CN114280638B - 一种弱信号环境下北斗信号捕获方法、系统及云平台 - Google Patents
一种弱信号环境下北斗信号捕获方法、系统及云平台 Download PDFInfo
- Publication number
- CN114280638B CN114280638B CN202111577350.0A CN202111577350A CN114280638B CN 114280638 B CN114280638 B CN 114280638B CN 202111577350 A CN202111577350 A CN 202111577350A CN 114280638 B CN114280638 B CN 114280638B
- Authority
- CN
- China
- Prior art keywords
- signal
- description
- signal interference
- group
- interference
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 161
- 238000013507 mapping Methods 0.000 claims abstract description 57
- 230000007547 defect Effects 0.000 claims description 75
- 239000011159 matrix material Substances 0.000 claims description 67
- 230000006735 deficit Effects 0.000 claims description 36
- 238000005065 mining Methods 0.000 claims description 34
- 230000000007 visual effect Effects 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000003491 array Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009901 attention process Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Error Detection And Correction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供的弱信号环境下北斗信号捕获方法、系统及云平台，能够结合北斗中频信号数据和伪码信号数据，并利用第一预设策略确定对应的映射处理结果，这样可以通过不同的映射处理结果实现信号数据的扩展还原处理以得到与待处理的北斗中频信号数据对应的优化信号，由于该优化信号是根据不同的映射处理结果得到的，一方面能够保证优化信号的真实性，另一方面能够尽可能确保优化信号的完整度，从而保障在弱信号环境下的信号捕获效率、质量和精度。
Description
技术领域
本申请涉及北斗信号处理技术领域，特别涉及一种弱信号环境下北斗信号捕获方法、系统及云平台。
背景技术
科学技术的发展使得人们的生活质量得到不断提升，以导航为例，数字化导航技术已经广泛应用于日常生产生活中，相比于之前的纸质地图导航，数字化导航技术的智能化程度更高且更为便捷。现目前，北斗导航技术已经逐渐应用于多种场景下，对于某些场景而言，北斗导航技术的信号捕获能力还存在一些缺陷。例如，如何在弱信号环境下保障导航信号的获取质量和精度是现目前需要改善的一个技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种弱信号环境下北斗信号捕获方法、系统及云平台。
第一方面旨在提供一种弱信号环境下北斗信号捕获方法，应用于信号处理云平台，所述方法至少包括：获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集；结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集；按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果；通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号。
在一些可独立实施的设计思路下，所述通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号，包括：确定所述第一映射处理结果和所述第二映射处理结果的共轭相乘结果；利用所述共轭相乘结果生成第一信号矩阵；对所述第一信号矩阵进行扩展处理得到第二信号矩阵；按照第二预设策略确定所述第二信号矩阵对应的目标信号数据以作为所述优化信号。
在一些可独立实施的设计思路下，所述对所述第一信号矩阵进行扩展处理得到第二信号矩阵，包括：确定针对第一信号矩阵的信号干扰描述队列，所述信号干扰描述队列涵盖不少于两组信号干扰描述；确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数；结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果；利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，所述目标信号缺损标识集涵盖不少于两个目标信号缺损标识内容；通过所述目标信号缺损标识内容对所述第一信号矩阵中的目标元素进行补全处理，以获得所述第二信号矩阵。
