可见度数据;
第一计算模块,用于计算所述可见度数据的幅值,根据所述幅值得到幅值矩阵;
卷积运算模块,用于对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵;
第二计算模块,用于根据所述幅值矩阵和所述卷积矩阵计算得到差值矩阵;
标记模块,用于当所述差值矩阵内的数值小于预设值,标记小于预设值的数值。
第三方面,本发明实施例提供了一种用于极弱射频干扰的标记系统,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行第一方面实施例提供的用于极弱射频干扰的标记方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行第一方面实施例提供的用于极弱射频干扰的标记方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1为本发明实施例的一种用于极弱射频干扰的标记方法的流程图;
图2为本发明实施例的信噪比卷积核示意图;
图3为本发明实施例的卷积核参数设置示意图;
图4为本发明实施例的卷积过程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在噪声中提取微弱的信号时,必须尽可能的将极弱射频干扰和同样非常弱的信号区分开。而由于两者信号大小非常接近,从而使得目前的区分方式无法有效区分出极弱射频干扰和同样非常弱的信号。
基于此,本发明实施例提供了一种用于极弱射频干扰的标记方法。本实施可应用于射频信号处理终端对应的处理器内,也可以应用于服务器。具体地,本实施例通过计算观测数据中的可见度数据的幅值后得到幅值矩阵,接着对幅值矩阵进行信噪比卷积运算后得到卷积矩阵,并根据幅值矩阵和卷积矩阵计算得到差值矩阵,然后在确定差值矩阵内的数值小于预设值后,标记小于预设值的数值,既可标记出数据中的极弱射频干扰,从而使得后续区分过程能够有效区分出极弱射频干扰和同样非常弱的信号。
如图1所示,本实施例在应用于过程中包括步骤S11至S15:
S11、获取观测数据中的可见度数据。
在本申请实施例中,观测数据可以直接从射频干涉阵中的射频信号中获取,该射频信号为射频干涉阵中对采集的数据进行处理后得到的信号。观测数据也可以是从射频望远镜采集并按照特定格式保存后的数据中获取。其中,特定格式包括测量集文件格式、HDF5文件格式。测量集文件格式为天文数据处理软件常用的数据格式。每个天文台的数据处理方式都不相同,但是,为了天文数据可以流通,大多数天文台都会给出一个接口来将自己的观察数据保存为测量集文件格式。此外,观测数据还可以从射频望远镜的历史数据中直接获取。具体地,观测数据的获取方式,根据实际的需要进行适应性的选择。实际的获取方式包括但不限于上述获取方式。
在本申请实施例中,在获取到观测数据后,从观测数据中提取可见度数据。具体地,可以根据观测数据对应天文台内的数据读写方式获取可见度数据,或者根据预设软件从预设文件内获取可见度数据。其中,预设文件内存储有所述观测数据。在本实施例中,预设软件包括但不限于天文数据处理软件,预设文件包括但不限于测量集文件。根据预设软件从预设文件内获取可见度数据的方式包括但不限于以下步骤,其中,以RASCIL从测量集MS文件中读取可见度数据为例,RASCIL为SKA的算法参考库:
步骤1、在程序中调用RASCIL软件的create_blockvisibility_from_ms函数,读取MS文件内容并转化为RASCIL的BlockVisibility类。
步骤2、在BlockVisibility类中的属性data中,以键值对的形式保存着观测数据,其结构为[ntimes,nants,nants,nchan,npol],此处需要对ntimes、nchan进行切片,取得[ntimes,nchan]组成的二维复数矩阵,该矩阵即为可见度数据。
S12、计算可见度数据的幅值,根据幅值得到幅值矩阵。
在本申请实施例中,采用复数形式表示可见度数据。可通过公式1计算可见度数据的幅值:
Figure BDA0003066640120000051
An表示第n个像素点的幅值,an表示第n个像素点的实部,bn表示第n个像素点的虚部。
通过公式1计算每个可见度数据的幅值大小,即可得到每个可见度数据对应的幅值,然后将所有幅值组成幅值矩阵。
S13、对幅值矩阵进行信噪比卷积运算,得到卷积矩阵。
在本申请实施例中,先确定卷积核参数,然后根据卷积核参数对幅值矩阵进行信噪比卷积运算后得到卷积矩阵。其中,卷积核参数包括卷积核大小和卷积核内参数。而确定卷积核参数则是先确定卷积核大小的参数以及获取预设参数,然后根据卷积核大小的参数和预设参数确定卷积核内参数。具体地,卷积核大小表示为(H,H),卷积核大小的参数为H。卷积核内参数S则通过公式2计算得到:
Figure BDA0003066640120000052
