CN115456008A - 电台工作状态判别方法、装置、电子设备及存储介质 - Google Patents

电台工作状态判别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115456008A
CN115456008A CN202210923533.1A CN202210923533A CN115456008A CN 115456008 A CN115456008 A CN 115456008A CN 202210923533 A CN202210923533 A CN 202210923533A CN 115456008 A CN115456008 A CN 115456008A
Authority
CN
China
Prior art keywords
signal
radio station
information
station
signals
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.)
Pending
Application number
CN202210923533.1A
Other languages
English (en)
Inventor
孙松林
邹子轩
刘宇阳
梅钊源
王晓亚
鲁亦凡
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.)
Beijing University of Posts and Telecommunications
CETC 54 Research Institute
Original Assignee
Beijing University of Posts and Telecommunications
CETC 54 Research Institute
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 Beijing University of Posts and Telecommunications, CETC 54 Research Institute filed Critical Beijing University of Posts and Telecommunications
Priority to CN202210923533.1A priority Critical patent/CN115456008A/zh
Publication of CN115456008A publication Critical patent/CN115456008A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供电台工作状态判别方法、装置、电子设备及存储介质,对待判别电台的电台信号进行处理,得到电台信号包含的多段信号信息,通过对多段信号信息进行机器分类,判别电台的工作状态,具有较高的时效性,节省资源,并提高电台工作状态判别的性能。

Description

电台工作状态判别方法、装置、电子设备及存储介质
技术领域
本申请涉及电台信号处理技术领域,尤其涉及电台工作状态判别方法、装置、电子设备及存储介质。
背景技术
电台工作状态判别的相关技术的时效性较差,耗费资源大,且处理复杂信号能力差。
发明内容
有鉴于此,本申请的目的在于提出电台工作状态判别方法、装置、电子设备及存储介质。
基于上述目的,本申请提供了一种电台工作状态判别方法,包括:
对待判别电台的电台信号进行预处理,得到电台信号包含的多段信号信息;
根据预先得到的基准电台信号集,对每段信号信息进行分类,确定每段信号信息对应的信号类别;
根据多段信号信息分别对应的信号类别,判别待判别电台的工作状态。
本申请还提供了一种电台工作状态判别装置,包括:
预处理模块,用于对待判别电台的电台信号进行预处理,得到电台信号包含的多段信号信息;
分类模块,用于根据预先得到的基准电台信号集,对每段信号信息进行分类,确定每段信号信息对应的信号类别;
工作状态判别模块,用于根据多段信号信息分别对应的信号类别,判别待判别电台的工作状态。
本申请还提供了一种电子设备,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,处理器执行程序时实现上述电台工作状态判别方法。
本申请还提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行上述电台工作状态判别方法。
从上面所述可以看出,本申请提供的电台工作状态判别方法、装置、电子设备及存储介质,对待判别电台的电台信号进行处理,得到电台信号包含的多段信号信息,通过对多段信号信息进行机器分类,判别电台的工作状态,具有较高的时效性,节省资源,并提高电台工作状态判别的性能。
附图说明
为了更清楚地说明本申请中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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1为本申请实施例的电台工作状态判别方法的流程示意图;
图2为本申请实施例的电台工作状态判别装置的结构示意图;
图3为本申请实施例的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
电台在进行不同的通信状态时会发送出不同的电台信号,因此可以通过识别电台信号属于哪一类别来判断出电台的工作状态,这对于在军事上的电子战攻防,电台的窃听与反窃听具有一定意义。
电台工作状态判别的相关技术主要是人工参与判别。首先,读取接收端所侦测到的电台信号;其次,将电台信号通过信号处理及可视化处理方法,将其转换为信号波形或一些其他可直观显示的图像;最后,凭借研究人员对电台各类信号的宏观经验及可视化图像的直观分析,来判断所接受的电台信号属于哪一类状态,进而判断电台的工作状态。
相关技术没有实现计算机自动化模式,对于电台信号数量较多的数据,则时效性较差且耗费大量的资源;另外,相关技术对电台信号状态分选的依据主要为宏观经验及可视化图像的直观分析,说服力较差且处理复杂混叠信号时难以准确判别信号所属类别。
首先,本申请实施例提供了一种电台工作状态判别方法。
参考图1,本申请实施例提供的电台工作状态判别方法,可以包括以下步骤:
步骤101、对待判别电台的电台信号进行预处理,得到电台信号包含的多段信号信息。
在对待判别电台进行工作状态判别前,需要对接收到的电台信号进行预处理来去除干扰,并通过数据处理使接收到的电台信号满足后续步骤的进行标准,得到电台信号包含的多段信号信息。
在本实施例中,对待判别电台的电台信号进行预处理,得到所述电台信号包含的多段信号信息可以包括以下步骤:
步骤S1、去除电台信号中的噪声部分,得到多段有用信号。
在对电台进行工作状态判别时,主要关注接收到的电台信号中的有用信号,但接收到的电台信号通常不仅包含有用信号,同时也会包含部分的噪声。噪声主要包括内部噪声与外部噪声,内部噪声通常为电台内部元件产生的噪声,外部噪声包括宇宙噪声、电脉冲等电台外部的噪声。
如果不去除噪声,电台信号包含的无用信息就会过多,大幅增加需要处理的信号数据量,导致计算复杂度过高。
本实施例中,可以使用高通(低阻)滤波器进行去噪。电台信号中的噪声部分的频率通常低于有用信号的频率,因此可以通过对高通滤波器设置适当的阈值来进行去噪,两段有用信号间的噪声部分因为低于阈值会被高通滤波器去除。其中,阈值根据电台信号中的有用信号频率范围进行选取;同时,可以根据待判别电台的历史电台信号中的有用信号长度与两段有用信号之间的间隔等信息为索引,对高通滤波器的滤波起止范围进行调整,防止对有用信号的误过滤。
本实施例中,还可以使用带通滤波器进行去噪。带通滤波器与高通滤波器的工作方式及工作效果基本相同,但相比高通滤波器,带通滤波器可以同时去除频率高于有用信号的噪声。
进行去噪处理时,噪声部分通过滤波器后被截止,输出的电台信号包含以空白信号为间隔的多段有用信号,去除空白信号并进行信号提取,得到多段独立的有用信号。
步骤S2、根据预先得到的基准电台信号集,基于动态时间规整,对多段有用信号进行数据处理,得到多段信号信息。
在步骤S1最后得到的多段有用信号具有不同的信号长度,基准电台信号集作为后续步骤中对信号进行分类的分类基准,其包含的基准电台信号也具有不同的信号长度;若将两者直接进行对比并分类,会因为对比对象的信号长度不一致带来额外的对比误差。
为了消除这一误差,可以选用动态时间规整法,以基准电台信号集为参考对多段有用信号进行数据处理,调节多段有用信号的信号长度,得到处理后的可直接进行对比分类的多段信号信息。
步骤102、根据基准电台信号集,对每段信号信息进行分类,确定每段信号信息对应的信号类别。
基准电台信号集作为分类基准,包括已标注所属类别的多段基准电台信号,将每段信号信息与多段基准电台信号进行对比分类,就可以得到每段信号信息的所属类别。
对信号信息进行对比并分类时,可以使用分类器进行机器分类,避免人工分类的人力浪费、分类精度低、难以处理大量信号数据的缺点。
作为一个可选的实施例,可以选取KNN(K-Nearest Neighbor,K邻近)算法作为分类器对每段信号信息进行分类,KNN算法具有复杂度小,所需时间少,针对当前任务效果较好等特点。
KNN算法可简述为下述步骤:
计算信号信息与基准电台信号集中的每个基准电台信号之间的距离,该距离为信号信息与基准电台信号之间的欧氏距离。
从所有基准电台信号中选取与信号信息距离最近的K个基准电台信号,其中,K为正整数。
根据少数服从多数的投票法则(majority-voting),将信号信息划分为K个基准电台信号中占比最大的类别。
KNN算法的准确度依赖于K值的选择,当K值取值过低时,会产生过拟合现象,而当K值取值过大时,会产生欠拟合现象。为选取适当的K值,可先根据经验选取一K值,然后选取一定数量的信号信息进行KNN算法分类,根据这些信号信息的分类准确度对K值进行调节,最终得到一个最为合适的K值。
作为另一个可选的实施例,分类器可以使用决策树算法,决策树算法在基准电台信号集包含的基准电台信号较多时更加高效。
将信号信息输入预先训练好的基于决策树算法的分类器,得到信号信息的信号类别;其中,分类器是将基准电台信号集作为训练集,并基于决策树算法进行机器学习后得到的。
步骤103、根据多段信号信息分别对应的信号类别,判别待判别电台的工作状态。
电台的工作状态可以包括发送同步信号、传输数据信号和传输语音信号三种状态,对应三种工作状态,电台信号包含的信号信息的类别包括同步信号、数据信号和语音信号。因此,只要对电台最近发送或正在发送的电台信号进行分类就可以判别出电台的最近工作状态或正处于的工作状态,这对军事上的信息获取及判断具有一定意义。
作为一个可选的实施例,本申请实施例还提供了得到基准电台信号集的方法,可以包括以下步骤:
步骤M1、读取每种类型的原始电台信号。
原始电台信号是采集到的待判别电台的信号或与待判别电台具有相同参数的电台的信号,原始电台信号依据其包含的多段信号的所属类别进行类型划分,每条原始信号包含的多段信号的信号长度不一且相邻两段信号之间存在噪声。
步骤M2、去除原始电台信号中的噪声部分,得到包含有用信息的信号。
与前述的对电台进行工作状态判别时接收到的电台信号相同,需要对原始电台信号进行去噪处理来得到用于后续步骤的包含有用信息的信号。去噪方式同样可以使用高通滤波器或带通滤波器。
步骤M3、对包含有用信息的信号进行分割提取得到多个基准电台信号。
去噪处理后的原始电台信号的两段包含有用信息的信号之间为空白信号,以空白信号的起止点为端点,对包含有用信息的信号进行提取,提取得到的多个包含有用信息的信号即为组成基准电台信号集的基准电台信号。
步骤M4、对所述多个基准电台信号分别进行分类并标注所属信号类别。
对基准电台信号进行传统的人工识别与判断,得到每段基准电台信号的所述分类(此时,为了基准电台信号作为分类依据的准确性,可重复或讨论进行人工判断,提高分类准确性),并对每段基准电台信号进行所属信号类别标注,作为后续分类的判断依据。
步骤M5、将每个基准电台信号和其所属信号类别信息导入数据库中,得到所述基准电台信号集。
将基准电台信号和所属信号类别信息导入数据库中可以进行长效保存、数据交换,并有利于后续可能的数据补充及更改。数据库可以为关系数据库,也可以为键值存储数据库,还可以为列存储数据库,对于数据库的具体类型,本申请实施例中不做限定。
从上述实施例可以看出,本申请提供的电台工作状态判别方法,对待判别电台的电台信号进行处理,得到电台信号包含的多段信号信息,通过对多段信号信息进行机器分类,判别电台的工作状态,具有较高的时效性,节省资源,并提高电台工作状态判别的性能。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电台工作状态判别装置。
参考图2,所述电台工作状态判别装置包括:
预处理模块201,用于对待判别电台的电台信号进行预处理,得到电台信号包含的多段信号信息;
分类模块202,用于根据预先得到的基准电台信号集,对每段信号信息进行分类,确定每段信号信息对应的信号类别;
工作状态判别模块203,用于根据多段信号信息分别对应的信号类别,判别待判别电台的工作状态。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的电台工作状态判别方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,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,所述处理器执行所述程序时实现上任意一实施例所述的电台工作状态判别方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的电台工作状态判别方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的电台工作状态判别方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的电台工作状态判别方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、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 (10)

1.一种电台工作状态判别方法,包括:
对待判别电台的电台信号进行预处理,得到所述电台信号包含的多段信号信息;
根据预先得到的基准电台信号集,对每段所述信号信息进行分类,确定每段所述信号信息对应的信号类别;
根据所述多段信号信息分别对应的所述信号类别,判别所述待判别电台的工作状态。
2.根据权利要求1所述的方法,其中,所述对待判别电台的电台信号进行预处理,得到所述电台信号包含的多段信号信息,包括:
去除所述电台信号中的噪声部分,得到多段有用信号;
根据所述基准电台信号集,基于动态时间规整,对所述多段有用信号进行数据处理,得到所述多段信号信息。
3.根据权利要求1所述的方法,其中,所述根据预先得到的基准电台信号集,对每段所述信号信息进行分类,确定每段所述信号信息对应的信号类别,包括:
计算所述信号信息与所述基准电台信号集中的每个基准电台信号之间的距离;
从所有所述基准电台信号中选取与所述信号信息距离最近的K个基准电台信号,其中,K为正整数;
将所述信号信息划分为所述K个基准电台信号中占比最大的信号类别。
4.根据权利要求1所述的方法,其中,所述根据预先得到的基准电台信号集,对每段所述信号信息进行分类,确定每段所述信号信息对应的信号类别,包括:
将所述信号信息输入预先训练好的基于决策树算法的分类器,得到所述信号信息的信号类别;其中,所述分类器是将所述基准电台信号集作为训练集,并基于决策树算法进行机器学习后得到的。
5.根据权利要求1所述的方法,其中,所述方法还包括通过以下方法得到所述基准电台信号集:
读取每种类型的原始电台信号;
去除所述原始电台信号中的噪声部分,得到包含有用信息的信号;
对所述包含有用信息的信号进行分割提取得到多个基准电台信号;
对所述多个基准电台信号分别进行分类并标注所属信号类别;
将每个基准电台信号和其所属信号类别信息导入数据库中,得到所述基准电台信号集。
6.根据权利要求1所述的方法,其中,所述信号类别包括同步信号、数据信号和语音信号。
7.根据权利要求1所述的方法,其中,所述工作状态包括发送同步信号、传输数据信号和传输语音信号。
8.一种电台工作状态判别装置,包括:
预处理模块,用于对待判别电台的电台信号进行预处理,得到所述电台信号包含的多段信号信息;
分类模块,用于根据预先得到的基准电台信号集,对每段所述信号信息进行分类,确定每段所述信号信息对应的信号类别;
工作状态判别模块,用于根据所述多段信号信息分别对应的所述信号类别,判别所述待判别电台的工作状态。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至7中任意一项所述的方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任意一项所述的方法。
CN202210923533.1A 2022-08-02 2022-08-02 电台工作状态判别方法、装置、电子设备及存储介质 Pending CN115456008A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210923533.1A CN115456008A (zh) 2022-08-02 2022-08-02 电台工作状态判别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210923533.1A CN115456008A (zh) 2022-08-02 2022-08-02 电台工作状态判别方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115456008A true CN115456008A (zh) 2022-12-09

Family

ID=84296936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210923533.1A Pending CN115456008A (zh) 2022-08-02 2022-08-02 电台工作状态判别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115456008A (zh)

Similar Documents

Publication Publication Date Title
CN111814822B (zh) 一种敏感图片检测方法、装置及电子设备
EP3637279A1 (en) Accessible machine learning backends
CN110619264A (zh) 基于UNet++的微地震有效信号识别方法及装置
CN112861842A (zh) 基于ocr的案件文本识别方法及电子设备
CN114997213A (zh) 信号识别方法、装置、电子设备及存储介质
CN111383651A (zh) 一种语音降噪方法、装置及终端设备
CN112612664A (zh) 电子设备的测试方法、装置、电子设备和存储介质
CN110084232A (zh) 车牌中汉字字符的识别方法、装置及终端设备
CN113705689A (zh) 训练数据获取方法及异常行为识别网络训练方法
CN116824609B (zh) 文档版式检测方法、装置和电子设备
CN115456008A (zh) 电台工作状态判别方法、装置、电子设备及存储介质
CN115879031A (zh) 可调节负荷区域负荷分类方法及相关设备
CN116361642A (zh) 全局模型的训练方法、装置及电子设备
CN113221863B (zh) 基于电磁空间周期统计的加密协议识别方法、系统及介质
CN115168575A (zh) 应用于审计领域的主语补全方法及相关设备
CN111798237B (zh) 基于应用日志的异常交易诊断方法及系统
CN115294648A (zh) 一种人机手势交互方法、装置、移动终端及存储介质
CN115393755A (zh) 视觉目标跟踪方法、装置、设备以及存储介质
CN114780098A (zh) Gauss Db数据库程序语法的检测方法及相关设备
CN113239237A (zh) 跨媒体大数据搜索方法及装置
CN112801130A (zh) 图像聚类簇质量评估方法、系统、介质及装置
CN111539576A (zh) 一种风险识别模型的优化方法及装置
CN116318445B (zh) 频谱感知方法、装置、电子设备和存储介质
CN117459166A (zh) 一种基于距离的电磁频谱监测异常数据检测方法
CN116192525A (zh) 一种设备识别方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination