CN114070426B - 针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 - Google Patents
针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 Download PDFInfo
- Publication number
- CN114070426B CN114070426B CN202111350245.3A CN202111350245A CN114070426B CN 114070426 B CN114070426 B CN 114070426B CN 202111350245 A CN202111350245 A CN 202111350245A CN 114070426 B CN114070426 B CN 114070426B
- Authority
- CN
- China
- Prior art keywords
- calibration data
- data
- abnormal
- mimo channel
- channel simulator
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims description 14
- 230000002547 anomalous effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/0082—Monitoring; Testing using service channels; using auxiliary channels
- H04B17/0087—Monitoring; Testing using service channels; using auxiliary channels using auxiliary channels or channel simulators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法,包括输入数据集;计算对象间距离;判断是否有连线性,如果是,则继续步骤(4);否则,退出步骤;添入邻接表;递归搜索图,获取所有团,判断异常点;删除单独成团的点。本发明还涉及一种用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的装置。采用了本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质,针对大规模MIMO系统,提出了一种剔除异常校准数据的方案,方法高效精准程度高,减少了工作量。对校准数据预处理,去除异常点对整体数据的影响,使校准数据更加准确,提升MIMO系统的性能。本发明简化最大团搜索算法,提高搜索效率,进一步减少工作量。
Description
技术领域
本发明涉及无线通信设备研发领域,尤其涉及MIMO信道模拟器校准领域,具体是指一种实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质。
背景技术
MIMO信道模拟器中的射频链路在设计完成之后,需要经过校准,才可以达到使用的标准。在校准的过程中,会产生大量的数据,这些数据并不能直接使用,还需要经过预处理后,才可以被MIMO信道模拟器使用。在处理过程中,势必会遇到异常的校准数据,为了避免异常数据对校准精度的影响,这就需要在大量的数据中剔除异常的数据。
异常数据检测技术是数据挖掘的一个热门研究方向,其目的是寻找在同一状态下与大部分校准数据明显不同的数据。在此状态下的MIMO信道模拟器校准数据的分布图中,这些异常数据点与其他校准数据点距离较远,所以这些点也被称为离群点。
基于临近性的异常校准数据检测方法是使用距离来量化两个校准数据之间的相似性,并且异常校准数据与其他校准数据的临近性显著偏离数据集中的校准数据与其他校准数据之间的邻近性。基于距离的方法一般使用欧氏距离作为校准数据样本间的度量方式,计算多维空间中两个样本间的欧式距离d(x,y)如式(1)所示:
N是样本的维度。当度量了样本之间的距离后,还需要判断给定半径的邻域,如果在这个邻域内没有其他的对象,则这个样本点可能是异常数据点。因此需要指定一个距离参数r来定义样本对象之间合理的邻域大小,对于每个样本对象o,分别判断它们邻域内其他对象的个数,如果样本数据中大部分数据对象远离对象o,则o为异常点,如式(2)所示:
其中公式中r为距离阈值,π是分数阈值,dist为对象之间的距离,为其他对象。基于距离的算法是通过计算o与其他对象之间的距离,然后统计邻域中其他对象的个数,来分析o是否为异常数据。判断每个样本点的邻域需要使用嵌套循环的方法。
在传统的信道模拟器校准数据筛查方法中,通常会使用方差的方法,先对数据集的方差进行计算,然后通过方差大小进行判断数据的稳定程度,当数据不够稳定的时候,再查找校准数据异常的点,通过判断每一个校准数据与另外校准数据之间的距离,距离最大的点就是所要求得的异常点。传统的方法在样本集不是很大的时候可以比较容易,可以实现数据筛查的功能,但是通常校准数据量很大,在这么大的样本下,传统方法就很难发挥作用了。计算出方差后,几个异常点对整体的影响就会很小,方差大小的标准就比较难判断,这样就不清楚是否要进行第二步的筛查。如果不计算方差的情况下,每一个点都计算,则需要耗费很多的时间。传统的方法中,还会用到去掉最大值最小值,然后对剩下的值取平均的处理方法,这个方法本质上也是在剔除极端值对整体数据的影响,但是这种方法针对波动较小的数据集比较适合,如果数据集中出现多个极端值,只去除了两个,还是无法避免异常校准值对整体的影响。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种满足准确性高、效率高、适用范围较为广泛的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质。
为了实现上述目的,本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质如下:
