CN116963156B - 一种无线信号传输能力检测方法和装置 - Google Patents
一种无线信号传输能力检测方法和装置 Download PDFInfo
- Publication number
- CN116963156B CN116963156B CN202310861638.3A CN202310861638A CN116963156B CN 116963156 B CN116963156 B CN 116963156B CN 202310861638 A CN202310861638 A CN 202310861638A CN 116963156 B CN116963156 B CN 116963156B
- Authority
- CN
- China
- Prior art keywords
- signal
- transmission
- waveform
- picture
- received
- 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
- 230000008054 signal transmission Effects 0.000 title claims abstract description 243
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims abstract description 333
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims description 101
- 238000001914 filtration Methods 0.000 claims description 60
- 238000000034 method Methods 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000004913 activation Effects 0.000 claims description 15
- 238000010183 spectrum analysis Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 230000037433 frameshift Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013450 outlier detection Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000011010 flushing procedure Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 37
- 238000005259 measurement Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010224 classification analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- 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
Abstract
本发明涉及信号检测技术领域,揭露了一种无线信号传输能力检测方法,包括:从预先清洗后的标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;从传输环境图集中提取出传输环境数据集,根据发送信号数据集的发送信号波形图集和接收信号数据集的接收信号波形图集中提取出背景噪声波形图集,利用接收波形特征集、发送信号数据集、接收信号数据集以及背景噪声波形图集将预设的信号传输模型训练成传输能力模型;获取实时接收信号图片和实时环境图片,利用传输能力模型根据实时接收信号图片和实时环境图片计算出实时传输能力。本发明还提出一种无线信号传输能力检测装置。本发明可以提高无线信号传输能力检测的效率。
Description
技术领域
本发明涉及信号检测技术领域,尤其涉及一种无线信号传输能力检测方法和装置。
背景技术
随着信息化时代的到来,无线信号的覆盖率得到了较大的提升,为了评估无线通信系统的性能和可靠性、确保无线信号的传输质量和可用性,需要进行无线信号传输能力检测。
现有的无线信号传输能力检测方法多为基于信号测定的检测方法,主要是通过移动端设备测量信号强度、通过对比传输前后数据的丢包率、噪声等数据判断无线信号的传输能力,实际应用中,基于信号测定的检测方法的局限性较大,需要大量精度较高的测量设备进行复杂的信号测定,且由于无线信号传输能力受天气等影响较大,而基于信号测定的检测方法测定的传输能力局限性较大,可能会导致进行无线信号传输能力检测时的效率较低。
发明内容
本发明提供一种无线信号传输能力检测方法和装置,其主要目的在于解决进行无线信号传输能力检测时的效率较低的问题。
为实现上述目的,本发明提供的一种无线信号传输能力检测方法,包括:
将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;
依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集;
依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,其中,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集;
利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,其中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集;
获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
可选地,所述将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,包括:
依次对所述历史无线信号传输测试数据集中的每个历史无线信号传输测试数据进行缺省检测和缺省筛除操作,得到完整无线信号传输测试数据集;
对所述完整无线信号传输测试数据集中的各完整无线信号传输测试数据进行数据单位统一操作,得到格式无线信号传输测试数据集;
逐个选取所述格式无线信号传输测试数据集中的格式无线信号传输测试数据作为目标格式测试数据,按照预设的数据类型将所述目标格式测试数据拆分成目标测试图片数据和目标测试数值数据;
对所述目标测试图片数据进行清晰度检测,得到目标图片清晰度;
对所述目标测试数值数据进行离群度检测,得到目标数值离群度;
将所述目标图片清晰度和所述目标数值离群度汇集成目标测试数据置信度,利用所有的所述目标测试数据置信度从所述格式无线信号传输测试数据集中提取出标准无线信号传输数据集。
可选地,所述依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,包括:
对所述传输环境图集进行中值滤波,得到滤波环境图集;
依次对所述滤波环境图集进行边缘检测和边缘增强操作,得到边缘环境图集;
依次对所述边缘环境图集进行灰度增强和对比度增强操作,得到增强环境图集;
依次对所述增强环境图集进行多级卷积和特征归一化操作,得到环境特征编码集;
利用预先训练的环境匹配模型对所述环境特征编码集进行环境映射,得到传输环境数据集。
可选地,所述依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,包括:
逐个选取所述发送信号波形图集中的发送信号波形图片作为目标发送波形图片,从所述接收信号波形图集中选取出所述目标发送波形图片对应的接收信号波形图片作为目标接收波形图片;
将所述目标发送波形图片中值滤波成滤波发送波形图片,将所述目标接收波形图片中值滤波成滤波接收波形图片;
依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,将所有的所述背景噪声波形图片汇集成背景噪声波形图集。
可选地,所述依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,包括:
利用如下的波谱变换算法将所述滤波发送波形图片转化为发送信号系数集:
其中,所述W(j,h)是指所述发送信号系数集中尺度为j,位置参数为h的发送信号系数,j是尺度参数,h是位置参数,w(t)是指所述滤波发送波形图片中的第t时刻的波形信号,t为所述滤波发送波形图片中信号的时序序号,ψ()是预设的小波基函数的细节函数,dt是指对时序序号t的微分;
利用波谱变换算法将所述滤波接收图片转化成接收信号系数集,对所述接收信号系数集和所述发送信号系数集进行系数匹配操作,得到噪声信号系数集;
利用如下的噪声重构算法将所述噪声信号系数集转化为背景噪声波形图片:
其中,是指所述背景噪声波形图片中的第t时刻的波形信号,/>是指所述背景噪声波形图片中尺度为j,位置参数为h的噪声信号系数,t为时序序号,φ()是指预设的小波基函数的近似函数,j是指所述噪声信号系数集的尺度,J是指所述噪声信号系数集的分解总级数,ψ()是预设的小波基函数的细节函数。
可选地,所述根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率,包括:
从所述目标接收信号数据中提取出接收信号强度、接收时间戳、接收数据,从所述目标发送信号数据中提取出发送数据、发送时间戳以及发送信道带宽;
利用所述发送数据对所述接收数据进行数据匹配,得到有效传输数据和错误传输数据;
利用所述错误传输数据的数据量除以所述接收数据的数据量,得到传输误码率;
利用所述接收数据的数据量除以所述发送信号带宽得到带宽利用率;
利用所述接收时间戳减去所述发送时间戳,得到传输时间,利用所述有效传输数据的数据量除以所述传输时间,得到传输速率。
可选地,所述利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,包括:
依次对所述信号传输参数组集中的各个信号传输参数组进行特征编码和归一化操作,得到标准传输能力集;
对所述接收波形特征集和所述传输环境数据集进行匹配融合操作,得到波形环境特征集;
利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集;
根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型。
可选地,所述根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型,包括:
利用全局均方差损失函数根据所述分析传输能力集和所述标准传输能力集计算出所述信号传输模型对应的模型损失值;
判断所述模型损失值是否大于预设的损失阈值;
若是,则利用梯度下降算法根据所述模型损失值对所述信号传输模型的模型参数进行迭代更新,并返回所述利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集的步骤;
若否,则将更新后的所述信号传输模型作为传输能力模型。
为了解决上述问题,本发明还提供一种无线信号传输能力检测装置,所述装置包括:
数据拆分模块,用于将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;
波形提取模块,用于依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集;
频谱分析模块,用于依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,其中,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集;
模型训练模块,用于利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,其中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集;
能力检测模块,用于获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
本发明通过将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,可以提高数据的准确度,从而提高后续模型训练的准确度,通过分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集,可以方便后续的数据分类分析,通过依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,可以识别出每次无线信号传输能力测试时的环境数据,从而方便建立环境数据和无线信号传输能力之间的关系,通过从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集,可以方便后续进行信号波形分析,方便识别出背景噪音,从而提高信号传输信噪比的计算精确度,通过依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,可以频谱分析的方法从所述接收信号波形图集中提取出准确的背景噪声信号,通过利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,可以多方位的评价无线信号的传输能力,提高模型计算的准确性和检测的精确度。
通过利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,可以建立起接收信号的波形图的波形特征、传输环境数据与传输能力之间的关系模型,从而提高无线信号传输能力检测的效率,通过获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力,可以仅仅凭借信号接收地区的实时环境图片和接收到的信号波形图片判断无线信号的传输能力,满足了不同环境下的快速信号传输能力测量,提高了无线信号传输能力检测的效率。因此本发明提出的无线信号传输能力检测方法和装置,可以解决进行无线信号传输能力检测时的效率较低的问题。
附图说明
图1为本发明一实施例提供的无线信号传输能力检测方法的流程示意图;
图2为本发明一实施例提供的提取传输环境数据集的流程示意图;
图3为本发明一实施例提供的生成背景噪声波形图集的流程示意图;
图4为本发明一实施例提供的无线信号传输能力检测装置的功能模块图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种无线信号传输能力检测方法。所述无线信号传输能力检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述无线信号传输能力检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的无线信号传输能力检测方法的流程示意图。在本实施例中,所述无线信号传输能力检测方法包括:
S1、将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集。
本发明实施例中,所述历史无线信号传输测试数据集是由多个历史无线信号传输测试数据组成的数据集,且每个所述历史无线信号传输测试数据是过去时间段内进行一次无线信号传输测试时记录的全部数据,包括测试时发送信号数据、接受信号数据以及传输环境图片。
本发明实施例中,所述将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,包括:
依次对所述历史无线信号传输测试数据集中的每个历史无线信号传输测试数据进行缺省检测和缺省筛除操作,得到完整无线信号传输测试数据集;
对所述完整无线信号传输测试数据集中的各完整无线信号传输测试数据进行数据单位统一操作,得到格式无线信号传输测试数据集;
逐个选取所述格式无线信号传输测试数据集中的格式无线信号传输测试数据作为目标格式测试数据,按照预设的数据类型将所述目标格式测试数据拆分成目标测试图片数据和目标测试数值数据;
对所述目标测试图片数据进行清晰度检测,得到目标图片清晰度;
对所述目标测试数值数据进行离群度检测,得到目标数值离群度;
将所述目标图片清晰度和所述目标数值离群度汇集成目标测试数据置信度,利用所有的所述目标测试数据置信度从所述格式无线信号传输测试数据集中提取出标准无线信号传输数据集。
详细地,所述依次对所述历史无线信号传输测试数据集中的每个历史无线信号传输测试数据进行缺省检测和缺省筛除操作,得到完整无线信号传输测试数据集是指从所述历史无线信号传输测试数据集中提取出数据结构,根据所述数据结构对每个历史无线信号传输测试数据进行结构缺省检测,得到缺省无线信号传输测试数据,将所有的所述缺省无线信号传输测试数据从所述历史无线信号传输测试数据集中筛除,得到完整无线信号传输测试数据集,其中,所述数据结构是指所述历史无线信号传输测试数据集中每个历史无线信号传输测试数据内包含的各种数据类型的数据的具体个数。
具体地,所述对所述完整无线信号传输测试数据集中的各完整无线信号传输测试数据进行数据单位统一操作,得到格式无线信号传输测试数据集是指将各个完整无线信号传输测试数据中的同一类型的数据统一成一个数据计量单位,例如将信号强度的单位统一为dBm。
详细地,所述目标测试图片数据是指所述目标格式测试数据中数据类型为图片数据的数据,例如环境图片和信号波形图片,所述目标测试数值数据是指所述目标格式测试数据中数据类型为数值数据的数据,例如发送数据、接收数据以及信号强度等数据。
具体地,可以利用Laplacian算子法或灰度方差法对所述目标测试图片数据进行清晰度检测,得到目标图片清晰度,可以利用箱线图方法或Z-score方法对所述目标测试数值数据进行离群度检测,得到目标数值离群度。
具体地,所述利用所有的所述目标测试数据置信度从所述格式无线信号传输测试数据集中提取出标准无线信号传输数据集是指从所述格式无线信号传输测试数据集中提取出目标测试数据置信度的目标图片清晰度大于预设的清晰度阈值,且目标测试数据置信度的目标数值离群度小于预设的离群度阈值的格式无线信号传输测试数据作为标准无线信号传输数据,将所有的标准无线信号传输数据汇集成标准无线信号传输数据集。
详细地,所述传输环境图集是指由多个传输环境图片组成的图集,且每个所述传输环境图片是一次无线信号传输测试时对接收点的环境拍摄得到的图片,所述发送信号数据集是由多个发送信号数据组成的数据集,且每个所述发送信号数据包括一次无线信号传输测试时记录的与信号发送有关的数据,例如发送数据、发送信号波形图片等数据,所述接收信号数据集是由多个接收信号数据组成的数据集,且每个所述接收信号数据包括一次无线信号传输测试时记录的与信号接收有关的数据,例如接收信号强度、接收数据、接收信号波形图片等数据。
具体地,可以利用数据格式匹配的方法或文件名关键字匹配的方法分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集。
本发明实施例中,通过将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,可以提高数据的准确度,从而提高后续模型训练的准确度,通过分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集,可以方便后续的数据分类分析。
S2、依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集。
本发明实施例中,所述传输环境数据集是由多个传输环境数据组成的数据集,且每个所述传输环境数据对应所述传输环境图集中一个传输环境图片的环境数据,所述环境数据包括环境天气以及环境模式,所述环境天气例如晴天、雨天以及阴天等,所述环境模式例如室内、城市、山区或者平原等。
本发明实施例中,参照图2所示,所述依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,包括:
S21、对所述传输环境图集进行中值滤波,得到滤波环境图集;
S22、依次对所述滤波环境图集进行边缘检测和边缘增强操作,得到边缘环境图集;
S23、依次对所述边缘环境图集进行灰度增强和对比度增强操作,得到增强环境图集;
S24、依次对所述增强环境图集进行多级卷积和特征归一化操作,得到环境特征编码集;
S25、利用预先训练的环境匹配模型对所述环境特征编码集进行环境映射,得到传输环境数据集。
具体地,可以利用sobel算子或canny算子检测出所述滤波环境图集的图片边缘,并利用最小二乘法或随机样本一致算法(Random Sample Consensus,简称RANSAC)对所述图片边缘进行进行边缘增强,可以利用线性变换或直方图均衡化算法对所述边缘环境图集进行灰度增强,
详细的,可以利用直方图拉伸算法或自适应对比度增强法对所述边缘环境图集进行对比度增强,所述环境匹配模型可以是利用大量标注了环境数据的环境特征编码训练后的VGG-16或InceptionV1等卷积神经网络模型。
详细地,所述发送信号波形图集是由多个发送信号波形图片组成的图集,且每个所述发送信号波形图为所述发送信号数据集中的一个发送信号数据中记录的发送信号的波形图,所述接收信号波形图集是由多个接收信号波形图片组成的图集,且每个所述接收信号波形图为所述接收信号数据集中的一个接收信号数据中记录的接收信号的波形图。
本发明实施例中,通过依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,可以识别出每次无线信号传输能力测试时的环境数据,从而方便建立环境数据和无线信号传输能力之间的关系,通过从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集,可以方便后续进行信号波形分析,方便识别出背景噪音,从而提高信号传输信噪比的计算精确度。
S3、依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集。
本发明实施例中,所述背景噪声波形图集由多个背景噪声波形图片组成,且每个所述背景噪声波形图片为一次无线信号传输测试时背景噪声信号的波形图片。
本发明实施例中,参照图3所示,所述依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,包括:
S31、逐个选取所述发送信号波形图集中的发送信号波形图片作为目标发送波形图片,从所述接收信号波形图集中选取出所述目标发送波形图片对应的接收信号波形图片作为目标接收波形图片;
S32、将所述目标发送波形图片中值滤波成滤波发送波形图片,将所述目标接收波形图片中值滤波成滤波接收波形图片;
S33、依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,将所有的所述背景噪声波形图片汇集成背景噪声波形图集。
详细地,可以利用中值滤波器将所述目标发送波形图片中值滤波成滤波发送波形图片,将所述目标接收波形图片中值滤波成滤波接收波形图片,所述中值滤波器通过计算窗口内数据点的中值来抑制异常值和脉冲噪声,对于去除突发性噪声有较好的效果。
详细地,所述依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,包括:
利用如下的波谱变换算法将所述滤波发送波形图片转化为发送信号系数集:
其中,所述W(j,h)是指所述发送信号系数集中尺度为j,位置参数为h的发送信号系数,j是尺度参数,h是位置参数,w(t)是指所述滤波发送波形图片中的第t时刻的波形信号,t为所述滤波发送波形图片中信号的时序序号,ψ()是预设的小波基函数的细节函数,dt是指对时序序号t的微分;
利用波谱变换算法将所述滤波接收图片转化成接收信号系数集,对所述接收信号系数集和所述发送信号系数集进行系数匹配操作,得到噪声信号系数集;
利用如下的噪声重构算法将所述噪声信号系数集转化为背景噪声波形图片:
其中,是指所述背景噪声波形图片中的第t时刻的波形信号,/>是指所述背景噪声波形图片中尺度为j,位置参数为h的噪声信号系数,t为时序序号,φ()是指预设的小波基函数的近似函数,j是指所述噪声信号系数集的尺度,J是指所述噪声信号系数集的分解总级数,ψ()是预设的小波基函数的细节函数。
具体地,所述对所述接收信号系数集和所述发送信号系数集进行系数匹配操作,得到噪声信号系数集是指对所述接收信号系数集和所述发送信号系数集按照数据结构进行对比,并利用噪声阈值法从所述接收信号系数集中提取出噪声信号系数集。
详细地,通过利用所述波谱变换算法将所述滤波发送波形图片转化为发送信号系数集,可以将滤波发送的信号分解为多个频带,从而实现对噪音信号的筛除与甄别,通过利用如下的噪声重构算法将所述噪声信号系数集转化为背景噪声波形图片,可以实现对不同分辨率的噪声信号进行处理,得到更加准确地背景噪声。
具体地,所述信号传输参数组集是由多个信号传输参数组组成的集合,每个信号传输参数组包括一次无线信号传输测试时对应的信号强度、信噪比、误码率、带宽利用率以及数据传输速率。
详细地,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:
逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;
从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;
利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;
根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;
将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集。
本发明实施例中,通过利用所述信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比,可以利用更加准确的噪声信号计算出信噪比,从而提升了信噪比计算的准确度。
详细地,所述根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率,包括:
从所述目标接收信号数据中提取出接收信号强度、接收时间戳、接收数据,从所述目标发送信号数据中提取出发送数据、发送时间戳以及发送信道带宽;
利用所述发送数据对所述接收数据进行数据匹配,得到有效传输数据和错误传输数据;
利用所述错误传输数据的数据量除以所述接收数据的数据量,得到传输误码率;
利用所述接收数据的数据量除以所述发送信号带宽得到带宽利用率;
利用所述接收时间戳减去所述发送时间戳,得到传输时间,利用所述有效传输数据的数据量除以所述传输时间,得到传输速率。
本发明实施例中,所述接收信号强度是指所述接收信号的信号强度(SignalStrength),所述传输误码率是指传输过程中的误码率(Bit Error Rate,简称BER),所述误码率是指在数据传输过程中接收到的错误比特数与总传输比特数之间的比率,所述带宽利用率(Bandwidth Utilization)表示信道带宽在数据传输中的有效利用程度,所述传输速率(Data Transfer Rate)表示单位时间内传输的数据量。
本发明实施例中,通过依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,可以频谱分析的方法从所述接收信号波形图集中提取出准确的背景噪声信号,通过利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,可以多方位的评价无线信号的传输能力,提高模型计算的准确性和检测的精确度。
S4、利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型。
本发明实施例中,所述接收波形特征集是由多个接收波形特征组成的特征集,且每个接收波形特征代表所述接收信号波形图集中一个接收信号波形图片的频域特征和时域形状特征等特征。
本发明实施例中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:
逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;
分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;
按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;
利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;
分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;
将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集。
详细地,所述接收信号峰度是指所述滤波接收波形图片的接收信号的峰度(Kurtosis),所述峰度是描述信号数据分布形状的统计量,它衡量了数据分布的尖锐程度或平坦程度;所述接收信号偏度是指所述接收信号的偏度(Skewness),所述偏度是描述信号数据分布对称性的统计量,它衡量了数据分布的左右偏斜程度;所述信号时域熵序列是指所述接收信号的时域熵(Time-domain Entropy)的序列,所述时域熵是描述信号的复杂度或信息量的统计量,它测量了信号在时间域内的不确定性和随机性;所述接收信号功率谱是指所述接收信号的功率谱(Power Spectrum),所述功率谱是描述信号频率成分和能量分布的函数,表示信号在不同频率上的能量或功率分布、所述接收信号基波频率是指所述接收信号的基波频率(Fundamental Frequency),所述基波频率是指信号中最低频率的成分,也是信号中主要的周期性振荡频率;所述接收信号频率漂移是指所述接收信号的频率漂移(Frequency Drift),所述频率漂移指的是信号在时间上的频率变化。
本发明实施例中,通过所述频域转换算法将所述滤波接收波形图片转化成接收信号频域图,可以获得不同时间段内接收信号的频率信息,可以更全面的提取接收信号在不同时间段内的频谱特征。
详细地,所述利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,包括:
依次对所述信号传输参数组集中的各个信号传输参数组进行特征编码和归一化操作,得到标准传输能力集;
对所述接收波形特征集和所述传输环境数据集进行匹配融合操作,得到波形环境特征集;
利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集;
根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型。
详细地,所述信号传输模型可以是多叉树模型、多元线性回归方程或支持向量机(Support Vector Machine,简称SVM),所述对所述信号传输参数组集中的各个信号传输参数组进行特征编码是指将所述信号传输参数组中的各个参数作为特征维度编码成信号传输特征,可以利用sigmoid或softmax等归一化函数将所述信号传输特征归一化成标准传输能力,并将所有的标准传输能力汇集成标准传输能力集。
具体的,所述根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型,包括:
利用全局均方差损失函数根据所述分析传输能力集和所述标准传输能力集计算出所述信号传输模型对应的模型损失值;
判断所述模型损失值是否大于预设的损失阈值;
若是,则利用梯度下降算法根据所述模型损失值对所述信号传输模型的模型参数进行迭代更新,并返回所述利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集的步骤;
若否,则将更新后的所述信号传输模型作为传输能力模型。
详细地,所述全局均方差损失函数(Mean Squared Error Loss)用于衡量模型的预测值与真实值之间的平均差异,它计算预测值与真实值之间的差的平方,并求取平均值作为损失值,所述梯度下降算法(Gradient Descent)梯度下降算法是一种常用的优化算法,用于更新模型的参数以最小化损失函数,通过计算损失函数对每个参数的梯度,并按照梯度的反方向更新参数,逐步降低损失函数的值。
本发明实施例中,通过利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,可以建立起接收信号的波形图的波形特征、传输环境数据与传输能力之间的关系模型,从而提高无线信号传输能力检测的效率。
S5、获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
本发明实施例中,所述实时接收信号图片是指实时测定的接收到的无线信号的波形图片,所述实时环境图片是指实时拍摄的信号接收地区的环境图片。
本发明实施例中,所述从所述实时环境图片中提取出实时环境数据的方法与上述步骤S2中的所述依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集的方法一致,所述从所述实时接收信号图片中提取出实时波形特征的方法与上述步骤S4中的所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集的方法一致,这里不再赘述。
本发明实施例中,通过获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力,可以仅仅凭借信号接收地区的实时环境图片和接收到的信号波形图片判断无线信号的传输能力,满足了不同环境下的快速信号传输能力测量,提高了无线信号传输能力检测的效率。
本发明通过将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,可以提高数据的准确度,从而提高后续模型训练的准确度,通过分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集,可以方便后续的数据分类分析,通过依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,可以识别出每次无线信号传输能力测试时的环境数据,从而方便建立环境数据和无线信号传输能力之间的关系,通过从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集,可以方便后续进行信号波形分析,方便识别出背景噪音,从而提高信号传输信噪比的计算精确度,通过依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,可以频谱分析的方法从所述接收信号波形图集中提取出准确的背景噪声信号,通过利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,可以多方位的评价无线信号的传输能力,提高模型计算的准确性和检测的精确度。
通过利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,可以建立起接收信号的波形图的波形特征、传输环境数据与传输能力之间的关系模型,从而提高无线信号传输能力检测的效率,通过获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力,可以仅仅凭借信号接收地区的实时环境图片和接收到的信号波形图片判断无线信号的传输能力,满足了不同环境下的快速信号传输能力测量,提高了无线信号传输能力检测的效率。因此本发明提出的无线信号传输能力检测方法,可以解决进行无线信号传输能力检测时的效率较低的问题。
如图4所示,是本发明一实施例提供的无线信号传输能力检测装置的功能模块图。
本发明所述无线信号传输能力检测装置100可以安装于电子设备中。根据实现的功能,所述无线信号传输能力检测装置100可以包括数据拆分模块101、波形提取模块102、频谱分析模块103、模型训练模块104及能力检测模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据拆分模块101,用于将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;
所述波形提取模块102,用于依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集;
所述频谱分析模块103,用于依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,其中,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集;
所述模型训练模块104,用于利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,其中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集;
所述能力检测模块105,用于获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
详细地,本发明实施例中所述无线信号传输能力检测装置100中所述的各模块在使用时采用与上述图1至图3中所述的无线信号传输能力检测方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种无线信号传输能力检测方法,其特征在于,所述方法包括:
S1:将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;
S2:依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集;
S3:依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,其中,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集;
S4:利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,其中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:
S41:逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;
S42:分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;
S43:按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;
S44:利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;
S45:分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;
S46:将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集;
S5:获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
2.如权利要求1所述的无线信号传输能力检测方法,其特征在于,所述将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,包括:
依次对所述历史无线信号传输测试数据集中的每个历史无线信号传输测试数据进行缺省检测和缺省筛除操作,得到完整无线信号传输测试数据集;
对所述完整无线信号传输测试数据集中的各完整无线信号传输测试数据进行数据单位统一操作,得到格式无线信号传输测试数据集;
逐个选取所述格式无线信号传输测试数据集中的格式无线信号传输测试数据作为目标格式测试数据,按照预设的数据类型将所述目标格式测试数据拆分成目标测试图片数据和目标测试数值数据;
对所述目标测试图片数据进行清晰度检测,得到目标图片清晰度;
对所述目标测试数值数据进行离群度检测,得到目标数值离群度;
将所述目标图片清晰度和所述目标数值离群度汇集成目标测试数据置信度,利用所有的所述目标测试数据置信度从所述格式无线信号传输测试数据集中提取出标准无线信号传输数据集。
3.如权利要求1所述的无线信号传输能力检测方法,其特征在于,所述依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,包括:
对所述传输环境图集进行中值滤波,得到滤波环境图集;
依次对所述滤波环境图集进行边缘检测和边缘增强操作,得到边缘环境图集;
依次对所述边缘环境图集进行灰度增强和对比度增强操作,得到增强环境图集;
依次对所述增强环境图集进行多级卷积和特征归一化操作,得到环境特征编码集;
利用预先训练的环境匹配模型对所述环境特征编码集进行环境映射,得到传输环境数据集。
4.如权利要求1所述的无线信号传输能力检测方法,其特征在于,所述依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,包括:
逐个选取所述发送信号波形图集中的发送信号波形图片作为目标发送波形图片,从所述接收信号波形图集中选取出所述目标发送波形图片对应的接收信号波形图片作为目标接收波形图片;
将所述目标发送波形图片中值滤波成滤波发送波形图片,将所述目标接收波形图片中值滤波成滤波接收波形图片;
依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,将所有的所述背景噪声波形图片汇集成背景噪声波形图集。
5.如权利要求4所述的无线信号传输能力检测方法,其特征在于,所述依次对所述滤波发送波形图片和所述滤波接收波形图片进行波谱变换和噪声提取操作,得到背景噪声波形图片,包括:
利用如下的波谱变换算法将所述滤波发送波形图片转化为发送信号系数集:
其中,所述W(j,h)是指所述发送信号系数集中尺度为j,位置参数为h的发送信号系数,j是尺度参数,h是位置参数,w(t)是指所述滤波发送波形图片中的第t时刻的波形信号,t为所述滤波发送波形图片中信号的时序序号,ψ()是预设的小波基函数的细节函数,dt是指对时序序号t的微分;
利用波谱变换算法将所述滤波接收图片转化成接收信号系数集,对所述接收信号系数集和所述发送信号系数集进行系数匹配操作,得到噪声信号系数集;
利用如下的噪声重构算法将所述噪声信号系数集转化为背景噪声波形图片:
其中,是指所述背景噪声波形图片中的第t时刻的波形信号,/>是指所述背景噪声波形图片中尺度为j,位置参数为h的噪声信号系数,t为时序序号,φ()是指预设的小波基函数的近似函数,j是指所述噪声信号系数集的尺度,J是指所述噪声信号系数集的分解总级数,ψ()是预设的小波基函数的细节函数。
6.如权利要求5所述的无线信号传输能力检测方法,其特征在于,所述根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率,包括:
从所述目标接收信号数据中提取出接收信号强度、接收时间戳、接收数据,从所述目标发送信号数据中提取出发送数据、发送时间戳以及发送信道带宽;
利用所述发送数据对所述接收数据进行数据匹配,得到有效传输数据和错误传输数据;
利用所述错误传输数据的数据量除以所述接收数据的数据量,得到传输误码率;
利用所述接收数据的数据量除以所述发送信号带宽得到带宽利用率;
利用所述接收时间戳减去所述发送时间戳,得到传输时间,利用所述有效传输数据的数据量除以所述传输时间,得到传输速率。
7.如权利要求1所述的无线信号传输能力检测方法,其特征在于,所述利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,包括:
依次对所述信号传输参数组集中的各个信号传输参数组进行特征编码和归一化操作,得到标准传输能力集;
对所述接收波形特征集和所述传输环境数据集进行匹配融合操作,得到波形环境特征集;
利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集;
根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型。
8.如权利要求7所述的无线信号传输能力检测方法,其特征在于,所述根据所述分析传输能力集和所述标准传输能力集对所述信号传输模型进行迭代训练,得到传输能力模型,包括:
利用全局均方差损失函数根据所述分析传输能力集和所述标准传输能力集计算出所述信号传输模型对应的模型损失值;
判断所述模型损失值是否大于预设的损失阈值;
若是,则利用梯度下降算法根据所述模型损失值对所述信号传输模型的模型参数进行迭代更新,并返回所述利用预设的信号传输模型计算出所述波形环境特征集对应的分析传输能力集的步骤;
若否,则将更新后的所述信号传输模型作为传输能力模型。
9.一种无线信号传输能力检测装置,其特征在于,所述装置包括:
数据拆分模块,用于将预先获取的历史无线信号传输测试数据集数据清洗成标准无线信号传输数据集,分别从所述标准无线信号传输数据集中提取出传输环境图集、发送信号数据集以及接收信号数据集;
波形提取模块,用于依次对所述传输环境图集进行图片增强和特征提取以及激活匹配操作,得到传输环境数据集,从所述发送信号数据集中提取出发送信号波形图集,从所述接收信号数据集中提取出接收信号波形图集;
频谱分析模块,用于依次对所述发送信号波形图集和所述接收信号波形图集进行波形滤波、波谱分析和噪声提取操作,得到背景噪声波形图集,利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,其中,所述利用所述发送信号数据集、所述接收信号数据集以及所述背景噪声波形图集计算出信号传输参数组集,包括:逐个选取所述发送信号数据集中的发送信号数据作为目标发送信号数据,从所述接收信号数据集中选取出所述目标发送信号数据对应的接收信号数据作为目标接收信号数据;从所述目标接收信号数据中提取出目标滤波接收波形图片,从所述背景噪声波形图集中筛选出所述目标滤波接收波形图片对应的背景噪声波形图片作为目标噪声波形图片;利用如下的信噪比公式根据所述目标滤波接收波形图片和所述目标噪声波形图片计算出信号信噪比;
其中,T是指时间长度,且所述目标滤波接收波形图片和所述目标噪声波形图片的时间长度一致,g(t)是指所述目标滤波接收波形图片中t时刻的信号值,t为时序序号,z(t)是指所述目标噪声波形图片中t时刻的信号值,dt是指对时序序号t的微分;根据所述目标接收信号数据和所述目标发送信号数据分别计算出接收信号强度、传输误码率、带宽利用率以及传输速率;将所述信号信噪比、所述接收信号强度、所述传输误码率、所述带宽利用率以及所述传输速率汇集成信号传输参数组,将所有的信号传输参数组汇集成信号传输参数组集;
模型训练模块,用于利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,利用所述接收波形特征集、所述传输环境数据集和所述信号传输参数组集将预设的信号传输模型训练成传输能力模型,其中,所述利用预设的频域转换算法从所述接收信号波形图集中提取出接收波形特征集,包括:逐个选取所述接收信号波形图集中的接收信号波形图片作为目标接收波形图片,对所述接收信号波形图片进行中值滤波,得到滤波接收波形图片;分别计算出所述滤波接收波形图片对应的接收信号峰度和接收信号偏度;按照预设的时域窗口将所述滤波接收波形图片拆分成滤波接收波形图块序列,计算出所述滤波接收波形图块序列对应的信号时域熵序列;利用如下的频域转换算法将所述滤波接收波形图片转化成接收信号频域图:
其中,X(p,k)是指所述接收信号频域图在第p个信号帧、第k频率分量上的频域能量,p是指信号帧的索引,k是频率的索引,X是指频域能量,L是指所述滤波接收波形图片的加窗窗口长度,b(n)是指所述滤波接收波形图片中第n时段的布兰克曼窗函数权重,n是时间索引,b()布兰克曼窗函数符号,x(n+pR)是指所述滤波接收波形图片在第n+pR时间段时的信号值,R是指所述滤波接收波形图片的帧移,exp()是指指数函数,i是虚数符号,N是指所述接收信号频域图的采样点数;分别从所述接收信号频域图中提取出接收信号功率谱、接收信号基波频率以及接收信号频率漂移;将所述接收信号峰度、所述接收信号偏度、所述信号时域熵序列、所述接收信号功率谱、所述接收信号基波频率以及所述接收信号频率漂移汇集成接收波形特征,将所有的所述接收波形特征汇集成接收波形特征集;
能力检测模块,用于获取实时接收信号图片和实时环境图片,从所述实时环境图片中提取出实时环境数据,从所述实时接收信号图片中提取出实时波形特征,利用所述传输能力模型根据所述实时环境数据和所述实时波形特征计算出实时传输能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861638.3A CN116963156B (zh) | 2023-07-12 | 2023-07-12 | 一种无线信号传输能力检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861638.3A CN116963156B (zh) | 2023-07-12 | 2023-07-12 | 一种无线信号传输能力检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116963156A CN116963156A (zh) | 2023-10-27 |
CN116963156B true CN116963156B (zh) | 2024-04-16 |
Family
ID=88457726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310861638.3A Active CN116963156B (zh) | 2023-07-12 | 2023-07-12 | 一种无线信号传输能力检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116963156B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN114142878A (zh) * | 2021-12-01 | 2022-03-04 | 西安电子科技大学 | 一种无线信号处理方法、系统、计算机设备及存储介质 |
CN114791593A (zh) * | 2022-03-29 | 2022-07-26 | 北京扬铭科技发展有限责任公司 | 一种人工智能的信号分析识别系统 |
CN116347045A (zh) * | 2023-05-31 | 2023-06-27 | 深圳市天龙世纪科技发展有限公司 | 基于通信及卫星技术的监控方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1777796A (zh) * | 2003-03-12 | 2006-05-24 | 焦耳显微系统加拿大公司 | 信号处理系统和方法 |
-
2023
- 2023-07-12 CN CN202310861638.3A patent/CN116963156B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN114142878A (zh) * | 2021-12-01 | 2022-03-04 | 西安电子科技大学 | 一种无线信号处理方法、系统、计算机设备及存储介质 |
CN114791593A (zh) * | 2022-03-29 | 2022-07-26 | 北京扬铭科技发展有限责任公司 | 一种人工智能的信号分析识别系统 |
CN116347045A (zh) * | 2023-05-31 | 2023-06-27 | 深圳市天龙世纪科技发展有限公司 | 基于通信及卫星技术的监控方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116963156A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110658807A (zh) | 一种车辆故障诊断方法、装置及系统 | |
CN102148987B (zh) | 基于先验模型和l0范数的压缩感知图像重构方法 | |
CN111526119B (zh) | 异常流量检测方法、装置、电子设备和计算机可读介质 | |
Wang et al. | Reduced reference image quality assessment using entropy of primitives | |
Morzelona | Human visual system quality assessment in the images using the IQA model integrated with automated machine learning model | |
CN114881093B (zh) | 一种信号分类识别方法 | |
CN112819082A (zh) | 一种基于深度学习的卫星频谱感知数据重构方法 | |
CN113920255B (zh) | 基于点云数据的高效测绘系统 | |
CN113837122B (zh) | 基于Wi-Fi信道状态信息的无接触式人体行为识别方法及系统 | |
CN112436975B (zh) | 一种天地一体化信息网络流量预测方法及装置 | |
CN116963156B (zh) | 一种无线信号传输能力检测方法和装置 | |
CN112543339B (zh) | 一种基于残差重构的视频仿真方法及装置 | |
CN111464354B (zh) | 一种细粒度的网络流量计算方法、装置及存储介质 | |
CN116684878B (zh) | 一种5g信息传输数据安全监测系统 | |
CN111444233B (zh) | 基于复制器神经网络模型发现环境监测异常数据的方法 | |
CN117079005A (zh) | 一种光缆故障监测方法、系统、装置及可读存储介质 | |
CN106372649B (zh) | 基于量化的集值卡尔曼滤波方法 | |
Sustika et al. | Compressive sensing algorithm for data compression on weather monitoring system | |
CN104270210A (zh) | 基于压缩非重构的软判决频谱感知方法 | |
Lee et al. | Learning compressive sensing models for big spatio-temporal data | |
CN113344168B (zh) | 短期泊位预测方法及系统 | |
Rajoriya et al. | Deep compressive sensing and reconstruction algorithm in wireless Internet of Things | |
CN115941934A (zh) | 基于深度卷积神经网络的多帧融合视频噪声评估方法 | |
CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
CN114897791A (zh) | 基于烛台理论的水质预测方法 |
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 |