在一些可独立实施的设计思路下，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列；对各个局部信号干扰描述队列进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果。
在一些可独立实施的设计思路下，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列，包括：分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的区分性干扰主题进行更新，得到所述每组信号干扰描述的热点区分性干扰主题；结合所述每组信号干扰描述的热点区分性干扰主题对所述每组信号干扰描述进行多维特征分析，得到不少于两个局部信号干扰描述队列；
其中，所述对各个局部信号干扰描述队列之间进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果，包括：基于各个局部信号干扰描述队列所涵盖的信号干扰描述的数目，对所述各个局部信号干扰描述队列进行按序整理；对于所述各个局部信号干扰描述队列，依次实施如下步骤：结合所述局部信号干扰描述队列中每组信号干扰描述的区分性干扰主题与所述局部信号干扰描述队列的量化联系情况，对所述局部信号干扰描述队列中的每组信号干扰描述进行按序整理；利用所述各个局部信号干扰描述队列之间的按序整理结果，以及所述各个局部信号干扰描述队列中每组信号干扰描述的按序整理结果，确定所述信号干扰描述整理结果。
在一些可独立实施的设计思路下，所述确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数，包括：分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元对所述每组信号干扰描述进行影响指数挖掘，确定所述描述挖掘单元生成的所述每组信号干扰描述对应的强弱影响指数；
所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：分别将所述每组信号干扰描述，以及所述每组信号干扰描述对应的强弱影响指数加载至所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析和按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，所述第一融合描述中的各个信号干扰描述信息组合形成所述信号干扰描述整理结果；
所述利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，包括：将所述融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集；其中，所述在先完成调优的信号缺损标识处理网络是基于调优范例信号集调优得到的，所述调优范例信号集中的调优范例包括已注释共性评价的范例信号干扰描述，所述共性评价表示所述范例信号干扰描述与范例信号矩阵是否存在共性；
其中，所述分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元，确定所述描述挖掘单元生成的每组范例信号干扰描述对应的强弱影响指数，包括：分别将所述每组信号干扰描述加载至所述描述挖掘单元，利用所述描述挖掘单元中的描述投影单元将所述每组信号干扰描述投影到设定映射列表，得到所述每组信号干扰描述的视觉型数组；通过全局特征变换策略将所述每组信号干扰描述的视觉型数组分别调整为对应的区分性数组；利用所述描述挖掘单元，分别挖掘所述每组信号干扰描述的区分性数组与除该组信号干扰描述以外的剩余信号干扰描述的区分性数组之间的局部聚焦特征；利用所述每组信号干扰描述对应的局部聚焦特征确定所述每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数；
其中，所述利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析并按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，包括：利用所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，将所述每组信号干扰描述投影到设定映射列表得到所述每组信号干扰描述对应的字符数组集；通过阶段性下采样处理对所述每组信号干扰描述对应的字符数组集进行时空域特征挖掘，得到所述每组信号干扰描述的分类视觉数组；分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的分类视觉数组进行更新，得到所述每组信号干扰描述的热点分类视觉数组；利用所述每组信号干扰描述的热点分类视觉数组进行多维特征分析，得到不少于两个局部信号干扰描述队列；将全部局部信号干扰描述队列进行按序整理，并将每个局部信号干扰描述队列中的每组信号干扰描述进行按序整理后，将每组信号干扰描述的热点分类视觉数组加权并进行字符层面调整得到所述第一融合描述。
在一些可独立实施的设计思路下，所述将所述第一融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集，包括：采用预设处理方式，依次确定所述目标信号缺损标识集中的各个信号缺损标识内容，所述目标信号缺损标识集中的一个信号缺损标识至少涵盖一个信号缺损标识内容；每轮预设处理包括以下内容：将前一轮生成的目标信号缺损标识内容加载至所述信号缺损标识处理单元，其中，首轮加载至所述信号缺损标识处理单元的为事先添加的基础信号字符；通过局部聚焦策略分析所述前一轮生成的目标信号缺损标识内容和所述范例集中的各个信号干扰描述信息的匹配可能性，其中，所述匹配可能性表示所述信号干扰描述信息与所述前一轮生成的信号缺损标识内容之间的局部聚焦值；将所述匹配可能性和所述信号干扰描述整理结果中的信号干扰描述信息的区分性数组集进行更新，并加载至到AI机器学习模型中，确定本次生成的所述信号干扰描述整理结果的目标分类视觉数组；利用所述前一轮生成的目标信号缺损标识内容以及所述目标分类视觉数组，获得本轮生成的目标信号缺损标识内容。