该实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法,其主要特点是,所述的方法包括以下步骤:
(1)输入数据集;
(2)计算对象间距离;
(3)判断是否有连线性,如果是,则继续步骤(4);否则,退出步骤;
(4)添入邻接表;
(5)递归搜索图,获取所有团,判断异常点;
(6)删除单独成团的点。
较佳地,所述的步骤(2)具体包括以下步骤:
(2.1)取数据集中的对象;
(2.2)计算该对象与数据集的其余对象之间的距离;
(2.3)得到该对象与其他对象之间的最大距离和最小距离。
较佳地,所述的步骤(3)具体为:
判断对象之间的距离是否小于临近距离,如果是,则两个对象间存在边的连接,即具有连接性,继续步骤(4);否则,继续步骤(2)。
较佳地,所述的步骤(4)具体为:
遍历数据集中所有对象,将具有连接性的对象添入邻接表,将数据转化为图。
较佳地,所述的步骤(5)具体包括以下步骤:
(5.1)设定关键点,得到关键点及关键点的非邻接点;
(5.2)通过关键点及关键点的非邻接点对生成图进行搜索,若数据中包含过关键点及关键点的非邻接点,则数据正常;否则,数据异常。
较佳地,所述的步骤(6)具体为:
获取单独成团的对象,该对象即为异常点,删除异常点。
该用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的装置,其主要特点是,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
该用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的处理器,其主要特点是,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
该计算机可读存储介质,其主要特点是,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
采用了本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质,针对大规模MIMO系统,提出了一种剔除异常校准数据的方案,方法高效精准程度高,大大减少了工作量。对校准数据预处理,去除异常点对整体数据的影响,使校准数据更加准确,提升MIMO系统的性能。本发明简化最大团搜索算法,提高搜索效率,进一步减少工作量。
附图说明
图1为本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的流程图。
图2为本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的邻接矩阵转化为图示意图。
图3为本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的图搜索结果示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
本发明的该实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法,其中包括以下步骤:
(1)输入数据集;
(2)计算对象间距离;
(3)判断是否有连线性,如果是,则继续步骤(4);否则,退出步骤;
(4)添入邻接表;
(5)递归搜索图,获取所有团,判断异常点;
(6)删除单独成团的点。
作为本发明的优选实施方式,所述的步骤(2)具体包括以下步骤:
(2.1)取数据集中的对象;
(2.2)计算该对象与数据集的其余对象之间的距离;
(2.3)得到该对象与其他对象之间的最大距离和最小距离。
作为本发明的优选实施方式,所述的步骤(3)具体为:
判断对象之间的距离是否小于临近距离,如果是,则两个对象间存在边的连接,即具有连接性,继续步骤(4);否则,继续步骤(2)。
作为本发明的优选实施方式,所述的步骤(4)具体为:
遍历数据集中所有对象,将具有连接性的对象添入邻接表,将数据转化为图。
作为本发明的优选实施方式,所述的步骤(5)具体包括以下步骤:
(5.1)设定关键点,得到关键点及关键点的非邻接点;
(5.2)通过关键点及关键点的非邻接点对生成图进行搜索,若数据中包含过关键点及关键点的非邻接点,则数据正常;否则,数据异常。
作为本发明的优选实施方式,所述的步骤(6)具体为:
获取单独成团的对象,该对象即为异常点,删除异常点。
本发明的该用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的装置,其中,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
本发明的该用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的处理器,其中,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
本发明的该计算机可读存储介质,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
在MIMO信道模拟器校准过程中,会有大量的校准数据需要进行处理,如果对校准数据中的异常数据不进行筛查,那么在处理过程中,这些异常数据势必会对最后的校准精度产生严重影响,最终影响MIMO信道模拟器的性能。本发明就是在校准数据处理过程中,应用异常数据检测算法,剔除异常数据,使最终的校准数据更加精准。
本发明对校准数据中异常数据的筛选是结合了邻近性和团的思想的一种异常检测方法。
如图1所示,将对异常点的搜索转化为对校准数据图中抱团对象的搜索,首先将校准数据对象转化为图中的顶点,然后根据数据对象之间的邻近性判断顶点之间是否链接,最后搜索图来检测异常对象。相比于传统的方法,本发明可以高效的解决异常数据筛选的过程,并且精准程度高,稳定性好,在样本集较大的情况下,也可以有优秀的表现。
本发明的(一)、在生成图时,使用欧氏距离作为邻近度量,将数据对象表示为图。
生成图的步骤如下所示:
(1)、给定数据集D={X_1,X_2,X_3……X_n}。
(2)、取数据集中的对象X_i,i=1,计算X_1与其他对象之间的距离d(i,j),则X_1与其他对象之间的最大距离maxd(i,j),最小距离为mind(i,j)。
