CN113466571B - 一种用于构建电磁地图的方法和系统 - Google Patents

一种用于构建电磁地图的方法和系统 Download PDF

Info

Publication number
CN113466571B
CN113466571B CN202111036347.8A CN202111036347A CN113466571B CN 113466571 B CN113466571 B CN 113466571B CN 202111036347 A CN202111036347 A CN 202111036347A CN 113466571 B CN113466571 B CN 113466571B
Authority
CN
China
Prior art keywords
data
electromagnetic
map
constructing
data points
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
CN202111036347.8A
Other languages
English (en)
Other versions
CN113466571A (zh
Inventor
王红军
林栋明
丁希成
杜逸潇
陈晶
孟祥豪
李媛丽
安永旺
段永胜
张坤峰
王昊
王军
程千顷
陈璐
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202111036347.8A priority Critical patent/CN113466571B/zh
Publication of CN113466571A publication Critical patent/CN113466571A/zh
Application granted granted Critical
Publication of CN113466571B publication Critical patent/CN113466571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08Measuring electromagnetic field characteristics
    • G01R29/0864Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0892Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003Maps
    • G09B29/005Map projections or methods associated specifically therewith

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Electromagnetism (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出一种用于构建电磁地图的方法和系统。包括:在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;通过对已知数据点执行时间‑空间域与频率‑波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图。