第二方面旨在提供一种弱信号环境下北斗信号捕获系统，包括互相之间通信连接的信号处理云平台和信号发射端；所述信号处理云平台用于：通过所述信号发射端获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集；结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集；按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果；通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号。
第三方面旨在提供一种信号处理云平台，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
第四方面旨在提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。
综上所述，能够结合北斗中频信号数据和伪码信号数据，并利用第一预设策略确定对应的映射处理结果，这样可以通过不同的映射处理结果实现信号数据的扩展还原处理以得到与待处理的北斗中频信号数据对应的优化信号，由于该优化信号是根据不同的映射处理结果得到的，一方面能够保证优化信号的真实性，另一方面能够尽可能确保优化信号的完整度，从而保障在弱信号环境下的信号捕获效率、质量和精度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种信号处理云平台的硬件结构示意图。
图2是本申请实施例提供的一种弱信号环境下北斗信号捕获方法的流程示意图。
图3是本申请实施例提供的一种弱信号环境下北斗信号捕获方法的应用环境（弱信号环境下北斗信号捕获系统）的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在信号处理云平台、计算机设备或者类似的运算装置中执行。以运行在信号处理云平台上为例，图1是本申请实施例的实施一种弱信号环境下北斗信号捕获方法的信号处理云平台的硬件结构框图。如图1所示，信号处理云平台10可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述信号处理云平台还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述信号处理云平台的结构造成限定。例如，信号处理云平台10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的一种弱信号环境下北斗信号捕获方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至信号处理云平台10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括信号处理云平台10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
基于此，请参阅图2，图2是本发明实施例所提供的一种弱信号环境下北斗信号捕获方法的流程示意图，该方法应用于信号处理云平台，进一步可以包括以下内容描述的技术方案。
步骤21、获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集。
例如，可以通过信号发射端获得待处理的北斗中频信号数据，其中，在获得待处理的北斗中频信号数据时，信号处理云平台所处的环境可以是弱信号环境（可能导致获取的信号数据缺失的环境），基于此，待处理的北斗中频信号数据可能是不完整的，未实现待处理的北斗中频信号数据的完整还原，可以先利用分治思想确定得到北斗中频信号数据对应的第一信号集（可以理解为第一区块）。
步骤22、结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集。
可以理解的是，伪码信号数据的生成可以参阅相关现有技术，在此不作更多说明，之后同样利用分治思想确定伪码信号数据对应的第二信号集（可以理解为第二区块）。
步骤23、按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果。
举例而言，第一预设策略可以是快速傅里叶变换，相应的第一映射处理结果和第二映射处理结果可以理解为快速傅里叶变换结果。
步骤24、通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号。
在本申请实施例中，可以结合待处理的北斗中频信号数据所对应的第一映射处理结果以及伪码信号数据所对应的第二映射处理结果实现北斗中频信号数据的完整性还原，从而保障在弱信号环境下所获得的信号数据的质量和精度。
在一些可独立实施的设计思路下，步骤24所描述的通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号，可以通过步骤241-步骤244所描述的技术方案实现。
步骤241、确定所述第一映射处理结果和所述第二映射处理结果的共轭相乘结果。
步骤242、利用所述共轭相乘结果生成第一信号矩阵。
在本申请实施例中，第一信号矩阵可以是多维矩阵，比如二维矩阵或者三维矩阵，相应地，信号矩阵也可以理解为信号数据对应的映射空间。
步骤243、对所述第一信号矩阵进行扩展处理得到第二信号矩阵。
在本申请实施例中，通过对第一信号矩阵进行扩展处理，能够实现缺失/缺损信号的恢复处理，进而得到第二信号矩阵。进一步地，步骤243所描述的对所述第一信号矩阵进行扩展处理得到第二信号矩阵，可以通过步骤2431-步骤2435所描述的技术方案实现。
步骤2431、确定针对第一信号矩阵的信号干扰描述队列，所述信号干扰描述队列涵盖不少于两组信号干扰描述。
步骤2432、确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数。
例如，强弱影响指数可以理解为信号相关度。
步骤2433、结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果。
在一些可能的实施例中，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列；对各个局部信号干扰描述队列进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果。
例如，整理结果可以理解为排序结果。
在另一些可能的实施例中，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列，包括：分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的区分性干扰主题进行更新，得到所述每组信号干扰描述的热点区分性干扰主题；结合所述每组信号干扰描述的热点区分性干扰主题对所述每组信号干扰描述进行多维特征分析，得到不少于两个局部信号干扰描述队列。
例如，多维特征分析可以理解为聚类。
对于另一些可能的实施例而言，所述对各个局部信号干扰描述队列之间进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果，包括：基于各个局部信号干扰描述队列所涵盖的信号干扰描述的数目，对所述各个局部信号干扰描述队列进行按序整理；对于所述各个局部信号干扰描述队列，依次实施如下步骤：结合所述局部信号干扰描述队列中每组信号干扰描述的区分性干扰主题与所述局部信号干扰描述队列的量化联系情况，对所述局部信号干扰描述队列中的每组信号干扰描述进行按序整理；利用所述各个局部信号干扰描述队列之间的按序整理结果，以及所述各个局部信号干扰描述队列中每组信号干扰描述的按序整理结果，确定所述信号干扰描述整理结果。
步骤2434、利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，所述目标信号缺损标识集涵盖不少于两个目标信号缺损标识内容。
例如，目标信号缺损标识内容可以反映信号缺失情况，比如缺失的信号数值、缺失的信号分布位置等。
步骤2435、通过所述目标信号缺损标识内容对所述第一信号矩阵中的目标元素进行补全处理，以获得所述第二信号矩阵。
在本申请实施例中，对所述第一信号矩阵中的目标元素进行补全处理包括对目标元素进行校正或者对目标元素及其周围元素之间进行元素扩展处理，信号矩阵中的元素的坐标可以是二维指标或者三维指标，如此设计，第二信号矩阵的尺寸是大于第一信号矩阵的尺寸的，因此能够保证第二信号矩阵的完整性和精度。
如此设计，通过实施上述步骤2431-步骤2435，能够基于强弱影响指数进行综合分析，从而准确完整地确定目标信号缺损标识集，这样能够根据目标信号缺损标识集中的目标信号缺损标识内容进行第一信号矩阵的准确可靠补全处理。
在一些可独立实施设计思路下，步骤2432所描述的确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数，包括：分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元对所述每组信号干扰描述进行影响指数挖掘，确定所述描述挖掘单元生成的所述每组信号干扰描述对应的强弱影响指数。
基于此，步骤2433所描述的所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：分别将所述每组信号干扰描述，以及所述每组信号干扰描述对应的强弱影响指数加载至所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析和按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，所述第一融合描述中的各个信号干扰描述信息组合形成所述信号干扰描述整理结果。
进一步地，步骤S2434所描述的利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，包括：将所述融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集；其中，所述在先完成调优的信号缺损标识处理网络是基于调优范例信号集调优得到的，所述调优范例信号集中的调优范例包括已注释共性评价的范例信号干扰描述，所述共性评价表示所述范例信号干扰描述与范例信号矩阵是否存在共性。
在一些可能的实施例中，所述分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元，确定所述描述挖掘单元生成的每组范例信号干扰描述对应的强弱影响指数，可以包括以下内容：分别将所述每组信号干扰描述加载至所述描述挖掘单元，利用所述描述挖掘单元中的描述投影单元将所述每组信号干扰描述投影到设定映射列表，得到所述每组信号干扰描述的视觉型数组；通过全局特征变换策略将所述每组信号干扰描述的视觉型数组分别调整为对应的区分性数组；利用所述描述挖掘单元，分别挖掘所述每组信号干扰描述的区分性数组与除该组信号干扰描述以外的剩余信号干扰描述的区分性数组之间的局部聚焦特征；利用所述每组信号干扰描述对应的局部聚焦特征确定所述每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数。
