CN114070438A - 一种5g基站电磁信号的检测方法及系统 - Google Patents
一种5g基站电磁信号的检测方法及系统 Download PDFInfo
- Publication number
- CN114070438A CN114070438A CN202111165019.8A CN202111165019A CN114070438A CN 114070438 A CN114070438 A CN 114070438A CN 202111165019 A CN202111165019 A CN 202111165019A CN 114070438 A CN114070438 A CN 114070438A
- Authority
- CN
- China
- Prior art keywords
- electromagnetic signal
- base station
- electromagnetic
- electromagnetic signals
- characteristic information
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000009826 distribution Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000004062 sedimentation Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000005094 computer simulation Methods 0.000 description 6
- 230000010363 phase shift Effects 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种5G基站电磁信号的检测方法及系统，方法包括：读取第一检测区域内的第一电磁信号集合，获得第一特征信息集合，对所述第一电磁信号集合进行聚类，获得第一分类结果；构建第一检测区域的第一仿真地形，第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；确定第一传播路径；根据第一传播路径和所述第一地貌特征信息，获得第一损耗参数；根据所述第一损耗参数和所述第一分类结果，判断第一电磁信号集合是否属于5G基站的电磁信号；若第一电磁信号集合属于5G基站的电磁信号，将第一电磁信号作为第一检测结果。解决了现有技术中由于实际应用环境的复杂性，缺乏可行性较强的5G电磁信号检测方法的技术问题。
Description
技术领域
本发明涉及电磁信号检测相关技术领域，具体涉及一种5G基站电磁信号的检测方法及系统。
背景技术
5G通信技术是物联网建设的底层技术，而5G基站是实现万物互联的交互设备，5G基站的合理布局以及电磁信号传输的优化是智能物联网建设重要的一步，电磁信号的检测对于优化电磁信号的传输，降低损耗的具有重要的意义。
现有的电磁检测方法主要适用于理想环境下的检测，而面对复杂的实际环境以及毫米级别的5G基站电磁信号，由于环境的复杂性导致电磁信号的损耗现象比较严重，导致无法检测到准确的结果。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中由于实际应用环境的复杂性，缺乏可行性较强的5G电磁信号检测方法的技术问题。
发明内容
本申请实施例通过提供了一种5G基站电磁信号的检测方法及系统，解决了现有技术中由于实际应用环境的复杂性，缺乏可行性较强的5G电磁信号检测方法的技术问题。通过读取检测区域内的电磁信号，并根据特征参数的聚集度分为多个聚类，通过对传输环境内的地形地貌进行仿真建模，模拟实际环境，依据5G基站电磁信号的传播路径计算损耗参数，再将多个聚类中的电磁信号分别和损耗参数拟合，判断聚类中的电磁信号为损耗前是否属于5G基站电磁信号，将属于5G基站电磁信号的电磁信号作为检测结果上传。通过仿真模拟实际环境，得到的损耗参数接近于实际的损耗值，提高了检测结果的准确性，达到了得到可行性强的5G电磁信号检测方法的技术效果。
鉴于上述问题，本申请实施例提供了一种5G基站电磁信号的检测方法及系统。
第一方面，本申请实施例提供了一种5G基站电磁信号的检测方法，其中，所述方法应用于一电磁信号检测系统，所述系统包括一地形模拟单元，所述方法包括：获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；根据所述第一电磁信号集合，获得第一特征信息集合；通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果。
另一方面，本申请实施例提供了一种5G基站电磁信号的检测系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；第二获得单元，所述第二获得单元用于根据所述第一电磁信号集合，获得第一特征信息集合；第三获得单元，所述第三获得单元用于通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；第一构建单元，所述第一构建单元用于调用地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；第一确定单元，所述第一确定单元用于根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；第四获得单元，所述第四获得单元用于根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；第一判断单元，所述第一判断单元用于根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；第一执行单元，所述第一执行单元用于若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果。