公式2中,W表示预设参数,可根据实际需要进行设置。
在一些实施例中,根据卷积核参数对幅值矩阵进行信噪比卷积运算后得到卷积矩阵,其通过以下方式实现:
确定幅值矩阵的大小;
根据卷积核大小的参数确定填充矩阵的大小;
确定填充矩阵的填充方式;
根据确定结果对幅值矩阵进行信噪比卷积运算。其中,确定结果包括幅值矩阵的大小、填充矩阵的大小和填充方式的确定结果。
具体地,如图2所示,将卷积核大小的参数作为卷积核的长和宽,虚线L1与L2表示在第S列到第H-S列的值均为1,线L3与L4表示在第S列到第H-S列的值均为1/F,其余位置的值均为0。
接着通过公式3计算参数F:
Figure BDA0003066640120000061
其中,Kij为矩阵K内的参数,矩阵K属于特定形式的“01矩阵”,即从第S列到第H-S列均为1,其余参数均为0的:01矩阵。
将矩阵K除以参数F得到卷积核
Figure BDA0003066640120000062
其中,
Figure BDA0003066640120000063
其为卷积核内参数,i,j∈[0,H]。
然后根据确定好的卷积核对幅值矩阵进行卷积运算。其中,进行卷积运行需要先确定好幅值矩阵的大小(h,w)、填充矩阵的大小(ph,pw)、填充矩阵的参数和卷积核滑动的步长stride。
具体地,幅值矩阵的大小(h,w)可以根据需要卷积的特征数据大小来进行设置,卷积核滑动的步长strIde设置为1。然后确定填充矩阵的大小。其中,填充矩阵的大小可通过公式4公式5计算得到:
ph=h+2pn 公式4
pw=w+2pn 公式5
参数pn由公式6确定:
Figure BDA0003066640120000064
其中,floor为向下取整函数。
在得到填充矩阵后,确定填充矩阵的填充方式。在本申请实施例中,填充方式选择镜像填充方式,即根据幅值矩阵的边缘进行镜像对称填充,作为填充层。如图3所示,P1-P8为填充层,A1-A8为幅值矩阵A的内部参数块,其对应关系如公式7所示:
Figure BDA0003066640120000071
最后对幅值矩阵进行卷积操作。具体地如图4所示,以卷积核大小为H=3为例,矩阵
Figure BDA0003066640120000072
为幅值矩阵。在第一步的卷积过程可由公式8得到:
V0,0=N00P00+N01P01+N02P02+N10P10+N11P00+N12P01+N20P20+N21P10+N22P11 公式8
下一步则向矩阵右方向移动1步,从实线矩阵到虚线矩阵NR为向右滑动一步的过程。当向右滑动结束时,此时回到该行的开头,向下滑动一步,即从实线矩阵到虚线矩阵ND的过程,然后继续向右滑动。图中箭头为卷积核向右和向下滑动方向示意。
重复上述卷积步骤,即可得到卷积矩阵
Figure BDA0003066640120000073
S14、根据幅值矩阵和卷积矩阵计算得到差值矩阵。
在本申请实施例中,在得到幅值矩阵和卷积矩阵后,将卷积矩阵内的参数与幅值矩阵内的参数一一对应相减,即可得到差值矩阵。
S15、当差值矩阵内的数值小于预设值,标记小于预设值的数值。
在本申请实施例中,当差值矩阵内的数值小于预设值,确定小于预设值的数值为极弱射频干扰的数值。然后对极弱射频干扰的数值进行标记。具体地,以预设值等于0为例。当差值矩阵内的数据小于0时,则判定该数据为极弱射频干扰信号,即标记该信号。当差值矩阵内的数据大于等于0时,则判定该数据为不是极弱射频干扰信号,即无需标记该信号。
综上可知,上述本实施例通过差值矩阵来进行判断,以提高判断结果的准确性,从而能够有效区分极弱射频干扰和同样非常弱的信号。
本发明实施例提供了一种用于极弱射频干扰的标记系统,包括:
获取模块,用于获取观测数据中的可见度数据;
第一计算模块,用于计算可见度数据的幅值,根据幅值得到幅值矩阵;
卷积运算模块,用于对幅值矩阵进行信噪比卷积运算,得到卷积矩阵;
第二计算模块,用于根据幅值矩阵和卷积矩阵计算得到差值矩阵;
标记模块,用于当差值矩阵内的数值小于预设值,标记小于预设值的数值。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种用于极弱射频干扰的标记系统,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载程序以执行图1所示的用于极弱射频干扰的标记方法。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,处理器可执行的程序在由处理器执行时用于执行如图1所示的用于极弱射频干扰的标记方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。此外,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。

Claims (8)

1.一种用于极弱射频干扰的标记方法,其特征在于,包括以下步骤:
获取观测数据中的可见度数据;
计算所述可见度数据的幅值,根据所述幅值得到幅值矩阵;
确定卷积核参数,所述卷积核参数包括卷积核大小的参数;
确定所述幅值矩阵的大小;
根据所述卷积核大小的参数确定填充矩阵的大小;
确定所述填充矩阵的填充方式;
根据确定结果对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵,所述确定结果包括幅值矩阵的大小、填充矩阵的大小和填充方式的确定结果;
根据所述幅值矩阵和所述卷积矩阵计算得到差值矩阵;
当所述差值矩阵内的数值小于预设值,标记小于预设值的数值。
2.根据权利要求1所述的一种用于极弱射频干扰的标记方法,其特征在于,所述卷积核参数还包括卷积核内参数;所述确定卷积核参数,包括:
确定卷积核大小的参数;
获取预设参数;
根据所述卷积核大小的参数和所述预设参数确定所述卷积核内参数。
3.根据权利要求1所述的一种用于极弱射频干扰的标记方法,其特征在于,所述当所述差值矩阵内的数值小于预设值,标记小于预设值的数值,包括:
当所述差值矩阵内的数值小于预设值,确定小于预设值的数值为极弱射频干扰的数值;
对所述极弱射频干扰的数值进行标记。
4.根据权利要求1所述的一种用于极弱射频干扰的标记方法,其特征在于,所述观测数据通过以下方式获取:
从射频干涉阵的射频信号中获取观测数据,所述射频信号为所述射频干涉阵采集并处理后的信号;
或者
从射频望远镜的历史数据中获取观测数据。
5.根据权利要求1所述的一种用于极弱射频干扰的标记方法,其特征在于,所述获取观测数据中的可见度数据,包括:
根据观测数据对应天文台内的数据读写方式获取可见度数据;
或者
根据预设软件从预设文件内获取可见度数据,所述预设文件内存储有所述观测数据。
6.一种用于极弱射频干扰的标记系统,其特征在于,包括:
获取模块,用于获取观测数据中的可见度数据;
第一计算模块,用于计算所述可见度数据的幅值,根据所述幅值得到幅值矩阵;
卷积运算模块,用于确定卷积核参数,所述卷积核参数包括卷积核大小的参数;确定所述幅值矩阵的大小;根据所述卷积核大小的参数确定填充矩阵的大小;确定所述填充矩阵的填充方式;根据确定结果对所述幅值矩阵进行信噪比卷积运算,得到卷积矩阵,所述确定结果包括幅值矩阵的大小、填充矩阵的大小和填充方式的确定结果;
第二计算模块,用于根据所述幅值矩阵和所述卷积矩阵计算得到差值矩阵;
标记模块,用于当所述差值矩阵内的数值小于预设值,标记小于预设值的数值。
7.一种用于极弱射频干扰的标记系统,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1-5任一项所述的用于极弱射频干扰的标记方法。
8.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-5任一项所述的用于极弱射频干扰的标记方法。
CN202110527544.3A 2021-05-14 2021-05-14 一种用于极弱射频干扰的标记方法、系统和存储介质 Active CN113300792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110527544.3A CN113300792B (zh) 2021-05-14 2021-05-14 一种用于极弱射频干扰的标记方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110527544.3A CN113300792B (zh) 2021-05-14 2021-05-14 一种用于极弱射频干扰的标记方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN113300792A CN113300792A (zh) 2021-08-24
CN113300792B true CN113300792B (zh) 2022-08-16

Family

ID=77322206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110527544.3A Active CN113300792B (zh) 2021-05-14 2021-05-14 一种用于极弱射频干扰的标记方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN113300792B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115187918B (zh) * 2022-09-14 2022-12-13 中广核贝谷科技有限公司 一种监控视频流中移动物体的识别方法及系统
CN115774830B (zh) * 2022-10-28 2023-09-29 贵州大学 一种用于稀疏干涉阵列的快速成图方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639699A (zh) * 2020-05-28 2020-09-08 山东云海国创云计算装备产业创新中心有限公司 一种图像特征提取的方法、系统、设备及可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10002622B2 (en) * 2013-11-20 2018-06-19 Adobe Systems Incorporated Irregular pattern identification using landmark based convolution
CN110831106B (zh) * 2019-11-14 2021-08-20 西安邮电大学 一种基于卷积的分簇方法
CN111481192B (zh) * 2020-04-22 2022-06-03 重庆邮电大学 一种基于改进U-Net的心电信号R波检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639699A (zh) * 2020-05-28 2020-09-08 山东云海国创云计算装备产业创新中心有限公司 一种图像特征提取的方法、系统、设备及可读存储介质

Also Published As

Publication number Publication date
CN113300792A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN113300792B (zh) 一种用于极弱射频干扰的标记方法、系统和存储介质
CN109003297B (zh) 一种单目深度估计方法、装置、终端和存储介质
CN108764039B (zh) 神经网络、遥感影像的建筑物提取方法、介质及计算设备
US8411954B2 (en) Image processing system, image processing program, and image processing method
CN107292886B (zh) 基于网格划分及神经网络的目标物入侵检测方法及装置
CN110781756A (zh) 基于遥感图像的城市道路提取方法及装置
US11875486B2 (en) Image brightness statistical method and imaging device
CN106530271A (zh) 一种红外图像显著性检测方法
CN112526470A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN112395924B (zh) 一种遥感监测方法及装置
CN112150522A (zh) 遥感图像的配准方法、装置、设备、存储介质及系统
CN109801428B (zh) 纸币边缘直线的检测方法、检测装置及终端
CN106033613A (zh) 目标跟踪方法及装置
CN111967449A (zh) 文本检测方法、电子设备及计算机可读介质
CN114463764A (zh) 表格线检测方法、装置、计算机设备和存储介质
CN112270693B (zh) 一种飞行时间深度相机运动伪差检测方法和装置
CN111932466B (zh) 一种图像去雾方法、电子设备及存储介质
CN111104870B (zh) 基于卫星视频的运动检测方法、装置、设备和存储介质
CN114757912A (zh) 基于图像融合的材料损伤检测方法、系统、终端及介质
CN110866928B (zh) 基于神经网络的目标边界分割及背景噪声抑制方法及设备
CN112507049B (zh) 海洋动力环境卫星数据的传输方法、系统、设备和介质
CN110853087A (zh) 一种视差估计方法、装置、存储介质及终端
CN114677315B (zh) 基于图像与激光点云的图像融合方法、装置、设备和介质
CN115994955B (zh) 相机外参标定方法、装置和车辆
CN112417649B (zh) 一种联合营养盐基准制定方法、装置、设备及存储介质

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