例如，局部聚焦处理可以理解为注意力处理。
进一步地，所述利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析并按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，可以包括以下内容：利用所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，将所述每组信号干扰描述投影到设定映射列表得到所述每组信号干扰描述对应的字符数组集；通过阶段性下采样处理对所述每组信号干扰描述对应的字符数组集进行时空域特征挖掘，得到所述每组信号干扰描述的分类视觉数组；分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的分类视觉数组进行更新，得到所述每组信号干扰描述的热点分类视觉数组；利用所述每组信号干扰描述的热点分类视觉数组进行多维特征分析，得到不少于两个局部信号干扰描述队列；将全部局部信号干扰描述队列进行按序整理，并将每个局部信号干扰描述队列中的每组信号干扰描述进行按序整理后，将每组信号干扰描述的热点分类视觉数组加权并进行字符层面调整得到所述第一融合描述。
在本申请实施例中，字符可以是二进制字符。
在另一些可能的实施例中，所述将所述第一融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集，可以包括以下内容：采用预设处理方式，依次确定所述目标信号缺损标识集中的各个信号缺损标识内容，所述目标信号缺损标识集中的一个信号缺损标识至少涵盖一个信号缺损标识内容；每轮预设处理包括以下内容：将前一轮生成的目标信号缺损标识内容加载至所述信号缺损标识处理单元，其中，首轮加载至所述信号缺损标识处理单元的为事先添加的基础信号字符；通过局部聚焦策略分析所述前一轮生成的目标信号缺损标识内容和所述范例集中的各个信号干扰描述信息的匹配可能性，其中，所述匹配可能性表示所述信号干扰描述信息与所述前一轮生成的信号缺损标识内容之间的局部聚焦值；将所述匹配可能性和所述信号干扰描述整理结果中的信号干扰描述信息的区分性数组集进行更新，并加载至到AI机器学习模型中，确定本次生成的所述信号干扰描述整理结果的目标分类视觉数组；利用所述前一轮生成的目标信号缺损标识内容以及所述目标分类视觉数组，获得本轮生成的目标信号缺损标识内容。
在本申请实施例中，AI机器学习模型可以理解为前向神经网络，相应的，数组可以理解为向量，匹配可能性可以理解为匹配概率，如此设计，利用前向神经网络进行循环迭代处理，能够准确确定目标信号缺损标识集，避免目标信号缺损标识集出现遗漏。
步骤244、按照第二预设策略确定所述第二信号矩阵对应的目标信号数据以作为所述优化信号。
在本申请实施例中，第二预设策略可以理解为反向快速傅里叶变换，第二信号矩阵可以理解为完整版的北斗中频信号数据，因此所得到的优化信号的完整性和精度得以保证。
综上所述，应用于上述技术方案，能够结合北斗中频信号数据和伪码信号数据，并利用第一预设策略确定对应的映射处理结果，这样可以通过不同的映射处理结果实现信号数据的扩展还原处理以得到与待处理的北斗中频信号数据对应的优化信号，由于该优化信号是根据不同的映射处理结果得到的，一方面能够保证优化信号的真实性，另一方面能够尽可能确保优化信号的完整度，从而保障在弱信号环境下的信号捕获效率、质量和精度。
基于上述相同或相似的发明构思，还提供了一种弱信号环境下北斗信号捕获方法的应用环境30的架构示意图，包括互相之间通信的信号处理云平台10和信号发射端20，信号处理云平台10和信号发射端20；所述信号处理云平台10用于：通过所述信号发射端获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集；结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集；按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果；通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号。
进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，媒体业务服务器10，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种弱信号环境下北斗信号捕获方法，其特征在于，应用于信号处理云平台，所述方法至少包括：
获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集；
结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集；
按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果；
通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号；
其中，所述通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号，包括：
确定所述第一映射处理结果和所述第二映射处理结果的共轭相乘结果；
利用所述共轭相乘结果生成第一信号矩阵；
对所述第一信号矩阵进行扩展处理得到第二信号矩阵；
按照第二预设策略确定所述第二信号矩阵对应的目标信号数据以作为所述优化信号；
其中，所述对所述第一信号矩阵进行扩展处理得到第二信号矩阵，包括：