第三方面，本申请实施例提供了一种5G基站电磁信号的检测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；根据所述第一电磁信号集合，获得第一特征信息集合；通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果的技术方案，通过读取检测区域内的电磁信号，并根据特征参数的聚集度分为多个聚类，通过对传输环境内的地形地貌进行仿真建模，模拟实际环境，依据5G基站电磁信号的传播路径计算损耗参数，再将多个聚类中的电磁信号分别和损耗参数拟合，判断聚类中的电磁信号为损耗前是否属于5G基站电磁信号，将属于5G基站电磁信号的电磁信号作为检测结果上传。通过仿真模拟实际环境，得到的损耗参数接近于实际的损耗值，提高了检测结果的准确性，达到了得到可行性强的5G电磁信号检测方法的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种5G基站电磁信号的检测方法流程示意图；
图2为本申请实施例提供了电磁信号在动态的复杂环境下检测方法流程示意图；
图3为本申请实施例提供了一种5G基站电磁信号的检测系统结构示意图；
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一构建单元14，第一确定单元15，第四获得单元16，第一判断单元17，第一执行单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种5G基站电磁信号的检测方法及系统，解决了现有技术中由于实际应用环境的复杂性，缺乏可行性较强的5G电磁信号检测方法的技术问题。通过读取检测区域内的电磁信号，并根据特征参数的聚集度分为多个聚类，通过对传输环境内的地形地貌进行仿真建模，模拟实际环境，依据5G基站电磁信号的传播路径计算损耗参数，再将多个聚类中的电磁信号分别和损耗参数拟合，判断聚类中的电磁信号为损耗前是否属于5G基站电磁信号，将属于5G基站电磁信号的电磁信号作为检测结果上传。通过仿真模拟实际环境，得到的损耗参数接近于实际的损耗值，提高了检测结果的准确性，达到了得到可行性强的5G电磁信号检测方法的技术效果。
申请概述
5G通信技术是物联网建设的底层技术，而5G基站是实现万物互联的交互设备，5G基站的合理布局以及电磁信号传输的优化是智能物联网建设重要的一步，电磁信号的检测对于优化电磁信号的传输，降低损耗的具有重要的意义。现有的电磁检测方法主要适用于理想环境下的检测，而面对复杂的实际环境以及毫米级别的5G基站电磁信号，由于环境的复杂性导致电磁信号的损耗现象比较严重，导致无法检测到准确的结果。但现有技术中由于实际应用环境的复杂性，缺乏可行性较强的5G电磁信号检测方法的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种5G基站电磁信号的检测方法，其中，所述方法应用于一电磁信号检测系统，所述系统包括一地形模拟单元，所述方法包括：获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；根据所述第一电磁信号集合，获得第一特征信息集合；通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种5G基站电磁信号的检测方法，其中，所述方法应用于一电磁信号检测系统，所述系统包括一地形模拟单元，所述方法包括：
S100：获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；
具体而言，所述第一检测区域指的是需要进行5G基站电磁信号电磁信号检测的区域，可以将整个5G基站布局设想为多个检测区域的拼合，只以其中一个区域为例说明电磁信号检测的方法；所述第一电磁信号集合指的是在所述第一检测区域内检测到的各类电磁信号的集合。优选的在读取各种冗杂的电磁信号之后，对电磁信号进行降噪处理，将冗杂性较低且能表征电磁信号类别的电磁信号集合作为所述第一电磁信号集合，为后步进程提供信息反馈基础。
S200：根据所述第一电磁信号集合，获得第一特征信息集合；
具体而言，所述第一特征信息集合指的是对所述第一电磁信号集合进行特征提取，特征信息包括但不限于：工作频率、频率变化方式、波长等特征参数数据。提取方式优选的为通过对所述第一电磁信号集合绘制频谱图，进而可通过卷积神经网络对频谱图进行特征提取，得到各个特征参数，进一步的，将提取得到的特征参数和所述第一电磁信号集合对应存储。通过提取所述第一特征信息集合可以更简单的对所述第一电磁信号集合进行识别，降低了所述第一电磁信号集合的冗杂性，提高了信息处理的效率。
S300：通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；
具体而言，所述第一分类结果指的是通过所述第一特征信息对所述第一电磁信号集合进行聚类分析得到分类结果，优选的通过模糊聚类方式基于所述第一特征信息集合对所述第一电磁信号集合进行聚类，模糊聚类可以将所述第一特征信息相近的分为一类，并不像传统聚类方法，界限划分的很清晰，因为电磁信号在传播过程中的实际环境较复杂，实际的环境是动态变化的，有很多不确定的因素，而传统的聚类方法是对于动态的因素容错率较低，通过模糊聚类可以提高所述电磁信号检测系统的容错率，提高了在动态环境下的检测准确度。
S400：调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；
进一步的，基于所述调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，所述地形模拟单元和一图像采集设备通信连接，所述方法步骤S400包括：
S410：通过所述图像采集设备，采集所述第一检测区域的图像信息，预处理后获得第一图像集合，其中，所述第一图像集合包括多维度的图像信息；
S420：根据所述第一图像集合，构建所述第一检测区域的所述第一仿真地形。
