CN116321286B - 应用智能算法的数据偏差鉴定系统 - Google Patents
应用智能算法的数据偏差鉴定系统 Download PDFInfo
- Publication number
- CN116321286B CN116321286B CN202310254615.6A CN202310254615A CN116321286B CN 116321286 B CN116321286 B CN 116321286B CN 202310254615 A CN202310254615 A CN 202310254615A CN 116321286 B CN116321286 B CN 116321286B
- Authority
- CN
- China
- Prior art keywords
- network data
- network
- intelligent
- data
- inclusion
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/04—Error control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
- H04L1/203—Details of error rate determination, e.g. BER, FER or WER
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种应用智能算法的数据偏差鉴定系统,包括:模型应用设备,基于过往多个网络数据包体分别对应的多个误码率、平均发射功率、物理距离、第一通信带宽以及第二通信带宽采用智能预测下一网络数据包体对应的误码率;纠错处理设备,与模型应用设备连接,基于下一网络数据包体对应的误码率确定为下一网络数据包体选择的纠错算法的复杂度。本发明的应用智能算法的数据偏差鉴定系统结构紧凑、操控智能。由于能够在获取每一网络数据包体之前,采用智能算法基于过往多个网络数据包体分别对应的多个误码率以及网络传输参数预测出下一网络数据包体对应的误码率,并进行相应纠错算法的提前布置,从而保证了无线网络传输机制的健壮性。
Description
技术领域
本发明涉及无线网络通信领域,更具体地,涉及一种应用智能算法的数据偏差鉴定系统。
背景技术
无线网络就是通信设备与终端(也就是人们常用的手机,电脑,带有WLAN功能的设备)不需要进行有线连接,就好比网线连电脑才能使用网络一样。无线网络就是不需要有线连接终端,而是使用无线电波,微波等介质就可以使通信设备和终端进行无线连接,从而达到上网的功能。无线网络不需要过多的线路就可以使用网络,特别适合复杂的线路环境中。无线网络的作用无须线路即可与终端设备互联,使用电波,微波,卫星,等无线介质进行通信。
由于无线网络传输信道的环境的复杂性以及收发两端的设备的性能不同,导致无线网络传输的每一网络数据包的误码率千差万别,而网络接收端在接收到网络数据包之前是不确定这个网络数据包的实际误码率的,因而提前配置的纠错算法的复杂度很有可能与网络数据包的实际误码率不相匹配,即时后续制定了匹配的纠错算法,也需要将这个网络数据包进行包体解析后,再将获取的负载与原始数据的负载进行一一比对才能确定实际误码率,显然这种繁琐的操作极大延误了网络数据包的负载数据偏差的纠错处理。
CN113032907A公开了一种基于波形相关关系的晃车病害数据偏差纠正方法及系统,该方法通过获取待纠偏晃车病害点对应的晃车病害数据波形和多次历史检测中待纠偏晃车病害点对应里程范围的晃车数据波形,计算设定里程范围内的每次历史检测得到的晃车数据波形与晃车病害数据波形之间的相关系数,并判断相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定待纠偏晃车病害点无效;如果否,则判定待纠偏晃车病害点有效。通过该方法能够识别有效晃车病害点,剔除无效晃车病害点,提升检测数据的可信度,同时无需通过仪器现场再次进行病害复核,降低了现场人员的工作量,提高了工作效率。
CN112284440A公开了传感器数据分析技术领域的一种传感器数据偏差自适应修正方法,包括如下步骤:步骤S10、获取各传感器的监测数据,并基于所述监测数据的变化趋势对各传感器进行故障的初始判断;步骤S20、基于所述监测数据创建各传感器的数学模型,利用所述数学模型对各传感器偏差的监测数据进行在线分析和自适应修正,实现精准判断;步骤S30、对修正后的所述监测数据进行验证。本发明的优点在于:实现对传感器数据偏差进行实时分析和修正,极大的提高了传感器异常的检出率以及检测效率,极大的降低了传感器的误报率。
CN107544049A公开了一种依据并网点关口表手抄数据修正电站数据偏差的方法,通过建立函数关系式,以光伏电站并网点绝对精度0.2%级关口表手抄当日发电量值为标准,利用电站监控系统采集的数据、误差系数和函数关系式,分别计算出并网点处的等效输出功率P0.2、电压U0.2、电流I0.2,并以此为标准,对电站监控系统采集的光伏电站变压器测控数据进行偏差修正,再以变压器测控数据的偏差修正值为标准,对采集到的逆变器数据进行偏差修正,然后以逆变器数据的偏差修正值为标准,对采集到的光伏电站汇流箱数据进行偏差修正,以此类推,对辐照表的输出数据逐层进行递推修正。
由此可见,现有技术中未公开能够在获取每一网络数据包体之前,采用智能算法基于过往多个网络数据包体分别对应的多个误码率以及各个无线网络传输数据预测出下一网络数据包体对应的误码率,并进行相应纠错算法的提前布置,从而避免造成纠错资源的浪费或者纠错资源的不足的技术。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种应用智能算法的数据偏差鉴定系统,能够在获取每一网络数据包体之前,采用智能算法基于过往多个网络数据包体分别对应的多个误码率以及各个无线网络传输数据预测出下一网络数据包体对应的误码率,并进行相应纠错算法的提前布置,从而避免造成纠错资源的浪费或者纠错资源的不足。
根据本发明的一方面,提供了一种应用智能算法的数据偏差鉴定系统,所述系统包括:
包体解析机构,用于对当前时刻之前接收到的最新的、设定数量的多个网络数据包体分别进行包体解析处理,以获得所述多个网络数据包体中每一网络数据包体对应的负载数据,所述设定数量的取值与每一网络数据包体对应的负载数据占据的位数正向关联;
误差提取机构,用于获取所述多个网络数据包体中每一网络数据包体对应的负载数据的误码率,以获得所述多个网络数据包体分别对应的多个误码率;
数据鉴定机构,用于获取执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率以及位于所述无线通信链路两端的网络发送机构和网络接收机构之间的物理距离,并获取位于所述无线通信链路两端的网络发送机构和网络接收机构分别对应的最高通信带宽以分别作为第一通信带宽和第二通信带宽输出;
模型应用设备,分别与所述误差提取机构以及所述数据鉴定机构连接,用于基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率;
纠错处理设备,与所述模型应用设备连接,用于基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度。
本发明的应用智能算法的数据偏差鉴定系统结构紧凑、操控智能。由于能够在获取每一网络数据包体之前,采用智能算法基于过往多个网络数据包体分别对应的多个误码率以及网络传输参数预测出下一网络数据包体对应的误码率,并进行相应纠错算法的提前布置,从而保证了无线网络传输机制的健壮性。
附图说明
本领域技术人员通过参考附图可更好理解本发明的众多优点,其中:
图1是依照本发明的实施方案A的应用智能算法的数据偏差鉴定系统的内部结构示意图。
图2是依照本发明的实施方案B的应用智能算法的数据偏差鉴定系统的内部结构示意图。
图3是依照本发明的实施方案C的应用智能算法的数据偏差鉴定系统的内部结构示意图。
具体实施方式
下面将参照附图对本发明的应用智能算法的数据偏差鉴定系统的实施方案进行详细说明。
实施例1
图1是依照本发明的实施方案A的应用智能算法的数据偏差鉴定系统的内部结构示意图,所述系统包括:
包体解析机构,用于对当前时刻之前接收到的最新的、设定数量的多个网络数据包体分别进行包体解析处理,以获得所述多个网络数据包体中每一网络数据包体对应的负载数据,所述设定数量的取值与每一网络数据包体对应的负载数据占据的位数正向关联;
示例地,所述网络数据包体可以为IP数据包,或者其他网络协议定制的网络包体,每一个网络数据包体都可以包括包头数据、负载数据以及校验和数据,在不同类型的网络数据包体中,包头数据、负载数据以及校验和数据的位数不同,或者还存在其他类型的各种附加数据;
误差提取机构,用于获取所述多个网络数据包体中每一网络数据包体对应的负载数据的误码率,以获得所述多个网络数据包体分别对应的多个误码率;
数据鉴定机构,用于获取执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率以及位于所述无线通信链路两端的网络发送机构和网络接收机构之间的物理距离,并获取位于所述无线通信链路两端的网络发送机构和网络接收机构分别对应的最高通信带宽以分别作为第一通信带宽和第二通信带宽输出;
模型应用设备,分别与所述误差提取机构以及所述数据鉴定机构连接,用于基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率;
示例地,基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率包括:可以采用数值仿真模式实现基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率;
纠错处理设备,与所述模型应用设备连接,用于基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度;
其中,获取执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率以及位于所述无线通信链路两端的网络发送机构和网络接收机构之间的物理距离包括:获取无线通信链路执行多个网络数据包体的网络传输时分别对应的多个发射功率的均值作为执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率;
其中,基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度包括:接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率越高,确定的为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度越高。
实施例2
图2是依照本发明的实施方案B的应用智能算法的数据偏差鉴定系统的内部结构示意图。
在图2中,与图1不同,图2中的应用智能算法的数据偏差鉴定系统还可以包括:
信息存储设备,与所述纠错处理设备连接,用于接收并存储当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度;
例如,所述信息存储设备可以采用静态存储器件、动态存储器件或者闪存器件来实现。
实施例3
图3是依照本发明的实施方案C的应用智能算法的数据偏差鉴定系统的内部结构示意图。
在图3中,与图1不同,图3中的应用智能算法的数据偏差鉴定系统还可以包括:
模型重构设备,与所述模型应用设备连接,用于将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用;
其中,将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用包括:所述固定数量的取值与每一网络数据包体对应的负载数据占据的位数成正比;
其中,将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用还包括:在每一次训练中,将已知误码率的网络数据包体作为参考数据包体,将所述参考数据包体对应的误码率作为所述前馈神经网络的输出信息;
其中,将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用还包括:在每一次训练中,将所述参考数据包体之前设定数量的多个网络数据包体分别对应的多个误码率、平均发射功率、物理距离、第一通信带宽以及所述第二通信带宽作为所述前馈神经网络的各个输入信息。
接着,继续对本发明的应用智能算法的数据偏差鉴定系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的应用智能算法的数据偏差鉴定系统中:
基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率包括:将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽作为多个输入信息输入到所述智能预测模型;
其中,将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽作为多个输入信息输入到所述智能预测模型包括:将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽分别进行归一化处理后作为多个输入信息输入到所述智能预测模型;
其中,基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率还包括:执行所述智能预测模型以获得所述智能预测模型输出的当前时刻之后最新接收到的下一网络数据包体对应的误码率;
其中,基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率还包括:采用MATLAB工具箱对所述智能预测模型进行表示。
另外,在所述应用智能算法的数据偏差鉴定系统中,接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率越高,确定的为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度越高包括:采用数值仿真公式表示接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率与确定的为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度的数值映射关系。
因此,相对于现有技术,本发明至少具备以下几处有益的技术效果:
第一处、基于最新过往多个网络数据包体分别对应的多个误码率、最新过往多个网络数据包体分别对应的发射功率的平均值、网络收发两端的物理距离、网络收发两端的最大通信带宽采用智能算法预测当前时刻之后最新接收到的下一网络数据包体对应的误码率,从而为后续的数据误码率的应对的提前部署提供关键信息和反应时间;
第二处、基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度,其中,接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率越高,确定的为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度越高,从而提升网络接收端最终获取的数据的可靠性和应对及时性。
本领域的技术人员应明白,在不脱离本发明范畴与精神的前提下,可进行各种修改以及改变。因此应理解,上述实施方案仅供说明,并不设限。因为本发明的范围由权利要求而非前述说明来限定,因此落入权利要求范围和边界或者这些范围和边界的等同者的任何改变和修改都隶属于权利要求。
Claims (8)
1.一种应用智能算法的数据偏差鉴定系统,其特征在于,所述系统包括:
包体解析机构,用于对当前时刻之前接收到的最新的、设定数量的多个网络数据包体分别进行包体解析处理,以获得所述多个网络数据包体中每一网络数据包体对应的负载数据,所述设定数量的取值与每一网络数据包体对应的负载数据占据的位数正向关联;
误差提取机构,用于获取所述多个网络数据包体中每一网络数据包体对应的负载数据的误码率,以获得所述多个网络数据包体分别对应的多个误码率;
数据鉴定机构,用于获取执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率以及位于所述无线通信链路两端的网络发送机构和网络接收机构之间的物理距离,并获取位于所述无线通信链路两端的网络发送机构和网络接收机构分别对应的最高通信带宽以分别作为第一通信带宽和第二通信带宽输出;
模型应用设备,分别与所述误差提取机构以及所述数据鉴定机构连接,用于基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率;
纠错处理设备,与所述模型应用设备连接,用于基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度;
获取执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率以及位于所述无线通信链路两端的网络发送机构和网络接收机构之间的物理距离包括:获取无线通信链路执行多个网络数据包体的网络传输时分别对应的多个发射功率的均值作为执行所述多个网络数据包体的网络传输的无线通信链路的平均发射功率;
其中,基于接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率确定为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度包括:接收到的当前时刻之后最新接收到的下一网络数据包体对应的误码率越高,确定的为当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度越高;
模型重构设备,与所述模型应用设备连接,用于将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用;
其中,将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用包括:所述固定数量的取值与每一网络数据包体对应的负载数据占据的位数成正比。
2.如权利要求1所述的应用智能算法的数据偏差鉴定系统,其特征在于,所述系统还包括:
信息存储设备,与所述纠错处理设备连接,用于接收并存储当前时刻之后最新接收到的下一网络数据包体选择的纠错算法的复杂度。
3.如权利要求2所述的应用智能算法的数据偏差鉴定系统,其特征在于:
将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用还包括:在每一次训练中,将已知误码率的网络数据包体作为参考数据包体,将所述参考数据包体对应的误码率作为所述前馈神经网络的输出信息。
4.如权利要求3所述的应用智能算法的数据偏差鉴定系统,其特征在于:
将经过固定数量的训练操作的前馈神经网络作为智能预测模型发送给所述模型应用设备使用还包括:在每一次训练中,将所述参考数据包体之前设定数量的多个网络数据包体分别对应的多个误码率、平均发射功率、物理距离、第一通信带宽以及所述第二通信带宽作为所述前馈神经网络的各个输入信息。
5.如权利要求1-4任一所述的应用智能算法的数据偏差鉴定系统,其特征在于:
基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率包括:将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽作为多个输入信息输入到所述智能预测模型。
6.如权利要求5所述的应用智能算法的数据偏差鉴定系统,其特征在于:
将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽作为多个输入信息输入到所述智能预测模型包括:将所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽分别进行归一化处理后作为多个输入信息输入到所述智能预测模型。
7.如权利要求6所述的应用智能算法的数据偏差鉴定系统,其特征在于:
基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率还包括:执行所述智能预测模型以获得所述智能预测模型输出的当前时刻之后最新接收到的下一网络数据包体对应的误码率。
8.如权利要求7所述的应用智能算法的数据偏差鉴定系统,其特征在于:
基于所述多个网络数据包体分别对应的多个误码率、所述平均发射功率、所述物理距离、所述第一通信带宽以及所述第二通信带宽采用智能预测模型预测当前时刻之后最新接收到的下一网络数据包体对应的误码率还包括:采用MATLAB工具箱对所述智能预测模型进行表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254615.6A CN116321286B (zh) | 2023-03-13 | 2023-03-13 | 应用智能算法的数据偏差鉴定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254615.6A CN116321286B (zh) | 2023-03-13 | 2023-03-13 | 应用智能算法的数据偏差鉴定系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116321286A CN116321286A (zh) | 2023-06-23 |
CN116321286B true CN116321286B (zh) | 2023-09-22 |
Family
ID=86786536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310254615.6A Active CN116321286B (zh) | 2023-03-13 | 2023-03-13 | 应用智能算法的数据偏差鉴定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116321286B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790666A (zh) * | 2011-05-17 | 2012-11-21 | 华为终端有限公司 | 差错控制的方法、接收端、发送端和系统 |
WO2019192172A1 (zh) * | 2018-04-04 | 2019-10-10 | 歌尔股份有限公司 | 一种姿态预测方法、装置和电子设备 |
CN113015020A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市安赛通科技有限公司 | 一种网络传输协议快速纠错的算法 |
CN113163444A (zh) * | 2020-12-08 | 2021-07-23 | 中国石油大学(华东) | 一种适用于非对称信道的可靠的无反馈数据传输方法 |
CN114374470A (zh) * | 2020-10-15 | 2022-04-19 | 华为技术有限公司 | 数据传输方法、系统和计算机可读存储介质 |
CN114980175A (zh) * | 2022-05-25 | 2022-08-30 | 蔡戴朋 | 无线通信模式自适应修正平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11263726B2 (en) * | 2019-05-16 | 2022-03-01 | Here Global B.V. | Method, apparatus, and system for task driven approaches to super resolution |
-
2023
- 2023-03-13 CN CN202310254615.6A patent/CN116321286B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790666A (zh) * | 2011-05-17 | 2012-11-21 | 华为终端有限公司 | 差错控制的方法、接收端、发送端和系统 |
WO2019192172A1 (zh) * | 2018-04-04 | 2019-10-10 | 歌尔股份有限公司 | 一种姿态预测方法、装置和电子设备 |
CN114374470A (zh) * | 2020-10-15 | 2022-04-19 | 华为技术有限公司 | 数据传输方法、系统和计算机可读存储介质 |
CN113163444A (zh) * | 2020-12-08 | 2021-07-23 | 中国石油大学(华东) | 一种适用于非对称信道的可靠的无反馈数据传输方法 |
CN113015020A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市安赛通科技有限公司 | 一种网络传输协议快速纠错的算法 |
CN114980175A (zh) * | 2022-05-25 | 2022-08-30 | 蔡戴朋 | 无线通信模式自适应修正平台 |
Non-Patent Citations (1)
Title |
---|
基于丢包率预测的视频传输纠错算法;田波等;计算机应用研究;第31卷(第4期);第1135-1137页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116321286A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103716123A (zh) | 一种传感器网络中分组丢失和错误的原因识别方法和系统 | |
CN110926782A (zh) | 断路器故障类型判断方法、装置、电子设备及存储介质 | |
CN109962742A (zh) | 便携式遥测数据监测平台及监测方法 | |
CN110138870B (zh) | 一种泛在电力物联网电力设备的感知层检测系统及其检测方法 | |
CN111890933A (zh) | 车辆的电池管理方法和系统、车辆和服务器 | |
JPWO2007135919A1 (ja) | 伝送装置、伝送方法、システムlsi、及びプログラム | |
CN113259391A (zh) | 应用于多级节点网络的数据传输方法和装置 | |
CN116321286B (zh) | 应用智能算法的数据偏差鉴定系统 | |
CN113207146B (zh) | 无线通信网络质量监控系统及方法 | |
Fernandes et al. | An adaptive recurrent neural network model dedicated to opportunistic communication in wireless networks | |
CN112163668A (zh) | 一种基于预测和云边协同的减少时间序列数据传输量方法 | |
CN111315026B (zh) | 信道的选择方法、装置、网关及计算机可读存储介质 | |
CN105210349A (zh) | 无线通信品质信息处理装置及通信系统 | |
CN116436906A (zh) | 一种分布式光伏数据采集传输方法及系统 | |
CN113204332B (zh) | 智能家居设备控制程序生成系统及方法 | |
CN113923274A (zh) | 一种判断传输数据是否被干扰的方法、装置及存储介质 | |
CN113452582A (zh) | 一种基于自动解析的数据传输方法、设备、系统及介质 | |
CN117319529B (zh) | 应用于车端的报文解析方法、装置、电子设备及存储介质 | |
CN112532346A (zh) | 一种基于用户时间需求的链路自适应方法及装置 | |
CN114125985B (zh) | 一种适用于输电线路感知系统的通讯网络及通讯方法 | |
CN117527923B (zh) | 一种电力系统数据采集系统及方法 | |
US10243595B2 (en) | Detection method and device for digital intermediate frequency processing system, and computer storage medium | |
CN111324600A (zh) | 数据清洗方法及装置 | |
WO2017181617A1 (zh) | 数据上报方法及装置、边界路由器 | |
CN115134417B (zh) | 一种基于iec61850的电力系统一次设备的数据转换方法和装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230830 Address after: No. 546, Luoyu Road, Hongshan District, Wuhan, Hubei Province, 430000 Applicant after: HUBEI CENTRAL CHINA TECHNOLOGY DEVELOPMENT OF ELECTRIC POWER Co.,Ltd. Address before: No. 383 Xingye Avenue, Airport Industrial Park, Economic and Technological Development Zone, Hefei City, Anhui Province, 230601 Applicant before: Zhu Linqing |
|
GR01 | Patent grant | ||
GR01 | Patent grant |