(3)、σ为对象之间的临近距离,当对象之间的距离小于临近距离,即d(i,j)≤σ,则两个对象之间存在着边的连接。
(4)、重复着以后步骤,直到生成所有对象的边,将数据转化为图。
(二)、生成图之后,接下来就需要对生成的图进行搜索,检测没有与其他校准数据对象抱团的异常校准数据点。
现有技术中经典的团搜索方法是使用Bron-Kerbosch算法。关于Bron-Kerbosch算法,基础形式是一个递归回溯的搜索算法。通过给定三个集合(R、P、X)。初始化集合R、X分别为空,而集合P为所有顶点的集合。而每次从集合P中取顶点{v},当集合中没有顶点时,两种情况:
(1)、集合R是最大团,此时集合X为空。
(2)、无最大团,此时回溯。
对于每一个从集合P中取得的顶点{v},有如下处理:
(1)、将顶点{v}加到集合R中,集合{P、X}与顶点{v}得邻接顶点集合N{v}相交,之后递归集合(R、P、X)。
(2)、从集合P中删除顶点{v},并将顶点{v}添加到集合X中。
若集合(P、X)都为空,则集合R即为最大团。
总的来看就是每次从集合P中取{v}后,再在P∩N{v}集合中取,一直取相邻,保证集合R中任意顶点间都两两相邻。对于这个基础的算法,效率不高,因为其递归搜索了所有情况,其中有些不是最大团的也进行了搜索。
为了节省时间和让算法更快的回溯,可以通过设定关键点{u}。对于任意的最大团,其必须包括顶点{u}或者{u}的非邻接点。否则就可以添加顶点{u}来扩充极大团,这显然矛盾。所以,只要测试顶点{u}以及{u}的非邻接点即可,这样可以节省递归的时间。
(三)、从获得的图中,会产生单独一个对象构成的团,这个对象就是异常点。
在本发明的具体实施例中,如表1所示为从校准数据中,选取了部分数据,作为数据集。
表1
接下来,根据前文所述,由此数据集,将数据转化为图;
根据欧式距离的计算方法,计算数据所有点之间的距离,由计算得到的欧式距离构成以下的矩阵:
表2数据点之间的欧氏距离
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
1 | ||||||||||
2 | 19.9 | |||||||||
3 | 19.1 | 0.8 | ||||||||
4 | 18.8 | 1.1 | 0.3 | |||||||
5 | 18.3 | 1.6 | 0.8 | 0.5 | ||||||
6 | 18.3 | 1.6 | 0.8 | 0.5 | 0 | |||||
7 | 17.5 | 2.4 | 1.6 | 1.3 | 0.8 | 0.8 | ||||
8 | 18.1 | 1.8 | 1 | 0.7 | 0.2 | 0.2 | 0.6 | |||
9 | 17.5 | 2.4 | 1.6 | 1.3 | 0.8 | 0.8 | 0 | 0.6 | ||
10 | 17.5 | 2.4 | 1.6 | 1.3 | 0.8 | 0.8 | 0 | 0.6 | 0 |
表格里的数据代表了任意两个点之间的欧式距离d(i,j)。
在实际使用过程中,根据实际,可以接受MIMO信道模拟器在某一状态下的校准数据波动范围在±0.5,因此需要的临近距离σ可以为1,则根据上述表格中两两的距离数据,可以构建出图的边,用邻接矩阵表示为:
{(2,3)、(3,4)、(3,5)、(3,6)、(3,8)、(4,5)、(4,6)、(4,8)、(5,6)、(5,7)、(5,8)、(5,9)、(5,
将邻接矩阵中表示的边转化成图,可得到如图2所示的图:
接着,将邻接矩阵中表示的边,也带入到改进后的图搜索算法中,从图3所示的结果中,可以得到如下的四个极大团:
{1}、{2、3}、{3、4、5、6、8}、{5、6、7、8、9、10};
综上所述,对比两个结果,可以看出,算法程序最后得到的图是一致的,结果正确。
由图像可以看出,没有组合成团的点只有1号点代表的数据,因此这个点也就是需要剔除的异常点,剩下的九个点就是需要用到的点了,异常点处理完成。
本实施例的具体实现方案可以参见上述实施例中的相关说明,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,相应的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“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、结构、材料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、结构、材料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。
采用了本发明的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法、装置、处理器及其计算机可读存储介质,针对大规模MIMO系统,提出了一种剔除异常校准数据的方案,方法高效精准程度高,大大减少了工作量。对校准数据预处理,去除异常点对整体数据的影响,使校准数据更加准确,提升MIMO系统的性能。本发明简化最大团搜索算法,提高搜索效率,进一步减少工作量。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (5)
1.一种实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法,其特征在于,所述的方法包括以下步骤:
(1)输入数据集;
(2)计算对象间距离;
(3)判断是否有连线性,如果是,则继续步骤(4);否则,退出步骤;
(4)添入邻接表;
(5)递归搜索图,获取所有团,判断异常点;
(6)删除单独成团的点;
所述的步骤(2)具体包括以下步骤:
(2.1)取数据集中的对象;
(2.2)计算该对象与数据集的其余对象之间的距离;
(2.3)得到该对象与其他对象之间的最大距离和最小距离;
所述的步骤(5)具体包括以下步骤:
(5.1)设定关键点,得到关键点及关键点的非邻接点;
(5.2)通过关键点及关键点的非邻接点对生成图进行搜索,若数据中包含过关键点及关键点的非邻接点,则数据正常;否则,数据异常;
所述的步骤(3)具体为:
判断对象之间的距离是否小于临近距离,如果是,则两个对象间存在边的连接,即具有连接性,继续步骤(4);否则,继续步骤(2);
所述的步骤(4)具体为:
遍历数据集中所有对象,将具有连接性的对象添入邻接表,将数据转化为图。
2.根据权利要求1所述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法,其特征在于,所述的步骤(6)具体为:
获取单独成团的对象,该对象即为异常点,删除异常点。
3.一种用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的装置,其特征在于,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1至2中任一项所述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
4.一种用于实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的处理器,其特征在于,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1至2中任一项所述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
5.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现权利要求1至2中任一项所述的实现针对MIMO信道模拟器中的异常校准数据进行剔除处理的方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350245.3A CN114070426B (zh) | 2021-11-15 | 2021-11-15 | 针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350245.3A CN114070426B (zh) | 2021-11-15 | 2021-11-15 | 针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114070426A CN114070426A (zh) | 2022-02-18 |
CN114070426B true CN114070426B (zh) | 2024-04-19 |
Family
ID=80272232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111350245.3A Active CN114070426B (zh) | 2021-11-15 | 2021-11-15 | 针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114070426B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009128075A (ja) * | 2007-11-20 | 2009-06-11 | Ihi Corp | 物体認識方法 |
JP2011100222A (ja) * | 2009-11-04 | 2011-05-19 | Panasonic Electric Works Co Ltd | 画像処理装置および画像処理方法 |
KR20120050643A (ko) * | 2010-11-11 | 2012-05-21 | 한양대학교 산학협력단 | 그래프 기반 아웃라이어 검출 방법 및 장치 |
CN105335524A (zh) * | 2015-11-27 | 2016-02-17 | 中国科学院自动化研究所 | 一种应用于大规模非规则结构数据的图搜索算法 |
CN106500753A (zh) * | 2016-12-15 | 2017-03-15 | 中国航空工业集团公司西安飞机设计研究所 | 一种测试设备计量特性评定校准数据处理方法 |
CN109978070A (zh) * | 2019-04-03 | 2019-07-05 | 北京市天元网络技术股份有限公司 | 一种改进的K-means异常值检测方法以及装置 |
CN110334548A (zh) * | 2019-07-16 | 2019-10-15 | 桂林电子科技大学 | 一种基于差分隐私的数据异常检测方法 |
CN112492633A (zh) * | 2020-11-25 | 2021-03-12 | 中国电子科技集团公司第五十四研究所 | 一种基于改进局部异常因子的无线节点故障诊断方法 |
CN113255792A (zh) * | 2021-06-01 | 2021-08-13 | 广东粤港澳大湾区硬科技创新研究院 | 一种数据异常点检测方法、装置、系统、以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060052943A1 (en) * | 2004-07-28 | 2006-03-09 | Karthik Ramani | Architectures, queries, data stores, and interfaces for proteins and drug molecules |
WO2017185296A1 (zh) * | 2016-04-28 | 2017-11-02 | 深圳大学 | 一种基于多支撑点索引的离群检测方法及其系统 |
-
2021
- 2021-11-15 CN CN202111350245.3A patent/CN114070426B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009128075A (ja) * | 2007-11-20 | 2009-06-11 | Ihi Corp | 物体認識方法 |
JP2011100222A (ja) * | 2009-11-04 | 2011-05-19 | Panasonic Electric Works Co Ltd | 画像処理装置および画像処理方法 |
KR20120050643A (ko) * | 2010-11-11 | 2012-05-21 | 한양대학교 산학협력단 | 그래프 기반 아웃라이어 검출 방법 및 장치 |
CN105335524A (zh) * | 2015-11-27 | 2016-02-17 | 中国科学院自动化研究所 | 一种应用于大规模非规则结构数据的图搜索算法 |
CN106500753A (zh) * | 2016-12-15 | 2017-03-15 | 中国航空工业集团公司西安飞机设计研究所 | 一种测试设备计量特性评定校准数据处理方法 |
CN109978070A (zh) * | 2019-04-03 | 2019-07-05 | 北京市天元网络技术股份有限公司 | 一种改进的K-means异常值检测方法以及装置 |
CN110334548A (zh) * | 2019-07-16 | 2019-10-15 | 桂林电子科技大学 | 一种基于差分隐私的数据异常检测方法 |
CN112492633A (zh) * | 2020-11-25 | 2021-03-12 | 中国电子科技集团公司第五十四研究所 | 一种基于改进局部异常因子的无线节点故障诊断方法 |
CN113255792A (zh) * | 2021-06-01 | 2021-08-13 | 广东粤港澳大湾区硬科技创新研究院 | 一种数据异常点检测方法、装置、系统、以及存储介质 |
Non-Patent Citations (3)
Title |
---|
Data Access Exception Detecting of WS-BPEL Process Based on Workflow Nets;Kai Lei等;《2010 International Conference on Computational Intelligence and Software Engineering》;20101212;1-6 * |
基于大数据的海空目标轨迹异常检测技术;郑婧;《全国优秀硕士学位论文库》;20210115;9-61 * |
基于状态相关字段的二进制协议状态机推断;闫小勇等;《计算机工程》;20190802;第45卷(第7期);126-133 * |
Also Published As
Publication number | Publication date |
---|---|
CN114070426A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291777B (zh) | 一种基于多组学集成的癌症亚型分类方法 | |
Taha et al. | An efficient algorithm for calculating the exact Hausdorff distance | |
US6507669B1 (en) | Method of selecting clusters of items using a fuzzy histogram analysis | |
Bi et al. | An optimal and progressive approach to online search of top-k influential communities | |
CN108932301B (zh) | 数据填充方法及装置 | |
CN109189876B (zh) | 一种数据处理方法及装置 | |
Meng'Ao et al. | Research and improvement of DBSCAN cluster algorithm | |
Dib et al. | CLAG: an unsupervised non hierarchical clustering algorithm handling biological data | |
CN109492047A (zh) | 一种基于差分隐私的精确直方图的发布方法 | |
CN111651641B (zh) | 一种图查询方法、装置及存储介质 | |
CN110808084A (zh) | 一种基于单样本二代测序数据的拷贝数变异检测方法 | |
Chen et al. | Measuring and computing natural generators for homology groups | |
WO2020088262A1 (zh) | 数据分析方法、设备及存储介质 | |
CN107247873A (zh) | 一种差异甲基化位点识别方法 | |
CN114070426B (zh) | 针对mimo信道模拟器的异常校准数据进行剔除处理的方法、装置、处理器及其存储介质 | |
CN110415339A (zh) | 计算输入三维形体间的匹配关系的方法和装置 | |
Behanova et al. | gACSON software for automated segmentation and morphology analyses of myelinated axons in 3D electron microscopy | |
Li | Multiple ellipse fitting of densely connected contours | |
CN113191277B (zh) | 一种基于熵值校验的表格图像区域识别方法及系统 | |
CN110796169A (zh) | 一种邻域决策错误率集成的属性约简方法 | |
CN106951918B (zh) | 一种用于冷冻电镜分析的单颗粒图像聚类方法 | |
CN117078969A (zh) | 三维点云与bim之间的点云差异自动对比方法及装置 | |
CN112327931A (zh) | 一种基于sdf地图的无人机三维路径快速规划方法 | |
CN109389571A (zh) | 一种遥感影像变化检测方法、装置及终端 | |
CN104850624A (zh) | 近重复记录的相似度评估方法 |
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 |