具体而言，所述地形模拟单元指的是一个构建三维仿真实景图的功能模块；所述图像采集设备指的是用来采集所述第一检测区域图像信息的设备，包括但不限于：无人机、北斗定位系统、摄像头等设备；所述第一检测区域的图像信息指的是通过所述图像采集设备多角度、多位置的采集到的多维的图像数据，直到可以全面的表征所述第一检测区域时停止；所述第一图像集合指的是经过预处理之后的所述第一检测区域的图像；所述图像采集设备采集的图像可能一个位置重复或者画质较差无法用于建模，需要删除或补充，则通过预处理对图像信息进行降维筛选，得到所述第一图像集合；所述第一检测区域的所述第一仿真地形指的是所述地形模拟单元通过所述第一图像集合和所述第一检测区域的实景进行拟合得到的三维仿真实景图。从所述第一仿真地形中可以清楚的看到所述第一检测区域内的所述第一地貌特征信息和所述5G基站的分布信息。通过对所述第一检测区域内的仿真模拟建模可以是检测环境接近所述第一电磁信号集合的实际传输环境，以此为基础训练得到检测系统可以适用于复杂的实际环境中的所述5G基站电磁信号的检测。
S500：根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；
具体而言，所述第一传播路径指的是依据所述第一电磁信号集合中各电磁信号的传播方向，假设所述第一电磁信号集合为5G基站电磁信号时，依据所述5G基站的分布信息在无损耗的情况下得到的最优传播路径。任何一个5G基站都有可能是所述第一电磁信号集合的发出和中转的基站，因此所述第一传播路径上分布的每一个所述5G基站都需要标注位置标记标签。在进行检测时，从接收基站沿着所述第一传播路径抵达第一个所述5G基站时，将接收基站到第一个所述5G基站之间的最优传播路径作为所述第一传播路径；抵达第二个所述5G基站时，则将第一个所述5G基站和第二个所述5G基站之间的最优传播路径加上所述第一传播路径更新为新的所述第一传播路径，直到遍历完所述第一检测区域内的边缘处所述5G基站时停止。通过确定所述第一传播路径，再将对应所述第一检测区域内的实际环境进行匹配，就可以模拟实际环境中的所述第一电磁信号集合的传播过程，进而可以得到较准确的评估结果，将所述第一电磁信号集合中的所述5G基站的电磁信号提取出来。
S600：根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；
具体而言，所述第一损耗参数指的是将所述第一传播路径和所述第一传播路径上的所述第一地貌特征信息进行匹配，得到传播路径上会遇到的地貌特征信息，包括但不限于：山、树叶、树干、石头、窗户、墙等对电磁信号会造成损耗的物品，而电磁信号在不同介质中传播的损耗计算方式现有技术已经成熟，在此不做过多阐述；通过计算所述第一地貌特征信息沿着所述第一传播路径上对所述5G基站电磁信号的损耗值，可以模拟所述5G基站电磁信号在传播过程中的实际损耗情况，得到准确度较高的损耗参数。
S700：根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；
S800：若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号集合作为第一检测结果。
具体而言，依据所述第一损耗参数遍历所述第一分类结果中的每一类中的每一组电磁信号特征参数表征的电磁信号，将每一组电磁信号特征参数依据所述第一损耗参数进行还原发出时的电磁信号特征参数，并将发出时的电磁信号特征参数和所述5G基站的电磁信号的理论值进行比对，如果符合所述5G基站的电磁信号的理论值，则确定该组电磁信号特征参数表征的电磁信号为所述5G基站的电磁信号。还原过程举不设限制的一例：依据智能模型完成，智能模型为基于神经网络训练的模型，采用多组的所述第一分类结果中的每一类中的每一组电磁信号特征参数和所述第一损耗参数为训练数据进行无监督训练，当智能模型收敛时停止即可使用。当所述第一分类结果中的电磁信号都遍历完成后，将提取出的属于所述5G基站电磁信号的所述第一电磁信号集合中的电磁信号及其特征参数进行存储，作为所述第一检测结果。通过基于所述第一损耗参数遍历所述第一分类结果，还原所述第一电磁信号中的特征参数，得到发出时的电磁信号特征参数，由于所述第一损耗参数是基于仿真环境得到的值，准确性较高，所以基于此可以检测到复杂环境中的所述5G电磁信号，更进一步的，可以依据所述第一检测结果，优化所述5G基站布局，降低传播损耗。
进一步的，基于所述根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号，步骤S700包括：
S710：获得第二特征信息集合，所述第二特征信息集合为所述5G基站的电磁信号的理论特征信息集合；
S720：基于所述第二特征信息集合构建第一电磁信号识别模型；
S730：将所述第一损耗参数和所述第一分类结果信息输入所述第一电磁信号识别模型，获得第一识别结果，其中，所述第一识别结果包括属于所述5G基站的电磁信号的第一电磁信号；
S740：将属于所述5G基站的电磁信号的所述第一电磁信号作为所述第一检测结果。
具体而言，所述第二特征信息集合指的是所述5G基站的电磁信号的理论特征信息集合，所述第二特征信息集合所述第一特征信息集合相互对应，也包括工作频率、频率变化方式、波长等特征参数数据；所述第一电磁信号识别模型指的即为还原所述第一电磁信号集合中的电磁信号参数特征智能模型；所述第一识别结果指的是所述第一电磁信号识别模型输出的识别结果；所述第一电磁信号指的是所述第一电磁信号集合中属于所述5G基站的电磁信号，将所述第一电磁信号作为所述第一检测结果进行存储，表征检测到的所述5G基站的电磁信号。所述第一电磁信号识别模型为基于神经网络训练和模糊逻辑训练的人工智能模型，通过构建隶属度函数，将还原电磁信号特征参数中和所述5G基站的电磁信号近似的还原电磁信号特征参数也提取存储，进一步判断其是否为所述5G基站的电磁信号，提高了所述第一电磁信号识别模型识别的智能性和准确性。
进一步的，基于所述第一识别结果还包括与所述5G基站的电磁信号相似的第二电磁信号，所述电磁信号检测系统和气象卫星通信连接，所述方法还包括步骤S900：
S910：根据所述气象卫星，获得第一大气特征信息集合，其中，所述第一大气特征信息集合包括第一氧含量特征信息和第一水汽含量特征信息；
S920：根据所述第一氧含量特征信息和所述第一水汽含量特征信息，获得第一修正参数；
S930：通过所述第一修正参数对所述第一损耗参数进行修正，获得第二损耗参数；