确定针对第一信号矩阵的信号干扰描述队列，所述信号干扰描述队列涵盖不少于两组信号干扰描述；
确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数；
结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果；
利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，所述目标信号缺损标识集涵盖不少于两个目标信号缺损标识内容；
通过所述目标信号缺损标识内容对所述第一信号矩阵中的目标元素进行补全处理，以获得所述第二信号矩阵。
2.根据权利要求1所述的方法，其特征在于，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：
结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列；
对各个局部信号干扰描述队列进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果。
3.根据权利要求2所述的方法，其特征在于，所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行拆解，得到不少于两个局部信号干扰描述队列，包括：分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的区分性干扰主题进行更新，得到所述每组信号干扰描述的热点区分性干扰主题；结合所述每组信号干扰描述的热点区分性干扰主题对所述每组信号干扰描述进行多维特征分析，得到不少于两个局部信号干扰描述队列；
其中，所述对各个局部信号干扰描述队列之间进行按序整理，并分别对所述各个局部信号干扰描述队列中的每组信号干扰描述进行按序整理，得到所述信号干扰描述整理结果，包括：基于各个局部信号干扰描述队列所涵盖的信号干扰描述的数目，对所述各个局部信号干扰描述队列进行按序整理；对于所述各个局部信号干扰描述队列，依次实施如下步骤：结合所述局部信号干扰描述队列中每组信号干扰描述的区分性干扰主题与所述局部信号干扰描述队列的量化联系情况，对所述局部信号干扰描述队列中的每组信号干扰描述进行按序整理；利用所述各个局部信号干扰描述队列之间的按序整理结果，以及所述各个局部信号干扰描述队列中每组信号干扰描述的按序整理结果，确定所述信号干扰描述整理结果。
4.根据权利要求2所述的方法，其特征在于，所述确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数，包括：分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元对所述每组信号干扰描述进行影响指数挖掘，确定所述描述挖掘单元生成的所述每组信号干扰描述对应的强弱影响指数；
所述结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果，包括：分别将所述每组信号干扰描述，以及所述每组信号干扰描述对应的强弱影响指数加载至所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析和按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，所述第一融合描述中的各个信号干扰描述信息组合形成所述信号干扰描述整理结果；
所述利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，包括：将所述融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集；其中，所述在先完成调优的信号缺损标识处理网络是基于调优范例信号集调优得到的，所述调优范例信号集中的调优范例包括已注释共性评价的范例信号干扰描述，所述共性评价表示所述范例信号干扰描述与范例信号矩阵是否存在共性；
其中，所述分别将所述每组信号干扰描述加载至在先完成调优的信号缺损标识处理网络中，利用所述在先完成调优的信号缺损标识处理网络中的信号段层面的描述挖掘单元，确定所述描述挖掘单元生成的每组范例信号干扰描述对应的强弱影响指数，包括：分别将所述每组信号干扰描述加载至所述描述挖掘单元，利用所述描述挖掘单元中的描述投影单元将所述每组信号干扰描述投影到设定映射列表，得到所述每组信号干扰描述的视觉型数组；通过全局特征变换策略将所述每组信号干扰描述的视觉型数组分别调整为对应的区分性数组；利用所述描述挖掘单元，分别挖掘所述每组信号干扰描述的区分性数组与除该组信号干扰描述以外的剩余信号干扰描述的区分性数组之间的局部聚焦特征；利用所述每组信号干扰描述对应的局部聚焦特征确定所述每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数；
其中，所述利用所述信号干扰描述处理单元对所述每组信号干扰描述进行多维特征分析并按序整理，确定所述信号干扰描述处理单元生成的字符层面的第一融合描述，包括：利用所述在先完成调优的信号缺损标识处理网络中的信号干扰描述处理单元，将所述每组信号干扰描述投影到设定映射列表得到所述每组信号干扰描述对应的字符数组集；通过阶段性下采样处理对所述每组信号干扰描述对应的字符数组集进行时空域特征挖掘，得到所述每组信号干扰描述的分类视觉数组；分别结合所述每组信号干扰描述对应的强弱影响指数，对所述每组信号干扰描述的分类视觉数组进行更新，得到所述每组信号干扰描述的热点分类视觉数组；利用所述每组信号干扰描述的热点分类视觉数组进行多维特征分析，得到不少于两个局部信号干扰描述队列；将全部局部信号干扰描述队列进行按序整理，并将每个局部信号干扰描述队列中的每组信号干扰描述进行按序整理后，将每组信号干扰描述的热点分类视觉数组加权并进行字符层面调整得到所述第一融合描述。
5.根据权利要求4所述的方法，其特征在于，所述将所述第一融合描述加载至所述在先完成调优的信号缺损标识处理网络中的信号缺损标识处理单元，利用所述信号缺损标识处理单元进行局部聚焦影响指数挖掘，确定所述信号缺损标识处理单元生成的所述目标信号缺损标识集，包括：
采用预设处理方式，依次确定所述目标信号缺损标识集中的各个信号缺损标识内容，所述目标信号缺损标识集中的一个信号缺损标识至少涵盖一个信号缺损标识内容；
每轮预设处理包括以下内容：
将前一轮生成的目标信号缺损标识内容加载至所述信号缺损标识处理单元，其中，首轮加载至所述信号缺损标识处理单元的为事先添加的基础信号字符；
通过局部聚焦策略分析所述前一轮生成的目标信号缺损标识内容和所述范例集中的各个信号干扰描述信息的匹配可能性，其中，所述匹配可能性表示所述信号干扰描述信息与所述前一轮生成的信号缺损标识内容之间的局部聚焦值；
将所述匹配可能性和所述信号干扰描述整理结果中的信号干扰描述信息的区分性数组集进行更新，并加载至到AI机器学习模型中，确定本次生成的所述信号干扰描述整理结果的目标分类视觉数组；
利用所述前一轮生成的目标信号缺损标识内容以及所述目标分类视觉数组，获得本轮生成的目标信号缺损标识内容。
6.一种弱信号环境下北斗信号捕获系统，其特征在于，包括互相之间通信连接的信号处理云平台和信号发射端；
所述信号处理云平台用于：通过所述信号发射端获得待处理的北斗中频信号数据，并将所述待处理的北斗中频信号数据分割为第一信号集；结合所述待处理的北斗中频信号数据生成伪码信号数据，并将所述伪码信号数据分割为第二信号集；按照第一预设策略确定所述第一信号集的第一映射处理结果以及所述第二信号集的第二映射处理结果；通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号；
其中，所述通过所述第一映射处理结果和所述第二映射处理结果确定与所述待处理的北斗中频信号数据对应的优化信号，包括：
确定所述第一映射处理结果和所述第二映射处理结果的共轭相乘结果；
利用所述共轭相乘结果生成第一信号矩阵；
对所述第一信号矩阵进行扩展处理得到第二信号矩阵；
按照第二预设策略确定所述第二信号矩阵对应的目标信号数据以作为所述优化信号；
其中，所述对所述第一信号矩阵进行扩展处理得到第二信号矩阵，包括：
确定针对第一信号矩阵的信号干扰描述队列，所述信号干扰描述队列涵盖不少于两组信号干扰描述；
确定所述信号干扰描述队列中的每组信号干扰描述与所述第一信号矩阵之间的强弱影响指数；
结合所述每组信号干扰描述对应的强弱影响指数，以及所述每组信号干扰描述的区分性干扰主题，对所述每组信号干扰描述进行按序整理，得到对应的信号干扰描述整理结果；
利用所述信号干扰描述整理结果获得对于所述第一信号矩阵的目标信号缺损标识集，所述目标信号缺损标识集涵盖不少于两个目标信号缺损标识内容；
通过所述目标信号缺损标识内容对所述第一信号矩阵中的目标元素进行补全处理，以获得所述第二信号矩阵。
7.一种信号处理云平台，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1-5任一项所述的方法。
8.一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，所述计算机程序在运行时实现上述权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111577350.0A CN114280638B (zh) | 2021-12-22 | 2021-12-22 | 一种弱信号环境下北斗信号捕获方法、系统及云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111577350.0A CN114280638B (zh) | 2021-12-22 | 2021-12-22 | 一种弱信号环境下北斗信号捕获方法、系统及云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114280638A CN114280638A (zh) | 2022-04-05 |
| CN114280638B true CN114280638B (zh) | 2022-09-06 |
Family
ID=80874029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111577350.0A Active CN114280638B (zh) | 2021-12-22 | 2021-12-22 | 一种弱信号环境下北斗信号捕获方法、系统及云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114280638B (zh) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060153283A1 (en) * | 2005-01-13 | 2006-07-13 | Scharf Louis L | Interference cancellation in adjoint operators for communication receivers |
| US8384592B1 (en) * | 2009-09-30 | 2013-02-26 | Qualcomm Incorporated | FFT based acquisition techniques for satellite based navigation systems |