Description

一种用于构建电磁地图的方法和系统
技术领域
本发明属于电磁地图构建领域,尤其涉及一种用于构建电磁地图的方法和系统。
背景技术
电磁地图是一种涵盖无线电、雷达、卫星等多种电磁信号辐射源在内的,可以反映复杂地理环境中电磁信号的空域、时域和频域信息,进而为电磁频谱资源管理和电磁态势掌控提供有力支撑的图形或图像。
目前,针对电磁地图的研究主要集中于无线电环境地图。在构建无线电环境地图之前,首先要获得目标区域内的无线电信号信息。但是,限于先验信息的不足,基于小型无人平台所得到的电磁信号信息会有以下几方面的问题:(1)分布式电磁信号感知节点的初始部署并不能保证感知节点有效覆盖整个目标区域,也就是说,利用感知节点获得的信号数据往往不完备;(2)从严格意义上讲,节点所能感知到的仅有节点所处位置的接收信号数据,其他信号数据均是根据电波传播方程推测出来的。感知数据在目标区域环境情况未知时,误差较大。
目前,实现电磁地图的构建多采用反距离加权插值法和克里金插值法;最近邻法也被应用于电磁地图的构建;此外,局部多项式法也可应用于电磁地图的构建。利用插值实现地图构建的方法统称直接法。另外,基于传播模型的无线电环境地图构建方法也可实现电磁地图的构建,此类方法统称间接法。
举例地(如图1a所示,图1a为根据本发明比较例的克里金插值法的流程图),克里金插值法具体包括:根据采样数据计算出对应的滞后距和变差值;将滞后距以及对应的变差值代入选定的克里金理论模型进行拟合;模型系数确定;利用未采样点和已采样点位置之间的变差值和已知的数据实现对未采样点数据的预测重建。
举例地(如图1b所示,图1b为根据本发明比较例的反距离加权插值法的流程图),反距离加权插值法具体包括:计算待估点和所有样本点的距离;利用距离计算相应的权重值;通过对相应权重和样本数据值的乘积求和即可完成待估点数值的预测。
举例地(如图1c所示,图1c为根据本发明比较例的传播模型法的流程图),传播模型法具体包括:根据先验知识(包括目标区域的信道特点等)选定相应的传播模型;确定各种传播损失;得到完整的传播模型;将待估点代入方程实现数值的预测重建。
其他插值法如改进谢别德插值法、最近邻法以及局部多项式法,均可以完成空缺数据的预测重建。由于这些方法仅适用于有限的特定场景,故这里不再赘述。
现有的利用节点获得数据的方案中部分认为在节点感知半径内的数据都可以准确感知到,但实际上,除了节点所处位置外,其他数据都是估计得到的。以无线电信号为例,其他位置上的数据均是通过传播方程估计出来的,在缺乏先验信息的情况下,所得到的数据误差会很大,因此可信的数据只有节点对应位置的数据。
此外,克里金插值法的计算复杂度比较高,对异常值较为敏感,精度受其影响较大;反距离加权插值法的计算复杂度很低,简单高效,但是其预测结果受孤立点的影响较大,且所得数值边缘平滑度较差;改进谢别德插值法可有效缓解牛眼现象,但是相关参数的设置并不容易;最近邻法一般适用于预测间隔均匀的数据,但是最后得到的结果存在变化不均匀的问题;而局部多项式法适用于存在短程变化的数据预测,但是其作用效果对邻域距离较为敏感。至于基于传播模型的方法,由于其应用需要掌握诸如目标区域内信号传播环境的特点在内的先验信息,一旦信息不够充分或存在问题,其作用效果会变得很差。
发明内容
为解决上述技术问题,本发明提出一种用于构建电磁地图的技术方案,已解决上述技术问题。
本发明的技术方案基于无线化、智能化和小型化等技术的发展,利用小型无人平台搭载感知设备组成分布式电磁信号感知网络实现对目标区域的信号感知,从而取代传统的路测方法,避免了路测方法带来的非实时和高成本,同时该技术方案的适用前景更加广阔。
为实现电磁信号接收强度地图的重构(以下简称电磁地图),本发明提出的技术方案以具有参考信号接收功率参数的无线通信网络为研究对象,其主要框架为:根据实际情况对目标区域进行栅格划分,得到每个栅格的地理位置,并在目标区域内随机部署一定数目的分布式感知节点对电磁信号进行数据采样,然后从采样的数据中选定一定数量的样本点进行聚类得到聚类中心,构建出以各个聚类中心为圆心、以选定的分布式节点感知半径为重构半径的一个个小面积电磁地图;之后再对数据进行二维傅里叶变换,将数据从时间-空间域映射至频率-波数域进行处理,最终将数据逆映射回原始存在域。将原始采样数据、小面积地图数据和域映射所得电磁数据进行融合得到目标区域最终的整体电磁地图数据,最后利用等强度线绘制得到相应的电磁地图。
本发明第一方面公开了一种用于构建电磁地图的方法;所述方法包括:
步骤S1、在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
步骤S2、从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
步骤S3、通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
步骤S4、整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
根据本发明第一方面的方法,在所述步骤S2中,构建所述小面积电磁地图具体包括:
步骤S21、获取所述第一数量与所述目标区域内的所有数据点的数量之间的比值;
步骤S22、基于所述比值确定所述小面积电磁地图的重构半径:
步骤S23、以所述聚类中心为圆心,以所述重构半径为半径,构建所述小面积电磁地图。
根据本发明第一方面的方法,在所述步骤S22中:当所述比值大于等于5%时,选择所有感知节点的半径值中的最小感知半径作为所述重构半径;当所述比值小于5%时,选择所有感知节点的半径值中的最大感知半径作为所述重构半径。
根据本发明第一方面的方法,所述步骤S3具体包括:
步骤S31、对所述已知数据点进行预处理,所述预处理包括数据扩边处理和数据填零处理;其中:所述数据扩边处理包括,将所述已知数据点的数据存储在U*U的数组中,对所述U*U的数组进行扩边处理以得到(U+V)*(U+V)的数组,其中U、V均为正整数;所述数据填零处理包括,将所述(U+V)*(U+V)的数组中不包含电磁数据的数据点的值设为零;
步骤S32、利用经预处理所得的数据计算径向功率谱,所述径向功率谱用于确定截止波数;
步骤S33、对所述经预处理所得的数据执行时间-空间域与频率-波数域的映射,以确定所述电磁数据预测值;具体包括:通过傅里叶变换实现从时间-空间域到频率-波数域的映射;利用圆形滤波器对经所述傅里叶变换的数据进行滤波处理;通过傅里叶逆变换对经所述滤波处理的数据实现从频率-波数域到时间-空间域的映射;通过多次迭代循环执行映射-滤波-逆映射来确定所述电磁数据预测值;其中,在每一次执行所述傅里叶逆变换后,判断是否满足截止条件,若是,则停止所述迭代,获取迭代计算结果,对所述迭代计算结果进行去扩边处理,并取经所述去扩边处理的数据的实部作为所述电磁数据预测值,若否,则继续所述迭代,所述截止条件基于所述截止波数来确定。
根据本发明第一方面的方法,其中:所述截止条件为:比较波数不小于截止波数;所述比较波数的确定方式为:将从1到所述截止波数的数值区间进行W等分,以获取从1到所述截止波数的等差数列,其中W为预设的总迭代次数;在第R次迭代中,从所述等差数列中提取第R个数值,对所述第R个数值取整,将取整后的整数值作为所述第R次迭代的比较波数,其中R为不大于W的正整数。
根据本发明第一方面的方法,所述截止波数为:当所述径向功率谱小于或等于径向平均功率谱最大值的五分之一时的波数。
根据本发明第一方面的方法,所述第二数量与所述第一数量的比值不超过2.5%。
本发明第二方面公开了一种用于构建电磁地图的系统;所述系统包括:
第一处理模块,被配置为,在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
第二处理模块,被配置为,从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
第三处理模块,被配置为,通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
第四处理模块,被配置为,整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
根据本发明第二方面的系统,所述第二处理模块具体被配置为,通过以下方式构建所述小面积电磁地图:获取所述第一数量与所述目标区域内的所有数据点的数量之间的比值;基于所述比值确定所述小面积电磁地图的重构半径:以所述聚类中心为圆心,以所述重构半径为半径,构建所述小面积电磁地图。
根据本发明第二方面的系统,所述第二处理模块具体被配置为,通过以下方式确定所述小面积电磁地图的重构半径:当所述比值大于等于5%时,选择所有感知节点的半径值中的最小感知半径作为所述重构半径;当所述比值小于5%时,选择所有感知节点的半径值中的最大感知半径作为所述重构半径。
根据本发明第二方面的系统,所述第三处理模块具体被配置为,通过以下方式确定所述电磁数据预测值:
对所述已知数据点进行预处理,所述预处理包括数据扩边处理和数据填零处理;其中:所述数据扩边处理包括,将所述已知数据点的数据存储在U*U的数组中,对所述U*U的数组进行扩边处理以得到(U+V)*(U+V)的数组,其中U、V均为正整数;所述数据填零处理包括,将所述(U+V)*(U+V)的数组中不包含电磁数据的数据点的值设为零;
利用经预处理所得的数据计算径向功率谱,所述径向功率谱用于确定截止波数;
对所述经预处理所得的数据执行时间-空间域与频率-波数域的映射,以确定所述电磁数据预测值;具体包括:通过傅里叶变换实现从时间-空间域到频率-波数域的映射;利用圆形滤波器对经所述傅里叶变换的数据进行滤波处理;通过傅里叶逆变换对经所述滤波处理的数据实现从频率-波数域到时间-空间域的映射;通过多次迭代循环执行映射-滤波-逆映射来确定所述电磁数据预测值;其中,在每一次执行所述傅里叶逆变换后,判断是否满足截止条件,若是,则停止所述迭代,获取迭代计算结果,对所述迭代计算结果进行去扩边处理,并取经所述去扩边处理的数据的实部作为所述电磁数据预测值,若否,则继续所述迭代,所述截止条件基于所述截止波数来确定。
根据本发明第二方面的系统,其中:所述截止条件为:比较波数不小于截止波数;所述比较波数的确定方式为:将从1到所述截止波数的数值区间进行W等分,以获取从1到所述截止波数的等差数列,其中W为预设的总迭代次数;在第R次迭代中,从所述等差数列中提取第R个数值,对所述第R个数值取整,将取整后的整数值作为所述第R次迭代的比较波数,其中R为不大于W的正整数。
根据本发明第二方面的系统,所述截止波数为:当所述径向功率谱小于或等于径向平均功率谱最大值的五分之一时的波数。
根据本发明第二方面的系统,所述第二数量与所述第一数量的比值不超过2.5%。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种用于构建电磁地图的方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种用于构建电磁地图的方法中的步骤。
可见,本发明提出的方案,充分考虑到现有电磁地图构建方法的弱势,立足于由采样点重构出小面积地图,再由点、面融合实现整个区域地图的构建。该技术方案根据实际情况对目标区域进行栅格划分,得到每个栅格的地理位置,并在目标区域内随机部署一定数目的感知节点对电磁信号进行数据采样,然后从采样的数据中选定一定数量的样本点进行聚类得到聚类中心,构建出以各个聚类中心为圆心、以选定的样本点的感知半径为重构半径的小面积电磁地图;之后再对数据进行二维傅里叶变换,将数据从时间-空间域映射至频率-波数域进行处理,最终将数据逆映射回原始存在域。将原始采样数据、小面积地图数据和域映射所得电磁数据进行融合得到目标区域最终的整体电磁地图数据,最后利用等强度线绘制得到相应的电磁地图。
综上,本发明提出的方案能够有效克服克里金插值法在电磁地图构建中精度受异常值影响大,反距离加权插值法准确率低、地图构建效果差,最近邻法结果变化不连续,改进谢别德插值法参数设置不易,局部多项式法对邻域距离敏感的技术问题。同时不需要充足的先验信息,相比于基于传播模型的方法,本发明的技术方案的适用范围更广,其构建出的电磁地图具有精度高、鲁棒性好和一致性强的优点。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为根据本发明比较例的克里金插值法的流程图;
图1b为根据本发明比较例的反距离加权插值法的流程图;
图1c为根据本发明比较例的传播模型法的流程图;
图2为根据本发明实施例的一种用于构建电磁地图的方法的流程图;
图3为根据本发明实施例的基于域映射获取电磁数据预测值的流程图;
图4为根据本发明实施例的一种用于构建电磁地图的系统的结构图;
图5为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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清楚、完整地描述,显然,所描述的实施例只是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明第一方面公开了一种用于构建电磁地图的方法。图2为根据本发明实施例的一种用于构建电磁地图的方法的流程图,如图2所示,所述方法包括:
步骤S1、在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
步骤S2、从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
步骤S3、通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
步骤S4、整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
在步骤S1,在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据。
在一些实施例中,对目标区域进行栅格划分,得到每个栅格的地理位置,并在目标区域内随机部署一定数目(第一数量)的感知节点,用于采集电磁信号。栅格化的实质是确定针对该区域的电磁信号分辨率,即只研究特定间隔位置上的电磁信号强度,这样可有效控制数据量在数据处理中心的可处理范围内,同时数据获取更加规则,实际应用中,该分辨率的大小和目标区域边长的比值不大于0.005时即可较好地描述该区域的电磁分布情况,通常按照比值等于0.005来确定分辨率,如对4000×4000米的区域以20米的间隔进行栅格化,则可以得到电磁数据总量为40000个,电磁数据分辨率为20米。
在步骤S2,从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图。
在一些实施例中,为保证作用效果,用于采集电磁数据的感知节点占电磁数据总量的比例应不低于10%,即第一数量与所有数据点的个数的比值不低于10%,且必须确保这10%的感知节点能够采集到数据,而聚类样点的数量一般为电磁数据总量的1%(即,所述第二数量与所述第一数量的比值不超过2.5%),可随机选取,也可人工选取。按照前述示例,聚类样点的数目一般为400即可。
在一些实施例中,依托感知节点对电磁环境进行采样,选择第二数量的采样点并对其进行聚类,进而获得聚类中心的地理位置。
在所述步骤S2中,利用如下公式实现聚类:
Figure GDA0003316382510000111
Figure GDA0003316382510000112
Figure GDA0003316382510000113
其中,r(i,k)表示第k个样本作为第i个样本中心点时的代表程度,a(i,k)表示第i个样本将第k个样本选作中心点时的适合程度,s(i,k)表示第k个样本和第i个样本的相似度,这里取欧式距离平方的负数,s(i,i)则表示将第i个样本确定为中心点的参考度,通常为相似度的中值,两个参数通过式(2)、(3)进行更新,并在所有的聚类样点中传递上述两种信息。λ是阻尼因子,其作用是使算法收敛。在确定聚类中心时先根据相似度的设置计算相似度矩阵,并根据式(2)和式(3)计算代表程度矩阵以及适合程度矩阵,并进行迭代,直至算法收敛、网络相似度达最大,输出此时的网络中心,此中心即为聚类中心,最终将会得到一组聚类中心。
在所述步骤S2中,构建所述小面积电磁地图具体包括:
步骤S21、获取所述第一数量与所述目标区域内的所有数据点的数量之间的比值;
步骤S22、基于所述比值确定所述小面积电磁地图的重构半径:
步骤S23、以所述聚类中心为圆心,以所述重构半径为半径,构建所述小面积电磁地图。
在一些实施例中,在确定重构半径时,可根据采样点的数量进行选择,如果采样点相对较少,则可适当扩大重构半径、增加聚类样点以提高聚类样点占采样点的比例,进而优化小面积地图的构建效果。
因此,在所述步骤S22中:当所述比值大于等于5%时,选择所有感知节点的半径值中的最小感知半径作为所述重构半径;当所述比值小于5%时,选择所有感知节点的半径值中的最大感知半径作为所述重构半径。
在一些实施例中,在构建小面积的电磁地图时,某个位置的RSRP值可以表示为:
yout(x)=WT(x)α+e(x) (4)
其中,yout(x)表示RSRP值,x表示地理位置,w(x)=[w1(x),w2(x),...,wN(x)]T是组成回归模型的N个所选择的函数,α=[α1,α2,...,αN]T则表示回归模型的参数,e(x)作为一个随机过程,满足以下条件:
Figure GDA0003316382510000121
xi,xj表示两个输入数据,R(θ,xi,xj)表示相关模型,τ2表示e(x)这个随机过程的方差,θ为相关模型的参数。
若有一组样本点为{s1,...,sq},其对应样值为Y=[y1,...,yq]T,此时,可以得到下式:
Figure GDA0003316382510000131
上式中,等号左边为相应变量的预测值,F为包含w(si),i∈[1,q]在内的q×N型矩阵,R是q×q型样本点的相关矩阵,其组成元素为Rij=R(θ,si,sj)。定义相关函数为:
Figure GDA0003316382510000132
式中,n为样点的维数。并且要使得下式成立:
Figure GDA0003316382510000133
|R|表示求对应矩阵的行列式。本申请采用球状模型,即:
Rj(θ,dj)=1-1.5ψj+0.5ψ3 jψj=min{1,θj|dj|}
(9)
最后,得到的未采样位置的RSRP预测数值
Figure GDA0003316382510000134
可以表示为:
Figure GDA0003316382510000141
利用感知节点得到的采样数据和对应的地理位置,根据式(4)(5)(7)、(8)、(9)可以得到式(6),然后根据式(10)即可得到最终的预测模型,将未采样位置的地理坐标代入即可实现该位置的数值预测。从而实现小面积电磁地图的构建。
在一些实施例中,如果感知节点的数量较少,还可以考虑增大选定的重构半径以及增加聚类样点占总采样点的比例来优化重建效果,聚类样点的比例可根据经验值进行选取。
在步骤S3,通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点。
在一些实施例中(如图3所示,图3为根据本发明实施例的基于域映射获取电磁数据预测值的流程图),所述步骤S3具体包括:
步骤S31、对所述已知数据点进行预处理,所述预处理包括数据扩边处理和数据填零处理;其中:所述数据扩边处理包括,将所述已知数据点的数据存储在U*U的数组中,对所述U*U的数组进行扩边处理以得到(U+V)*(U+V)的数组,其中U、V均为正整数;所述数据填零处理包括,将所述(U+V)*(U+V)的数组中不包含电磁数据的数据点的值设为零。
具体地,电磁数据保存在一个数组之中,各采样位置的数据可通过采样节点获得,未采样位置的数据则设为NAN,扩边处理其实质是在该数组外围添加一定数量的数据(均为NAN),如200*200的数组进行20个单位像素的扩边,所得结果就是240*240的数组,而数据填零则是将所有的NAN数据用零来替换。
步骤S32、利用经预处理所得的数据计算径向功率谱,所述径向功率谱用于确定截止波数;
步骤S33、对所述经预处理所得的数据执行时间-空间域与频率-波数域的映射,以确定所述电磁数据预测值;具体包括:通过傅里叶变换实现从时间-空间域到频率-波数域的映射;利用圆形滤波器对经所述傅里叶变换的数据进行滤波处理;通过傅里叶逆变换对经所述滤波处理的数据实现从频率-波数域到时间-空间域的映射;通过多次迭代循环执行映射-滤波-逆映射来确定所述电磁数据预测值;其中,在每一次执行所述傅里叶逆变换后,判断是否满足截止条件,若是,则停止所述迭代,获取迭代计算结果,对所述迭代计算结果进行去扩边处理,并取经所述去扩边处理的数据的实部作为所述电磁数据预测值,若否,则继续所述迭代,所述截止条件基于所述截止波数来确定。
具体地,对经所述预处理的数据执行二维傅里叶变换、圆形滤波、二维傅里叶反变换的循环处理,直到符合停止条件,然后对该数据进行去扩边处理、取实部并除去已知电磁数据,所得即为未知数据点的电磁数据。停止条件确定方法如下:将1至截止波数的数值区间根据迭代次数进行等分,可得一组数据,储存于一个行向量中;在迭代时设置一个比较波数,每一次迭代,其取值为上述等分数据中所处位置为相应迭代次数的数值向零方向取整后的数值,若该比较波数值不小于截止波数,则停止迭代,迭代次数可根据经验值选取,一般取500。
在一些实施例中,所述截止条件为:比较波数不小于截止波数。所述比较波数的确定方式为:将从1到所述截止波数的数值区间进行W等分,以获取从1到所述截止波数的等差数列,其中W为预设的总迭代次数;在第R次迭代中,从所述等差数列中提取第R个数值,对所述第R个数值取整,将取整后的整数值作为所述第R次迭代的比较波数,其中R为不大于W的正整数。
在一些实施例中,当所述径向功率谱小于或等于径向平均功率谱最大值的五分之一时的波数。
具体执行过程包括:
第一步,对数据进行扩边处理,然后将待处理数据中的未知数据进行填零处理:
第二步,利用公式(11)迭代处理该数据:
dt(x,y)=F-1{Tk[F(d0(x,y)+S(x,y)dt-1(x,y))]}t∈[1,N] (11)
其中,
Figure GDA0003316382510000161
为提取矩阵;d0(x,y)表示的是在输入残缺数据中位置为(x,y)的待预测数据;t表示迭代的次数,F、F-1表示二维傅里叶正变换以及反变换,Tk表示圆形低通滤波器,k∈[1,...,κ],κ表示截止波数,N表示总迭代次数,为经验值,一般取500即可保证较好的作用效果。在迭代时设置一个比较波数,其取值为上述等分数据中所处位置为相应迭代次数的数值向零方向取整后的数值,若该比较波数值达到截止波数则停止迭代。Tk的确定方法如下:
Figure GDA0003316382510000162
α,β分别表示数据点相对于数据中心的横纵坐标,δ表示设定的半径,也是滤波器的截止参数,其取值为上述所提的比较波数。
第三步,输出数据为ds(x,y),其最终结果为:
Figure GDA0003316382510000171
broad表示扩边的长度,xori、yori表示单行横向和单列纵向的数据量。
在一些实施例中,利用如下方式确定径向功率谱:利用二维傅里叶变换将数据映射到波数域,并求得功率谱;设置基频,以数据中心为圆心,并将基频数值(这里取1)的整数倍作为半径构建数个同心圆环,并计算各圆环范围内的功率谱均值;将基频倍数作为横坐标,各圆环内的功率谱平均值取对数后的数值作为纵坐标即得径向平均功率谱。这里,数据中心指的是输入数据行数和列数除以2并向零方向取整后的位置,如输入数据为200×200的数组,则其数据中心在输入数据中所处位置为(100,100)。
在步骤S4,整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图。在一些实施例中,利用等强度线绘制得到完整电磁地图。
本发明第二方面公开了一种用于构建电磁地图的系统。图4为根据本发明实施例的一种用于构建电磁地图的系统的结构图;如图4所示,所述系统400包括:
第一处理模块401,被配置为,在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
第二处理模块402,被配置为,从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
第三处理模块403,被配置为,通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:所述已知数据点包括:所述小面积电磁地图覆盖的数据点;未被所述小面积电磁地图覆盖的感知节点;所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
第四处理模块404,被配置为,整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
根据本发明第二方面的系统,所述第二处理模块402具体被配置为,通过以下方式构建所述小面积电磁地图:获取所述第一数量与所述目标区域内的所有数据点的数量之间的比值;基于所述比值确定所述小面积电磁地图的重构半径:以所述聚类中心为圆心,以所述重构半径为半径,构建所述小面积电磁地图。
根据本发明第二方面的系统,所述第二处理模块402具体被配置为,通过以下方式确定所述小面积电磁地图的重构半径:当所述比值大于等于5%时,选择所有感知节点的半径值中的最小感知半径作为所述重构半径;当所述比值小于5%时,选择所有感知节点的半径值中的最大感知半径作为所述重构半径。
根据本发明第二方面的系统,所述第三处理模块403具体被配置为,通过以下方式确定所述电磁数据预测值:
对所述已知数据点进行预处理,所述预处理包括数据扩边处理和数据填零处理;其中:所述数据扩边处理包括,将所述已知数据点的数据存储在U*U的数组中,对所述U*U的数组进行扩边处理以得到(U+V)*(U+V)的数组,其中U、V均为正整数;所述数据填零处理包括,将所述(U+V)*(U+V)的数组中不包含电磁数据的数据点的值设为零;
利用经预处理所得的数据计算径向功率谱,所述径向功率谱用于确定截止波数;
对所述经预处理所得的数据执行时间-空间域与频率-波数域的映射,以确定所述电磁数据预测值;具体包括:通过傅里叶变换实现从时间-空间域到频率-波数域的映射;利用圆形滤波器对经所述傅里叶变换的数据进行滤波处理;通过傅里叶逆变换对经所述滤波处理的数据实现从频率-波数域到时间-空间域的映射;通过多次迭代循环执行映射-滤波-逆映射来确定所述电磁数据预测值;其中,在每一次执行所述傅里叶逆变换后,判断是否满足截止条件,若是,则停止所述迭代,获取迭代计算结果,对所述迭代计算结果进行去扩边处理,并取经所述去扩边处理的数据的实部作为所述电磁数据预测值,若否,则继续所述迭代,所述截止条件基于所述截止波数来确定。
根据本发明第二方面的系统,其中:所述截止条件为:比较波数不小于截止波数;所述比较波数的确定方式为:将从1到所述截止波数的数值区间进行W等分,以获取从1到所述截止波数的等差数列,其中W为预设的总迭代次数;在第R次迭代中,从所述等差数列中提取第R个数值,对所述第R个数值取整,将取整后的整数值作为所述第R次迭代的比较波数,其中R为不大于W的正整数。
根据本发明第二方面的系统,所述截止波数为:当所述径向功率谱小于或等于径向平均功率谱最大值的五分之一时的波数。
根据本发明第二方面的系统,所述第二数量与所述第一数量的比值不超过2.5%。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种用于构建电磁地图的方法中的步骤。
图5为根据本发明实施例的一种电子设备的结构图,如图5所示,电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种用于构建电磁地图的方法中的步骤中的步骤。
综上,本发明提出的方案能够有效克服克里金插值法在电磁地图构建中精度受异常值影响大,反距离加权插值法准确率低、地图构建效果差,最近邻法结果变化不连续,改进谢别德插值法参数设置不易,局部多项式法对邻域距离敏感的技术问题。同时不需要充足的先验信息,相比于基于传播模型的方法,本发明的技术方案的适用范围更广,其构建出的电磁地图具有精度高、鲁棒性好和一致性强的优点。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用于构建电磁地图的方法,其特征在于,所述方法包括:
步骤S1、在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
步骤S2、从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
步骤S3、通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:
所述已知数据点包括:
所述小面积电磁地图覆盖的数据点;
未被所述小面积电磁地图覆盖的感知节点;
所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
步骤S4、整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
2.根据权利要求1所述的一种用于构建电磁地图的方法,其特征在于,在所述步骤S2中,构建所述小面积电磁地图具体包括:
步骤S21、获取所述第一数量与所述目标区域内的所有数据点的数量之间的比值;
步骤S22、基于所述比值确定所述小面积电磁地图的重构半径:
步骤S23、以所述聚类中心为圆心,以所述重构半径为半径,构建所述小面积电磁地图。
3.根据权利要求2所述的一种用于构建电磁地图的方法,其特征在于,在所述步骤S22中:
当所述比值大于等于5%时,选择所有感知节点的半径值中的最小感知半径作为所述重构半径;
当所述比值小于5%时,选择所有感知节点的半径值中的最大感知半径作为所述重构半径。
4.根据权利要求1所述的一种用于构建电磁地图的方法,其特征在于,所述步骤S3具体包括:
步骤S31、对所述已知数据点进行预处理,所述预处理包括数据扩边处理和数据填零处理;其中:
所述数据扩边处理包括,将所述已知数据点的数据存储在U*U的数组中,对所述U*U的数组进行扩边处理以得到(U+V)*(U+V)的数组,其中U、V均为正整数;
所述数据填零处理包括,将所述(U+V)*(U+V)的数组中不包含电磁数据的数据点的值设为零;
步骤S32、利用经预处理所得的数据计算径向功率谱,所述径向功率谱用于确定截止波数;
步骤S33、对所述经预处理所得的数据执行时间-空间域与频率-波数域的映射,以确定所述电磁数据预测值;具体包括:
通过傅里叶变换实现从时间-空间域到频率-波数域的映射;
利用圆形滤波器对经所述傅里叶变换的数据进行滤波处理;
通过傅里叶逆变换对经所述滤波处理的数据实现从频率-波数域到时间-空间域的映射;
通过多次迭代循环执行映射-滤波-逆映射来确定所述电磁数据预测值;
其中,在每一次执行所述傅里叶逆变换后,判断是否满足截止条件,若是,则停止所述迭代,获取迭代计算结果,对所述迭代计算结果进行去扩边处理,并取经所述去扩边处理的数据的实部作为所述电磁数据预测值,若否,则继续所述迭代,所述截止条件基于所述截止波数来确定。
5.根据权利要求4所述的一种用于构建电磁地图的方法,其特征在于,其中:
所述截止条件为:比较波数不小于截止波数;
所述比较波数的确定方式为:
将从1到所述截止波数的数值区间进行W等分,以获取从1到所述截止波数的等差数列,其中W为预设的总迭代次数;
在第R次迭代中,从所述等差数列中提取第R个数值,对所述第R个数值取整,将取整后的整数值作为所述第R次迭代的比较波数,其中R为不大于W的正整数。
6.根据权利要求4所述的一种用于构建电磁地图的方法,其特征在于,所述截止波数为:当所述径向功率谱小于或等于径向平均功率谱最大值的五分之一时的波数。
7.根据权利要求1所述的一种用于构建电磁地图的方法,其特征在于,所述第二数量与所述第一数量的比值不超过2.5%。
8.一种用于构建电磁地图的系统,其特征在于,所述系统包括:
第一处理模块,被配置为,在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点,所述感知节点用于采集电磁数据;
第二处理模块,被配置为,从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类,以获取第三数量的聚类中心,所述聚类中心用于构建所述第三数量的小面积电磁地图;
第三处理模块,被配置为,通过对已知数据点执行时间-空间域与频率-波数域的映射,来确定所述目标区域内未知数据点的电磁数据预测值;其中:
所述已知数据点包括:
所述小面积电磁地图覆盖的数据点;
未被所述小面积电磁地图覆盖的感知节点;
所述未知数据点为所述目标区域内除所述已知数据点以外的其他数据点;
第四处理模块,被配置为,整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值,来构建所述目标区域的完整电磁地图;
其中,所述第一数量大于所述第二数量,所述第二数量大于所述第三数量。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7中任一项所述的一种用于构建电磁地图的方法中的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的一种用于构建电磁地图的方法中的步骤。
CN202111036347.8A 2021-09-06 2021-09-06 一种用于构建电磁地图的方法和系统 Active CN113466571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111036347.8A CN113466571B (zh) 2021-09-06 2021-09-06 一种用于构建电磁地图的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111036347.8A CN113466571B (zh) 2021-09-06 2021-09-06 一种用于构建电磁地图的方法和系统

Publications (2)

Publication Number Publication Date
CN113466571A CN113466571A (zh) 2021-10-01
CN113466571B true CN113466571B (zh) 2022-02-22

Family

ID=77868144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111036347.8A Active CN113466571B (zh) 2021-09-06 2021-09-06 一种用于构建电磁地图的方法和系统

Country Status (1)

Country Link
CN (1) CN113466571B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113644996B (zh) * 2021-10-13 2021-12-31 华中师范大学 基于深度学习的小区级rsrp估计方法
CN114359490B (zh) * 2021-11-23 2024-08-20 北京邮电大学 基于多模态融合的电磁地图构建方法及相关装置
CN114675088B (zh) * 2022-05-27 2022-08-23 浙江大学 一种无监督学习的辐射源快速近场扫描方法
CN114895111B (zh) * 2022-07-06 2022-10-21 中国人民解放军国防科技大学 一种基于权重分配构建电磁地图的方法和系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0315790A (ja) * 1989-06-13 1991-01-24 Mitsubishi Electric Corp アライメント調整装置
WO2002006557A1 (en) * 2000-07-14 2002-01-24 Epion Corporation Gcib size diagnostics and workpiece processing
CN101349718A (zh) * 2007-07-20 2009-01-21 深圳市家国天下科技有限公司 一种电磁场三维模型的生成方法、系统及设备
JP2012182196A (ja) * 2011-02-28 2012-09-20 Toshiba Corp 品質推定装置、品質推定方法及び品質推定方法をコンピュータに実行させるためのプログラム
CN105629080A (zh) * 2015-12-24 2016-06-01 武汉瑞天波谱信息技术有限公司 一种电磁分布态势图或路径电磁分布图的绘制方法
CN107830838A (zh) * 2017-11-03 2018-03-23 中国银行股份有限公司 电磁态势地图绘制方法和装置
CN109101892A (zh) * 2018-07-17 2018-12-28 南京航空航天大学 基于栅格和密度聚类算法的激光雷达目标物检测方法
CN110346654A (zh) * 2019-07-19 2019-10-18 中国人民解放军国防科技大学 基于普通克里金插值的电磁频谱地图构建方法
CN110445567A (zh) * 2019-08-06 2019-11-12 中国人民解放军国防科技大学 一种电磁频谱地图的构建方法
CN110807474A (zh) * 2019-10-12 2020-02-18 腾讯科技(深圳)有限公司 聚类方法及装置、存储介质、电子设备
CN110866887A (zh) * 2019-11-04 2020-03-06 深圳市唯特视科技有限公司 一种基于多传感器的目标态势融合感知方法和系统
CN111597981A (zh) * 2020-05-14 2020-08-28 中南大学 基于改进多尺度散布熵的大地电磁信号去噪方法及系统
CN111766632A (zh) * 2020-06-24 2020-10-13 中国科学院地质与地球物理研究所 一种地球物理观测信息融合方法和装置
CN113075462A (zh) * 2021-02-22 2021-07-06 中国人民解放军国防科技大学 一种基于神经网络的电磁场分布定位方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10638949B2 (en) * 2016-04-22 2020-05-05 New York Society For The Ruptured And Crippled Maintaining The Hospital For Special Surgery System and apparatus for assessing metallosis using magnetic resonance imaging
CN106792531B (zh) * 2016-12-21 2020-02-21 广东工业大学 一种传感器网络的节点定位方法及其装置
CN106874381B (zh) * 2017-01-09 2020-12-22 重庆邮电大学 一种基于Hadoop的无线电环境地图数据处理系统
CN112950243B (zh) * 2019-12-10 2024-04-09 大唐移动通信设备有限公司 一种5g站址规划方法、装置、电子设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0315790A (ja) * 1989-06-13 1991-01-24 Mitsubishi Electric Corp アライメント調整装置
WO2002006557A1 (en) * 2000-07-14 2002-01-24 Epion Corporation Gcib size diagnostics and workpiece processing
CN101349718A (zh) * 2007-07-20 2009-01-21 深圳市家国天下科技有限公司 一种电磁场三维模型的生成方法、系统及设备
JP2012182196A (ja) * 2011-02-28 2012-09-20 Toshiba Corp 品質推定装置、品質推定方法及び品質推定方法をコンピュータに実行させるためのプログラム
CN105629080A (zh) * 2015-12-24 2016-06-01 武汉瑞天波谱信息技术有限公司 一种电磁分布态势图或路径电磁分布图的绘制方法
CN107830838A (zh) * 2017-11-03 2018-03-23 中国银行股份有限公司 电磁态势地图绘制方法和装置
CN109101892A (zh) * 2018-07-17 2018-12-28 南京航空航天大学 基于栅格和密度聚类算法的激光雷达目标物检测方法
CN110346654A (zh) * 2019-07-19 2019-10-18 中国人民解放军国防科技大学 基于普通克里金插值的电磁频谱地图构建方法
CN110445567A (zh) * 2019-08-06 2019-11-12 中国人民解放军国防科技大学 一种电磁频谱地图的构建方法
CN110807474A (zh) * 2019-10-12 2020-02-18 腾讯科技(深圳)有限公司 聚类方法及装置、存储介质、电子设备
CN110866887A (zh) * 2019-11-04 2020-03-06 深圳市唯特视科技有限公司 一种基于多传感器的目标态势融合感知方法和系统
CN111597981A (zh) * 2020-05-14 2020-08-28 中南大学 基于改进多尺度散布熵的大地电磁信号去噪方法及系统
CN111766632A (zh) * 2020-06-24 2020-10-13 中国科学院地质与地球物理研究所 一种地球物理观测信息融合方法和装置
CN113075462A (zh) * 2021-02-22 2021-07-06 中国人民解放军国防科技大学 一种基于神经网络的电磁场分布定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于聚类分组的快速联合兼容 SLAM 数据关联算法;刘丹 等;《机器人》;20180331;第40卷(第2期);正文第158至168页 *
基于聚类可增量更新的知识地图管理模型;马晓军;《图书馆学研究》;20140715;正文第37至44页 *

Also Published As

Publication number Publication date
CN113466571A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN113466571B (zh) 一种用于构建电磁地图的方法和系统
JP7073112B2 (ja) 電波伝搬推定装置、電波伝搬推定方法、及び、電波伝搬推定プログラム
Cui et al. Received signal strength based indoor positioning using a random vector functional link network
CN111867049B (zh) 定位方法、装置及存储介质
JP2002057614A (ja) 無線通信システム中のrf伝播評価方法と装置
CN106295613A (zh) 一种无人机目标定位方法及系统
CN110570440A (zh) 一种基于深度学习边缘检测的图像自动分割方法及装置
CN114140683A (zh) 一种航拍图像目标检测的方法、设备与介质
CN115375868B (zh) 地图显示和遥感地图显示方法、计算设备以及存储介质
CN104618045A (zh) 基于采集数据的无线信道传播模型的建立方法和系统
KR102169291B1 (ko) 측위모델구성장치 및 단말측위장치, 그 장치의 동작 방법
CN116012364A (zh) Sar图像变化检测方法和装置
CN114240940B (zh) 一种基于遥感影像的云及云阴影检测方法和装置
CN110807428B (zh) 煤类样品的识别方法、装置、服务器及存储介质
Bianco et al. Deep learning approach for identification of h ii regions during reionization in 21-cm observations–II. Foreground contamination
CN113301503A (zh) 弱覆盖区域检测方法及装置
Yang et al. Solar irradiance monitoring network design using the variance quadtree algorithm
Ito et al. Radio propagation estimation in a long-range environment using a deep neural network
Cisse et al. Irgan: cgan-based indoor radio map prediction
CN115496111A (zh) 电磁波频谱数据处理方法、装置、设备和介质
KR20230075678A (ko) 객체 인식을 기반으로 하는 가격 변동 예측 방법 및 장치
Lyu et al. Coverage Estimation of Wireless Network Using Attention U-Net
Yong et al. C-VoNNI: a precise fingerprint construction for indoor positioning systems using natural neighbor methods with clustering-based Voronoi diagrams
CN114895111B (zh) 一种基于权重分配构建电磁地图的方法和系统
EP4362359A1 (en) Radiowave propagation estimation device, and radiowave propagation estimation method

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