S940：根据所述第二损耗参数调整所述第一识别结果，获得第二识别结果，其中，所述第二识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
S950：将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
具体而言，所述5G基站的电磁信号在传输过程中会受到动态的气象因素较大影响，所以和所述5G基站的电磁信号相似的所述第二电磁信号也许为受到动态气象因素影响传播过程的电磁信号；所述气象卫星为可预报所述第一检测区域内气象数据的气象卫星，和所述电磁信号检测系统通信连接；所述第一大气特征信息集合指的是在晴空大气下，即没有沉降物的大气环境，影响所述第二电磁信号传播过程的特征信息，主要为所述第一氧含量特征信息和所述第一水汽含量特征信息，所述第一氧含量特征信息和所述第一水汽含量特征信息都会对所述第二电磁信号造成衰减和一定的相移，所述第一氧含量和所述第一水汽含量越高，则所述第二电磁信号的衰减和相移越严重；进一步的，基于所述第一检测区域中所述第一氧含量特征信息和所述第一水汽含量特征信息对所述5G基站电磁信号理论能量衰减和相移的影响程度得到所述第一修正参数；进一步的，所述第二损耗参数指的是将所述第一损耗参数和所述第一修正参数进行拟合，得到的在所述第一大气特征信息集合下的损耗参数，优选的拟合方式为所述第一损耗参数+所述第一修正参数即可；更进一步的，所述第二识别结果指的是依据所述第二损耗参数调整所述第一识别结果得到数据，调整方式举优选的一例如：将所述第二损耗参数和所述第一分类结果信息输入所述第一电磁信号识别模型，得到所述第二识别结果，当所述第二识别结果中显示的还原电磁信号特征参数后的所述第二电磁信号属于所述5G基站的电磁信号，则将其添加进所述第一检测结果。通过所述第一大气特征信息集合造成的损耗拟合所述第一损耗参数得到所述第二损耗参数可以表征在没有沉降粒子的大气环境下电磁信号传播损耗情况，保证了所述5G基站的电磁信号在动态环境下的稳定性，提高了检测结果的准确性。
更进一步的，如图2所示，基于所述方法还包括步骤S1000：
S1010：当所述第二电磁信号不属于所述5G基站的电磁信号，根据所述气象卫星，获得第二大气特征信息集合，其中，所述第二大气特征信息集合包括第一沉降粒子特征信息；
S1020：根据所述第一沉降粒子特征信息，获得第二修正参数；
S1030：通过所述第二修正参数对所述第二损耗参数进行修正，获得第三损耗参数；
S1040：根据所述第三损耗参数调整所述第二识别结果，获得第三识别结果，其中，所述第三识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
S1050：将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
具体而言，所述第二大气特征信息集合指的是在有沉降物的大气环境下，影响所述第二电磁信号传播过程的特征信息，除开所述第一氧含量特征信息和所述第一水汽含量特征信息，主要为所述第一沉降粒子特征信息，所述第一沉降粒子特征信息会对所述第二电磁信号造成衰减和一定的相移，所述第一沉降粒子特征信息含量越高，则所述第二电磁信号的衰减和相移越严重；进一步的，基于所述第一沉降粒子特征信息对所述5G基站电磁信号能量衰减和相移的理论影响程度得到所述第二修正参数；进一步的，所述第三损耗参数指的是将所述第二损耗参数和所述第一修正参数进行拟合，得到的在所述第二大气特征信息集合下的损耗参数，优选的拟合方式为所述第二损耗参数+所述第二修正参数即可；更进一步的，所述第三识别结果指的是依据所述第三损耗参数调整所述第一识别结果得到数据，调整方式举优选的一例如：将所述第三损耗参数和所述第一分类结果信息输入所述第一电磁信号识别模型，得到所述第三识别结果，当所述第三识别结果中显示的还原电磁信号特征参数后的所述第二电磁信号属于所述5G基站的电磁信号，则将其添加进所述第一检测结果。通过所述第二大气特征信息集合造成的损耗拟合所述第二损耗参数得到所述第三损耗参数可以表征有沉降粒子的大气环境下电磁信号传播损耗情况，保证了所述5G基站的电磁信号在动态环境下的稳定性，提高了检测结果的准确性。
进一步的，基于所述第一特征信息集合和所述第二特征信息集合，步骤S200包括：
S210：获得第一电磁信号集合的第一频谱图集合，对所述第一频谱图集合进行特征提取，获得第一特征参数集合；
S220：根据所述第一特征参数集合，构建第一联合特征矢量集合，其中，所述第一电磁信号集合中的电磁信号和所述第一联合特征矢量集合中的联合特征矢量一一对应；
S230：通过所述第一联合特征矢量集合表征所述第一特征信息集合。
具体而言，所述第一特征信息集合和所述第二特征信息集合的读取方式相同，在此以所述第一特征信息集合为例。所述第一频谱图集合指的是接收所述第一电磁信号集合，依据其波长和频率数据绘制频谱图得到的频谱图集合；所述第一特征参数集合指的是对所述第一频谱图进行特征提取得到特征参数集合，包括但不限于工作频率、脉冲重复频率、脉冲宽度、信号调制方式、频率变化方式等数据；所述第一联合特征矢量集合指的是将所述第一电磁信号集合中的每一个电磁信号构建为一个含有M个所述第一特征参数的联合特征矢量，M为2或者2以上的自然数；所述第一联合特征矢量可以表征其对应的所述第一电磁信号中的电磁信号；进一步的，将所述第一联合特征矢量集合作为所述第一特征信息集合表征所述第一电磁信号集合的特征数据。通过联立多组特征参数得到所述第一联合特征矢量，可以提高识别结果的精准度，进一步的，提高所述5G基站电磁信号的检测准确度。
进一步的，基于所述第二特征信息集合构建第一电磁信号识别模型，所述方法步骤S720包括：
S721：根据所述第二特征信息，获得第一离散型特征参数和第一连续型特征参数；
S722：根据所述第一离散型特征参数，构建第一识别子模型；
S723：根据所述第一连续型特征参数，构建第二识别子模型；
S724：将所述第一识别子模型和所述第二识别子模型合并，生成所述第一电磁信号识别模型。
具体而言，所述第一离散型特征参数指的是离散型的特征参数变量，例如：电磁信号的频率调制方式、频率变化方式等参数；所述第一连续型特征参数指的是连续型的特征参数变量，例如：工作频率、重复频率等参数；所述第一识别子模型指的是基于神经网络和模糊逻辑构建的可以识别所述第一离散型特征参数的智能模型；所述第二识别子模型指的是基于神经网络和模糊逻辑构建的可以识别所述第一连续型特征参数的智能模型。其中，在构建模糊逻辑时，需要建立评估标准，即确定为相似的标准，优选的预设基于多组所述第一离散型特征参数的波动区间确定相似区间，当基于所述第一损失参数将所述第一电磁信号集合还原后的联合特征矢量和所述5G基站电磁信号的理论联合特征矢量不完全吻合，但是在允许的波动区间之内，则输出为相似的所述第二电磁信号。进一步的，在所述第一识别子模型和所述第二识别子模型训练达到收敛后，将所述第一识别子模型和所述第二识别子模型合并，得到所述第一电磁信号识别模型，可以是适用于复杂动态环境下的所述5G基站电磁信号的识别，得到较准确的识别结果。
综上所述，本申请实施例所提供的一种5G基站电磁信号的检测方法及系统具有如下技术效果：
1.通过读取检测区域内的电磁信号，并根据特征参数的聚集度分为多个聚类，通过对传输环境内的地形地貌进行仿真建模，模拟实际环境，依据5G基站电磁信号的传播路径计算损耗参数，再将多个聚类中的电磁信号分别和损耗参数拟合，判断聚类中的电磁信号为损耗前是否属于5G基站电磁信号，将属于5G基站电磁信号的电磁信号作为检测结果上传。通过仿真模拟实际环境，得到的损耗参数接近于实际的损耗值，提高了检测结果的准确性，达到了得到可行性强的5G电磁信号检测方法的技术效果。
2.通过所述第二大气特征信息集合造成的损耗拟合所述第二损耗参数得到所述第三损耗参数可以表征有沉降粒子的大气环境下电磁信号传播损耗情况，保证了所述5G基站的电磁信号在动态环境下的稳定性，提高了检测结果的准确性。
实施例二
基于与前述实施例中一种5G基站电磁信号的检测方法相同的发明构思，如图3所示，本申请实施例提供了一种5G基站电磁信号的检测系统，其中，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；
第二获得单元12，所述第二获得单元12用于根据所述第一电磁信号集合，获得第一特征信息集合；
第三获得单元13，所述第三获得单元13用于通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；
第一构建单元14，所述第一构建单元14用于调用地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；
第一确定单元15，所述第一确定单元15用于根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；
第四获得单元16，所述第四获得单元16用于根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；
第一判断单元17，所述第一判断单元17用于根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；
第一执行单元18，所述第一执行单元18用于若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号集合作为第一检测结果。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于获得第二特征信息集合，所述第二特征信息集合为所述5G基站的电磁信号的理论特征信息集合；
第二构建单元，所述第二构建单元用于基于所述第二特征信息集合构建第一电磁信号识别模型；
第六获得单元，所述第六获得单元用于将所述第一损耗参数和所述第一分类结果信息输入所述第一电磁信号识别模型，获得第一识别结果，其中，所述第一识别结果包括属于所述5G基站的电磁信号的第一电磁信号；
第二执行单元，所述第二执行单元用于将属于所述5G基站的电磁信号的所述第一电磁信号作为所述第一检测结果。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于根据气象卫星，获得第一大气特征信息集合，其中，所述第一大气特征信息集合包括第一氧含量特征信息和第一水汽含量特征信息；
第八获得单元，所述第八获得单元用于根据所述第一氧含量特征信息和所述第一水汽含量特征信息，获得第一修正参数；
第九获得单元，所述第九获得单元用于通过所述第一修正参数对所述第一损耗参数进行修正，获得第二损耗参数；
第十获得单元，所述第十获得单元用于根据所述第二损耗参数调整所述第一识别结果，获得第二识别结果，其中，所述第二识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
第一添加单元，所述第一添加单元用于将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于当所述第二电磁信号不属于所述5G基站的电磁信号，根据所述气象卫星，获得第二大气特征信息集合，其中，所述第二大气特征信息集合包括第一沉降粒子特征信息；
第十二获得单元，所述第十二获得单元用于根据所述第一沉降粒子特征信息，获得第二修正参数；
第十三获得单元，所述第十三获得单元用于通过所述第二修正参数对所述第二损耗参数进行修正，获得第三损耗参数；
第十四获得单元，所述第十四获得单元用于根据所述第三损耗参数调整所述第二识别结果，获得第三识别结果，其中，所述第三识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
第二添加单元，所述第二添加单元用于将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于获得第一电磁信号集合的第一频谱图集合，对所述第一频谱图集合进行特征提取，获得第一特征参数集合；
第三构建单元，所述第三构建单元用于根据所述第一特征参数集合，构建第一联合特征矢量集合，其中，所述第一电磁信号集合中的电磁信号和所述第一联合特征矢量集合中的联合特征矢量一一对应；
第一表征单元，所述第一表征单元用于通过所述第一联合特征矢量集合表征所述第一特征信息集合。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于通过图像采集设备，采集所述第一检测区域的图像信息，预处理后获得第一图像集合，其中，所述第一图像集合包括多维度的图像信息；
第四构建单元，所述第四构建单元用于根据所述第一图像集合，构建所述第一检测区域的所述第一仿真地形。
进一步的，所述系统还包括：
第十七获得单元，所述第十七获得单元用于根据所述第二特征信息，获得第一离散型特征参数和第一连续型特征参数；
第五构建单元，所述第五构建单元用于根据所述第一离散型特征参数，构建第一识别子模型；
第六构建单元，所述第六构建单元用于根据所述第一连续型特征参数，构建第二识别子模型；
第一生成单元，所述第一生成单元用于将所述第一识别子模型和所述第二识别子模型合并，生成所述第一电磁信号识别模型。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备，
基于与前述实施例中一种5G基站电磁信号的检测方法相同的发明构思，本申请实施例还提供了一种5G基站电磁信号的检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(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。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4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。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless localareanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种5G基站电磁信号的检测方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种5G基站电磁信号的检测方法，其中，所述方法应用于一电磁信号检测系统，所述系统包括一地形模拟单元，所述方法包括：获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；根据所述第一电磁信号集合，获得第一特征信息集合；通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果。通过读取检测区域内的电磁信号，并根据特征参数的聚集度分为多个聚类，通过对传输环境内的地形地貌进行仿真建模，模拟实际环境，依据5G基站电磁信号的传播路径计算损耗参数，再将多个聚类中的电磁信号分别和损耗参数拟合，判断聚类中的电磁信号为损耗前是否属于5G基站电磁信号，将属于5G基站电磁信号的电磁信号作为检测结果上传。通过仿真模拟实际环境，得到的损耗参数接近于实际的损耗值，提高了检测结果的准确性，达到了得到可行性强的5G电磁信号检测方法的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
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申请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、或者其他可编程系统。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括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。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种5G基站电磁信号的检测方法，其中，所述方法应用于一电磁信号检测系统，所述系统包括一地形模拟单元，所述方法包括：
获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；
根据所述第一电磁信号集合，获得第一特征信息集合；
通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；
调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；
根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；
根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；
根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；
若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号集合作为第一检测结果。
2.如权利要求1所述的方法，其中，所述根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号，包括：
获得第二特征信息集合，所述第二特征信息集合为所述5G基站的电磁信号的理论特征信息集合；
基于所述第二特征信息集合构建第一电磁信号识别模型；
将所述第一损耗参数和所述第一分类结果信息输入所述第一电磁信号识别模型，获得第一识别结果，其中，所述第一识别结果包括属于所述5G基站的电磁信号的第一电磁信号；
将属于所述5G基站的电磁信号的所述第一电磁信号作为所述第一检测结果。
3.如权利要求2所述的方法，其中，所述第一识别结果还包括与所述5G基站的电磁信号相似的第二电磁信号，所述电磁信号检测系统和气象卫星通信连接，所述方法还包括：
根据所述气象卫星，获得第一大气特征信息集合，其中，所述第一大气特征信息集合包括第一氧含量特征信息和第一水汽含量特征信息；
根据所述第一氧含量特征信息和所述第一水汽含量特征信息，获得第一修正参数；
通过所述第一修正参数对所述第一损耗参数进行修正，获得第二损耗参数；
根据所述第二损耗参数调整所述第一识别结果，获得第二识别结果，其中，所述第二识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
4.如权利要求3所述的方法，其中，所述方法还包括：
当所述第二电磁信号不属于所述5G基站的电磁信号，根据所述气象卫星，获得第二大气特征信息集合，其中，所述第二大气特征信息集合包括第一沉降粒子特征信息；
根据所述第一沉降粒子特征信息，获得第二修正参数；
通过所述第二修正参数对所述第二损耗参数进行修正，获得第三损耗参数；
根据所述第三损耗参数调整所述第二识别结果，获得第三识别结果，其中，所述第三识别结果包括属于所述5G基站的电磁信号的所述第二电磁信号；
将属于所述5G基站的电磁信号的所述第二电磁信号添加进所述第一检测结果。
5.如权利要求1或2所述的方法，其中，所述第一特征信息集合和所述第二特征信息集合，包括：
获得第一电磁信号集合的第一频谱图集合，对所述第一频谱图集合进行特征提取，获得第一特征参数集合；
根据所述第一特征参数集合，构建第一联合特征矢量集合，其中，所述第一电磁信号集合中的电磁信号和所述第一联合特征矢量集合中的联合特征矢量一一对应；
通过所述第一联合特征矢量集合表征所述第一特征信息集合。
6.如权利要求1所述的方法，其中，所述调用所述地形模拟单元，构建所述第一检测区域的第一仿真地形，所述地形模拟单元和一图像采集设备通信连接，所述方法包括：
通过所述图像采集设备，采集所述第一检测区域的图像信息，预处理后获得第一图像集合，其中，所述第一图像集合包括多维度的图像信息；
根据所述第一图像集合，构建所述第一检测区域的所述第一仿真地形。
7.如权利要求2所述的方法，其中，所述基于所述第二特征信息集合构建第一电磁信号识别模型，所述方法包括：
根据所述第二特征信息，获得第一离散型特征参数和第一连续型特征参数；
根据所述第一离散型特征参数，构建第一识别子模型；
根据所述第一连续型特征参数，构建第二识别子模型；
将所述第一识别子模型和所述第二识别子模型合并，生成所述第一电磁信号识别模型。
8.一种5G基站电磁信号的检测系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一检测区域，读取所述第一检测区域内的第一电磁信号集合；
第二获得单元，所述第二获得单元用于根据所述第一电磁信号集合，获得第一特征信息集合；
第三获得单元，所述第三获得单元用于通过所述第一特征信息集合对所述第一电磁信号集合进行聚类，获得第一分类结果；
第一构建单元，所述第一构建单元用于调用地形模拟单元，构建所述第一检测区域的第一仿真地形，其中，所述第一仿真地形包括第一地貌特征信息和所述5G基站的分布信息；
第一确定单元，所述第一确定单元用于根据所述5G基站的分布信息和所述第一电磁信号集合，确定第一传播路径；
第四获得单元，所述第四获得单元用于根据所述第一传播路径和所述第一地貌特征信息，获得第一损耗参数；
第一判断单元，所述第一判断单元用于根据所述第一损耗参数和所述第一分类结果，判断所述第一电磁信号集合是否属于所述5G基站的电磁信号；
第一执行单元，所述第一执行单元用于若所述第一电磁信号集合属于所述5G基站的电磁信号，将所述第一电磁信号作为第一检测结果。
9.一种5G基站电磁信号的检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111165019.8A CN114070438B (zh) | 2021-09-30 | 2021-09-30 | 一种5g基站电磁信号的检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111165019.8A CN114070438B (zh) | 2021-09-30 | 2021-09-30 | 一种5g基站电磁信号的检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114070438A true CN114070438A (zh) | 2022-02-18 |
| CN114070438B CN114070438B (zh) | 2024-04-05 |
Family
ID=80234124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111165019.8A Active CN114070438B (zh) | 2021-09-30 | 2021-09-30 | 一种5g基站电磁信号的检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114070438B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116359683A (zh) * | 2023-02-28 | 2023-06-30 | 四川大唐国际甘孜水电开发有限公司 | 一种基于信息交互的局部放电模式识别方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100178925A1 (en) * | 2005-12-21 | 2010-07-15 | Antonio Bernini | Method for Estimating a Radio Coverage of a Geographic Area in a Cellular Mobile Radio Communication Network |
| US8781797B1 (en) * | 2009-08-05 | 2014-07-15 | Spirent Communications, Inc. | Virtual drive test tool |
| CN107765103A (zh) * | 2017-10-19 | 2018-03-06 | 西安电子科技大学 | 一种基于多传感器的复杂环境电磁态势反演方法 |
| WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
| CN112418245A (zh) * | 2020-11-04 | 2021-02-26 | 武汉大学 | 基于城市环境物理模型的电磁发射点定位方法 |
| CN113068208A (zh) * | 2020-01-02 | 2021-07-02 | 中国移动通信集团广东有限公司 | Spm组合模型的训练方法、无线信号仿真的方法及服务器 |
-
2021
- 2021-09-30 CN CN202111165019.8A patent/CN114070438B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100178925A1 (en) * | 2005-12-21 | 2010-07-15 | Antonio Bernini | Method for Estimating a Radio Coverage of a Geographic Area in a Cellular Mobile Radio Communication Network |
| US8781797B1 (en) * | 2009-08-05 | 2014-07-15 | Spirent Communications, Inc. | Virtual drive test tool |
| CN107765103A (zh) * | 2017-10-19 | 2018-03-06 | 西安电子科技大学 | 一种基于多传感器的复杂环境电磁态势反演方法 |
| WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
| CN113068208A (zh) * | 2020-01-02 | 2021-07-02 | 中国移动通信集团广东有限公司 | Spm组合模型的训练方法、无线信号仿真的方法及服务器 |
| CN112418245A (zh) * | 2020-11-04 | 2021-02-26 | 武汉大学 | 基于城市环境物理模型的电磁发射点定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| 党俊肖;武丽梅;马金辉;: "基于GIS的移动通信信号传播预测及可视化仿真研究", 无线通信技术, no. 04 * |
| 左丽芬;任席闯;崔洁;: "基于GIS的短波台站电磁辐射环境影响预测", 舰船电子工程, no. 09 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116359683A (zh) * | 2023-02-28 | 2023-06-30 | 四川大唐国际甘孜水电开发有限公司 | 一种基于信息交互的局部放电模式识别方法及系统 |
| CN116359683B (zh) * | 2023-02-28 | 2023-12-26 | 四川大唐国际甘孜水电开发有限公司 | 一种基于信息交互的局部放电模式识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114070438B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112396160A (zh) | 基于图神经网络的交易欺诈检测方法及系统 | |
| CN110782042A (zh) | 横向联邦和纵向联邦联合方法、装置、设备及介质 | |
| US11283991B2 (en) | Method and system for tuning a camera image signal processor for computer vision tasks | |
| CN114998695B (zh) | 一种提高图像识别速度的方法及系统 | |
| CN113516105B (zh) | 一种车道检测方法、装置及计算机可读存储介质 | |
| CN115016353A (zh) | 一种用于远程控制设备的监控管理系统 | |
| CN114662989A (zh) | 电力系统的暂态稳定自适应评估方法及装置 | |
| CN114070438A (zh) | 一种5g基站电磁信号的检测方法及系统 | |
| WO2022036981A1 (zh) | 机器人及其地图构建方法和装置 | |
| CN116522988B (zh) | 基于图结构学习的联邦学习方法、系统、终端及介质 | |
| CN117853596A (zh) | 无人机遥感测绘方法及系统 | |
| CN116826734A (zh) | 一种基于多输入模型的光伏发电功率预测方法及装置 | |
| CN113838076A (zh) | 目标图像中的对象轮廓的标注方法及装置、存储介质 | |
| CN116881807A (zh) | 自动驾驶系统的评价方法、相关模型的训练方法和设备 | |
| CN116012692A (zh) | 一种模型生成方法、装置、电子设备及存储介质 | |
| CN115577797A (zh) | 一种基于本地噪声感知的联邦学习优化方法及系统 | |
| CN113269678A (zh) | 接触网输电线路的故障点定位方法 | |
| CN117808125B (zh) | 模型聚合方法、装置、设备、联邦学习系统及存储介质 | |
| CN118351332B (zh) | 基于点云数据的自动驾驶车辆三维特征提取方法及系统 | |
| CN118545097B (zh) | 一种无人驾驶车辆的自动控制方法及系统 | |
| CN117829274B (zh) | 模型融合方法、装置、设备、联邦学习系统及存储介质 | |
| CN112883988B (zh) | 基于多数据集的特征提取网络的训练及特征提取方法 | |
| CN116778363B (zh) | 一种基于联邦学习的低通信量库区水环境风险识别方法 | |
| CN115510077A (zh) | 基于消息传递的图数据更新方法、装置、设备及介质 | |
| CN114418119A (zh) | 一种基于结构深度嵌入的对话策略优化方法及系统 |
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 |