| CN103809193B (zh) * | 2014-01-27 | 2016-06-29 | 中国电子科技集团公司第十研究所 | 提高微弱gnss信号处理增益的捕获系统 |
| CN204945382U (zh) * | 2015-09-15 | 2016-01-06 | 南京市计量监督检测院 | 高精度卫星导航动态计量检测系统 |
| CN105759288B (zh) * | 2016-04-01 | 2018-04-17 | 西安电子科技大学 | 基于特征序列的北斗b1i弱信号捕获方法 |
| CN106483534B (zh) * | 2016-10-08 | 2019-02-15 | 西安电子科技大学 | 一种分布式全数字的北斗卫星导航仿真方法 |
| CN107991695A (zh) * | 2017-11-07 | 2018-05-04 | 南京航空航天大学 | 基于补零算法和差分相干算法的北斗弱信号捕获方法 |
| CN109884671B (zh) * | 2017-12-06 | 2022-02-25 | 上海司南卫星导航技术股份有限公司 | 卫星信号捕获的方法和装置 |
| CN111257913B (zh) * | 2019-11-29 | 2024-04-30 | 交通运输部长江通信管理局 | 北斗卫星信号捕获方法以及装置 |
| CN113721272A (zh) * | 2021-08-31 | 2021-11-30 | 广东工业大学 | 一种北斗卫星导航b1c信号的捕获方法及其相关装置 |
-
2021
- 2021-12-22 CN CN202111577350.0A patent/CN114280638B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114280638A (zh) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110309706B (zh) | 人脸关键点检测方法、装置、计算机设备及存储介质 | |
| CN110427893A (zh) | 一种基于卷积神经网络的辐射源个体识别方法、装置及计算机存储介质 | |
| CN110166991B (zh) | 用于定位电子设备的方法、设备、装置以及存储介质 | |
| CN112597999B (zh) | 一种题目识别方法、装置、电子设备及计算机存储介质 | |
| CN114840486B (zh) | 用户行为数据采集方法、系统及云平台 | |
| CN111881707A (zh) | 图像翻拍检测方法、身份验证方法、模型训练方法及装置 | |
| CN111652266A (zh) | 用户界面组件的识别方法、装置、电子设备和存储介质 | |
| CN105303449A (zh) | 基于相机指纹特征的社交网络用户的识别方法和系统 | |
| CN114280638B (zh) | 一种弱信号环境下北斗信号捕获方法、系统及云平台 | |
| CN113255766A (zh) | 一种图像分类方法、装置、设备和存储介质 | |
| CN115766725B (zh) | 基于工业互联网的数据处理方法及系统 | |
| CN116580235A (zh) | 基于YOLOv4网络优化的目标检测装置、方法、设备和介质 | |
| CN111612021A (zh) | 一种错误样本识别方法、装置及终端 | |
| CN114387266A (zh) | 结核杆菌检测模型的训练方法、装置、设备及存储介质 | |
| CN114065868A (zh) | 文本检测模型的训练方法、文本检测方法及装置 | |
| CN113420801A (zh) | 一种网络模型的生成方法、装置、终端和存储介质 | |
| CN111626373A (zh) | 多尺度加宽残差网络、小目标识别检测网络及其优化方法 | |
| CN116089638B (zh) | 一种基于车图码轨迹多维关联实时建档的计算方法 | |
| CN112819173A (zh) | 一种样本生成方法和装置、计算机可读存储介质 | |
| CN114325778B (zh) | 一种北斗信号处理方法及系统 | |
| CN114663815A (zh) | 一种基于人工智能的信息安防方法、系统及云平台 | |
| CN114972229B (zh) | 基于材质类型的定损检测方法、装置、电子设备、介质 | |
| CN116205916B (zh) | 电力小样本缺陷检测方法、装置、计算机设备及存储介质 | |
| CN115661584B (zh) | 一种模型训练方法、开放域目标检测方法及相关装置 | |
| CN112533300B (zh) | 一种信标关联方法以及装置 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Beidou signal acquisition method, system, and cloud platform in a weak signal environment Effective date of registration: 20231113 Granted publication date: 20220906 Pledgee: Shunde Guangdong rural commercial bank Limited by Share Ltd. Daliang branch Pledgor: Guangdong Bangsheng Beidou Technology Co.,Ltd. Registration number: Y2023980065299 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |