CN117056676B - 一种用于全向波高谱校正的数据预处理方法、装置及设备 - Google Patents
一种用于全向波高谱校正的数据预处理方法、装置及设备 Download PDFInfo
- Publication number
- CN117056676B CN117056676B CN202311053449.XA CN202311053449A CN117056676B CN 117056676 B CN117056676 B CN 117056676B CN 202311053449 A CN202311053449 A CN 202311053449A CN 117056676 B CN117056676 B CN 117056676B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- omnidirectional
- wave
- buoy
- wave high
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 444
- 238000007781 pre-processing Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012937 correction Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 21
- 238000012549 training Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种用于全向波高谱校正的数据预处理方法、装置及设备，涉及微波遥感技术领域，用于解决浮标全向波高谱与SWIM全向波高谱无法有效进行对应，导致SWIM全向波高谱校正模型性能差的问题。包括：获取待校正SWIM全向波高谱与浮标全向波高谱的波数范围，统一二者的波数域；对纯涌浪与纯风浪海况下对应的样本量均衡操作；对均衡操作后的待校正SWIM全向波高谱进行标准化处理、浮标全向波高谱进行加权标准化处理，得到待校正SWIM全向波高谱标准化谱以及浮标全向波高谱参考谱；浮标全向波高谱参考谱作为校正待校正SWIM全向波高谱的基准。该方案使浮标全向波高谱与SWIM全向波高谱对应性更好，且提升SWIM全向波高谱校正模型性能，提高网络收敛速度。
Description
技术领域
本发明涉及微波遥感技术领域，尤其涉及一种用于全向波高谱校正的数据预处理方法、装置及设备。
背景技术
CFOSAT(中法海洋卫星)搭载的波谱仪SWIM(Surface Waves Investigation andMonitoring)是首个星载波谱仪，自2019年4月底以来获取了世界范围内的海浪方向谱。海浪波谱仪研究以及海浪谱数据应用对解释海洋现象、研究海洋应用、开拓海洋发展以及预报海洋信息等方面有着重要的意义。
目前，已有研究对SWIM海浪谱产品性能验证发现，与浮标测得的全向波高谱相比，SWIM反演的全向波高谱存在非线性变化，如低波数出现伪峰，冲浪板效应导致谱峰左移和减小。SWIM全向谱与浮标全向谱之间复杂的非线性关系无法用解析模型描述。与解析模型相比，人工神经网络对复杂非线性系统具有精确建模的能力。因此，采用深度学习神经网络去校正SWIM的全向波高谱。
然而，在不同的海况(纯涌浪，纯风浪)海面条件下，全向波高谱谱值存在较大差异，在训练时会导致不同子类权重不同，从而影响神经网络的收敛，而且单个NDBC浮标全向波高谱样本在反映海浪特征时具有一定的统计波动，在相同海况海面条件下SWIM全向波高谱样本的能量在一定范围内变化，若将此种条件下NDBC浮标平均全向波高谱作为参考谱，则参考谱无法反映这种输入谱的能量变化。
因此，亟需提供一种更为可靠的全向波高谱数据预处理方案。
发明内容
本发明的目的在于提供一种用于全向波高谱校正的数据预处理方法、装置及设备，解决现有技术中浮标的全向波高谱与SWIM的全向波高谱无法有效进行对应，导致SWIM全向波高谱校正模型性能差、网络收敛速度慢的问题。
为了实现上述目的，本发明提供如下技术方案：
第一方面，本发明提供一种用于全向波高谱校正的数据预处理方法，方法包括：
获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
与现有技术相比，本发明提供的全向波高谱数据预处理方法，通过获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将二者的波数域进行统一；对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；将浮标全向波高谱参考谱作为校正待校正SWIM全向波高谱的基准；浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。该方案可以使浮标全向波高谱与SWIM全向波高谱对应性更好，且可以提升SWIM全向波高谱校正模型性能，提高网络的收敛速度。
第二方面，本发明提供一种用于全向波高谱校正的数据预处理装置，装置包括：
波数域统一模块，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
样本量均衡模块，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
SWIM全向波高谱标准化处理模块，用于对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
浮标全向波高谱加权处理模块，用于对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
数据预处理操作完成模块，用于将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
第三方面，本发明提供一种用于全向波高谱校正的数据预处理设备，设备包括：
通信单元/通信接口，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
处理单元/处理器，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
第四方面，本发明提供一种计算机存储介质，所述计算机存储介质中存储有指令，当所述指令被运行时，实现上述的全向波高谱数据预处理方法。
第二方面提供的装置类方案、第三方面提供的设备类方案以及第四方面提供的计算机存储介质方案所实现的技术效果与第一方面提供的方法类方案相同，此处不再赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明提供的一种用于全向波高谱校正的数据预处理方法流程示意图；
图2为未采用本发明提供的全向波高谱数据预处理方法对应的损失函数示意图；
图3为采用本发明提供的全向波高谱数据预处理方法对应的损失函数示意图；
图4为本发明提供的一种用于全向波高谱校正的数据预处理装置结构示意图；
图5为本发明提供的一种用于全向波高谱校正的数据预处理设备结构示意图。
具体实施方式
为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一阈值和第二阈值仅仅是为了区分不同的阈值，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是，本发明中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本发明中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“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的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(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)，可以表示：a，b，c，a和b的结合，a和c的结合，b和c的结合，或a、b和c的结合，其中a，b，c可以是单个，也可以是多个。
目前，具体应用场景中，一般采用深度学习去校正SWIM的全向波高谱。然而，在不同的海况(纯涌浪，纯风浪)海面条件下，全向波高谱谱值存在较大差异，在训练时会导致不同子类权重不同，从而影响神经网络的收敛，而且单个NDBC浮标全向波高谱样本在反映海浪特征时具有一定的统计波动，在相同海况海面条件下SWIM全向波高谱样本的能量在一定范围内变化，若将此种条件下NDBC浮标平均全向波高谱作为参考谱，则参考谱无法反映这种输入谱的能量变化。
因此，本发明针对现有技术中的缺陷，提供一种数据处理方法，使在不同海况下或者同一海况的不同海面条件下，浮标的全向波高谱与SWIM的全向波高谱的对应性好，从而使参考谱能准确反映输入谱的能量变化。
接下来，结合附图对本说明书实施例提供的方案进行说明：
如图1所示，该流程可以包括以下步骤：
步骤110：获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一。
步骤110在具体实现时，可以基于以下步骤：
获取星载波谱仪对应的待校正SWIM全向波高谱的第一波数范围以及第一非等间隔波数点；
获取星载波谱仪对应的浮标全向波高谱的第二波数范围以及第二非等间隔波数点；
将所述第一波数范围和所述第二波数范围中相同数值的波数范围确定为统一的波数域；
将所述第一非等间隔波数点以及所述第二非等间隔波数点中的最小波数间隔确定为统一波数域的等波数间隔；
将待校正SWIM全向波高谱和相应的浮标全向波高谱线性插值到统一波数域上。
更为具体地，SWIM全向波高谱波数范围在0.0056～0.306rad/m，共有44个非等间隔波数点。而NDBC浮标全向波高谱频率范围在0.02～0.485Hz(对应波数范围为0.0016～0.95rad/m)，共有47个非等间隔频率点。
为确保待校正SWIM全向波高谱和作为参考谱的NDBC浮标平均全向波高谱具有相同的波数域和波数点，首先以SWIM和NDBC浮标共同的波数测量范围作为统一的波数域，即0.0056-0.306rad/m。然后比较选出SWIM和NDBC浮标全向波高谱中最小波数间隔dkmin，将该波数间隔作为统一波数域的等波数间隔。最后，将待校正SWIM全向波高谱样本和相应NDBC浮标平均全向波高谱线性插值到统一波数域上。
步骤120：对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作。
由于纯涌浪海况下SWIM全向波高谱的样本数量远大于纯风浪的样本数量，而且相同海况不同海面条件下SWIM全向波高谱样本数量相差也较大，为保证训练集中不同海况海面条件下的样本有平等的训练机会，有必要对训练集进行样本量均衡操作。
步骤130：对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱。
在不同的海况海面条件下，全向波高谱谱值存在较大差异，在训练时会导致不同子类权重不同，从而影响神经网络的收敛，因此需要将输入到神经网络的样本进行标准化处理。
步骤140：对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱。
将NDBC浮标全向波高谱作为校正SWIM全向波高谱的基准，而单个NDBC浮标全向波高谱样本在反映海浪特征时具有一定的统计波动，所以本发明将同种海况海面条件子类的所有NDBC浮标全向波高谱样本进行归一化波数平均。
步骤150：将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
图1中的方法，通过获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将二者的波数域进行统一；对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；将浮标全向波高谱参考谱作为校正待校正SWIM全向波高谱的基准；浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。该方案可以使浮标全向波高谱与SWIM全向波高谱对应性更好，且可以提升SWIM全向波高谱校正模型性能，提高网络的收敛速度。
基于图1的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。
可选的，步骤130中，对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱，具体可以包括：
利用待校正SWIM全向波高谱天底点有效波高，通过公式：
对待校正SWIM全向波高谱进行标准化，将原始数据转化为无量纲、无数量级差异的标准化数值；
其中，F(k)为SWIM测得的某种海况海面条件下的全向波高谱，Hs_nadir为对应海况海面条件下的待校正SWIM全向波高谱对应地理盒子的天底点有效波高，F'(k)为标准化后的待校正SWIM全向波高谱。
从上式(1)可知，当有效波高小于4m时，对应的SWIM全向波高谱谱值将会被放大，反之其谱值将会减小。
可选的，考虑到天底点有效波高在某些海况海面条件下数值异常偏低，导致在对全向波高谱数据标准化的时候，谱值被异常放大，会在训练的过程中影响神经网络的收敛速度。因此，在进行数据标准化之前，需要采用3σ准则筛除所述天底点有效波高异常值对应的样本，以使所述天底点有效波高在某些海况海面条件下数值在正常范围内。
可选的，步骤140在具体实现时，可以包括：
将同种海况海面条件下的所有浮标全向波高谱样本进行归一化波数平均；通过公式(2)-(4)：
对浮标的平均全向波高谱进行处理，并将处理后的高谱确定为对应海况海面条件下的全向波高谱真值；
其中，N为波数点个数，Fbuoy(k)为某种海况海面条件下浮标平均全向波高谱；Hs buoy为Fbuoy(k)对应的有效波高；Hs MF为待校正SWIM全向波高谱对应的MFWAM有效波高；Fbuoy'(k)为经有效波高比值加权的浮标全向波高谱，为Fbuoy'(k)标准化之后浮标全向波高谱参考谱；每个所述浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
将NDBC浮标全向波高谱作为校正SWIM全向波高谱的基准，而单个NDBC浮标全向波高谱样本在反映海浪特征时具有一定的统计波动，所以本发明将同种海况海面条件子类的所有NDBC浮标全向波高谱样本进行归一化波数平均。同时考虑到每个SWIM全向波高谱都具有各自的特征，比如每个SWIM全向波高谱对应的MFWAM提供的有效波高Hs MF不同，所以为了保留每个样本的独特性，且使其谱型特征与NDBC浮标平均全向波高谱一致，通过上面的公式(2)-(4)对浮标的平均全向波高谱进行处理作为该海况海面条件下的全向波高谱真值。经过上述处理，每个浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
采用本发明提供的全向波高谱数据预处理方案，可以验证其有益效果，如图2及图3分别为NDBC浮标全向波高谱不进行加权处理时的损失函数图以及进行加权处理的损失函数图，横坐标表示迭代次数，纵坐标表示损失函数的值，虚线表示训练集的损失函数曲线，实线表示验证集的损失函数曲线。通过比较图2和图3可以发现，NDBC浮标全向波高谱进行加权处理时，损失函数收敛速度更快，而且训练完成后损失函数值更小，训练完成对应的迭代次数也会减少。
基于同样的思路，本发明还提供一种用于全向波高谱校正的数据预处理装置，如图4所示，所述装置可以包括：
波数域统一模块410，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
样本量均衡模块420，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
SWIM全向波高谱标准化处理模块430，用于对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
浮标全向波高谱加权处理模块440，用于对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
数据预处理操作完成模块450，用于将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
基于图4中的装置，还可以包括一些具体的实施单元：
可选的，波数域统一模块410，具体可以包括：
波数范围第一获取单元，用于获取星载波谱仪对应的待校正SWIM全向波高谱的第一波数范围以及第一非等间隔波数点；
波数范围第二获取单元，用于获取星载波谱仪对应的浮标全向波高谱的第二波数范围以及第二非等间隔波数点；
波数域统一单元，用于将所述第一波数范围和所述第二波数范围中相同数值的波数范围确定为统一的波数域；
等波数间隔确定单元，用于将所述第一非等间隔波数点以及所述第二非等间隔波数点中的最小波数间隔确定为统一波数域的等波数间隔；将待校正SWIM全向波高谱和相应的浮标全向波高谱线性插值到统一波数域上。
可选的，SWIM全向波高谱标准化处理模块430，具体可以用于：
利用待校正SWIM全向波高谱天底点有效波高，通过公式：
对待校正SWIM全向波高谱进行标准化，将原始数据转化为无量纲、无数量级差异的标准化数值；
其中，F(k)为SWIM测得的某种海况海面条件下的全向波高谱，Hs_nadir为对应海况海面条件下的待校正SWIM全向波高谱对应地理盒子的天底点有效波高，F'(k)为标准化后的待校正SWIM全向波高谱。
可选的，装置还可以包括：
异常样本剔除模块，用于采用3σ准则筛除所述天底点有效波高异常值对应的样本，以使所述天底点有效波高在某些海况海面条件下数值在正常范围内。
可选的，浮标全向波高谱加权处理模块440，具体可以用于：
将同种海况海面条件下的所有浮标全向波高谱样本进行归一化波数平均；通过公式：
对浮标的平均全向波高谱进行处理，并将处理后的高谱确定为对应海况海面条件下的全向波高谱真值；
其中，N为波数点个数，Fbuoy(k)为某种海况海面条件下浮标平均全向波高谱；Hs buoy为Fbuoy(k)对应的有效波高；Hs MF为待校正SWIM全向波高谱对应的MFWAM有效波高；Fbuoy'(k)为经有效波高比值加权的浮标全向波高谱，为Fbuoy'(k)标准化之后浮标全向波高谱参考谱；每个所述浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
可选的，样本量均衡模块420，具体可以用于：
获取统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量；所述纯涌浪海况下的样本量大于所述纯风浪海况下对应的样本量；
将所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，使所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量之间的差值满足预设条件，达到均衡。
可选的，所述浮标全向波高谱进行加权处理后对应的损失函数的收敛速度大于浮标全向波高谱未进行加权处理时的损失函数的收敛速度。
基于同样的思路，本说明书实施例还提供了一种用于全向波高谱校正的数据预处理设备。如图5所示，可以包括：
通信单元/通信接口，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
处理单元/处理器，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作。
如图5所示，上述终端设备还可以包括通信线路。通信线路可包括一通路，在上述组件之间传送信息。
可选的，如图5所示，该终端设备还可以包括存储器。存储器用于存储执行本发明方案的计算机执行指令，并由处理器来控制执行。处理器用于执行存储器中存储的计算机执行指令，从而实现本发明实施例提供的方法。
在具体实现中，作为一种实施例，如图5所示，处理器可以包括一个或多个CPU，如图5中的CPU0和CPU1。
在具体实现中，作为一种实施例，如图5所示，终端设备可以包括多个处理器，如图5中的处理器。这些处理器中的每一个可以是一个单核处理器，也可以是一个多核处理器。
基于同样的思路，本说明书实施例还提供了上述实施例对应的计算机存储介质，计算机存储介质中存储有指令，当所述指令被运行时，实现上述实施例中的方法。
上述主要从各个模块之间交互的角度对本发明实施例提供的方案进行了介绍。可以理解的是，各个模块为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件单元。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明实施例可以根据上述方法示例进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，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。
本说明书中的处理器还可以具有存储器的功能。存储器用于存储执行本发明方案的计算机执行指令，并由处理器来控制执行。处理器用于执行存储器中存储的计算机执行指令，从而实现本发明实施例提供的方法。
存储器可以是只读存储器(read-onlymemory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，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(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-onlymemory，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，通过通信线路与处理器相连接。存储器也可以和处理器集成在一起。
可选的，本发明实施例中的计算机执行指令也可以称之为应用程序代码，本发明实施例对此不作具体限定。
上述本发明实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digital signal processing，DSP)、ASIC、现成可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
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程序或指令。在计算机上加载和执行所述计算机程序或指令时，全部或部分地执行本发明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、终端、用户设备或者其它可编程装置。所述计算机程序或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，所述计算机程序或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或无线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集成一个或多个可用介质的服务器、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；也可以是光介质，例如，数字视频光盘(digital video disc，DVD)；还可以是半导体介质，例如，固态硬盘(solid state drive，SSD)。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明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发明的示例性说明，且视为已覆盖本发明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发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。
Claims (7)
1.一种用于全向波高谱校正的数据预处理方法，其特征在于，方法包括：
获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作；
所述对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，具体包括：
获取统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量；所述纯涌浪海况下的样本量大于所述纯风浪海况下对应的样本量；
将所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，使所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量之间的差值满足预设条件，达到均衡；
所述对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱，具体包括：
利用待校正SWIM全向波高谱天底点有效波高，通过公式：
对待校正SWIM全向波高谱进行标准化，将原始数据转化为无量纲、无数量级差异的标准化数值；
其中，F(k)为SWIM测得的某种海况海面条件下的全向波高谱，Hs_nadir为对应海况海面条件下的待校正SWIM全向波高谱对应地理盒子的天底点有效波高，F'(k)为标准化后的待校正SWIM全向波高谱；
所述对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱，具体包括：
将同种海况海面条件下的所有浮标全向波高谱样本进行归一化波数平均；通过公式：
对浮标的平均全向波高谱进行处理，并将处理后的波高谱确定为对应海况海面条件下的全向波高谱真值；
其中，N为波数点个数，Fbuoy(k)为某种海况海面条件下浮标平均全向波高谱；Hs buoy为Fbuoy(k)对应的有效波高；Hs MF为待校正SWIM全向波高谱对应的MFWAM有效波高；Fbuoy'(k)为经有效波高比值加权的浮标全向波高谱，为Fbuoy'(k)标准化之后浮标全向波高谱参考谱；每个所述浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
2.根据权利要求1所述的用于全向波高谱校正的数据预处理方法，其特征在于，获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一，具体包括：
获取星载波谱仪对应的待校正SWIM全向波高谱的第一波数范围以及第一非等间隔波数点；
获取星载波谱仪对应的浮标全向波高谱的第二波数范围以及第二非等间隔波数点；
将所述第一波数范围和所述第二波数范围中相同数值的波数范围确定为统一的波数域；
将所述第一非等间隔波数点以及所述第二非等间隔波数点中的最小波数间隔确定为统一波数域的等波数间隔；
将待校正SWIM全向波高谱和相应的浮标全向波高谱线性插值到统一波数域上。
3.根据权利要求1所述的用于全向波高谱校正的数据预处理方法，其特征在于，对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱之前，还包括：
采用3σ准则筛除所述天底点有效波高异常值对应的样本，以使所述天底点有效波高在某些海况海面条件下数值在正常范围内。
4.根据权利要求1所述的用于全向波高谱校正的数据预处理方法，其特征在于，所述浮标全向波高谱进行加权处理后对应的损失函数的收敛速度大于浮标全向波高谱未进行加权处理时的损失函数的收敛速度。
5.一种用于全向波高谱校正的数据预处理装置，其特征在于，装置包括：
波数域统一模块，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
样本量均衡模块，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
SWIM全向波高谱标准化处理模块，用于对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
浮标全向波高谱加权处理模块，用于对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
数据预处理操作完成模块，用于将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作；
所述样本量均衡模块，具体用于：
获取统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量；所述纯涌浪海况下的样本量大于所述纯风浪海况下对应的样本量；
将所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，使所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量之间的差值满足预设条件，达到均衡；
所述SWIM全向波高谱标准化处理模块，具体用于：
利用待校正SWIM全向波高谱天底点有效波高，通过公式：
对待校正SWIM全向波高谱进行标准化，将原始数据转化为无量纲、无数量级差异的标准化数值；
其中，F(k)为SWIM测得的某种海况海面条件下的全向波高谱，Hs_nadir为对应海况海面条件下的待校正SWIM全向波高谱对应地理盒子的天底点有效波高，F'(k)为标准化后的待校正SWIM全向波高谱；
所述浮标全向波高谱加权处理模块，具体用于：
将同种海况海面条件下的所有浮标全向波高谱样本进行归一化波数平均；通过公式：
对浮标的平均全向波高谱进行处理，并将处理后的高谱确定为对应海况海面条件下的全向波高谱真值；
其中，N为波数点个数，Fbuoy(k)为某种海况海面条件下浮标平均全向波高谱；Hs buoy为Fbuoy(k)对应的有效波高；Hs MF为待校正SWIM全向波高谱对应的MFWAM有效波高；Fbuoy'(k)为经有效波高比值加权的浮标全向波高谱，为Fbuoy'(k)标准化之后浮标全向波高谱参考谱；每个所述浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
6.一种用于全向波高谱校正的数据预处理设备，其特征在于，设备包括：
通信单元/通信接口，用于获取星载波谱仪对应的待校正SWIM全向波高谱与浮标全向波高谱的波数范围，并将所述待校正SWIM全向波高谱与所述浮标全向波高谱的波数域进行统一；
处理单元/处理器，用于对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作；
对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱；
对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱；
将所述浮标全向波高谱参考谱作为校正所述待校正SWIM全向波高谱的基准；所述浮标全向波高谱参考谱的有效波高与待校正SWIM全向波高谱标准化谱的有效波高一致，完成全向波高谱数据预处理操作；
所述对统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，具体包括：
获取统一波数域的待校正SWIM全向波高谱对应的纯涌浪海况下的样本量与纯风浪海况下对应的样本量；所述纯涌浪海况下的样本量大于所述纯风浪海况下对应的样本量；
将所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量进行均衡操作，使所述纯涌浪海况下的样本量与纯风浪海况下对应的样本量之间的差值满足预设条件，达到均衡；
所述对均衡操作后的待校正SWIM全向波高谱进行标准化处理，得到待校正SWIM全向波高谱标准化谱，具体包括：
利用待校正SWIM全向波高谱天底点有效波高，通过公式：
对待校正SWIM全向波高谱进行标准化，将原始数据转化为无量纲、无数量级差异的标准化数值；
其中，F(k)为SWIM测得的某种海况海面条件下的全向波高谱，Hs_nadir为对应海况海面条件下的待校正SWIM全向波高谱对应地理盒子的天底点有效波高，F'(k)为标准化后的待校正SWIM全向波高谱；
所述对同种海况下的浮标全向波高谱进行加权无量纲化处理，得到浮标全向波高谱参考谱，具体包括：
将同种海况海面条件下的所有浮标全向波高谱样本进行归一化波数平均；通过公式：
对浮标的平均全向波高谱进行处理，并将处理后的波高谱确定为对应海况海面条件下的全向波高谱真值；
其中，N为波数点个数，Fbuoy(k)为某种海况海面条件下浮标平均全向波高谱；Hs buoy为Fbuoy(k)对应的有效波高；Hs MF为待校正SWIM全向波高谱对应的MFWAM有效波高；Fbuoy'(k)为经有效波高比值加权的浮标全向波高谱，为Fbuoy'(k)标准化之后浮标全向波高谱参考谱；每个所述浮标全向波高谱对应的有效波高为MFWAM提供的有效波高。
7.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，当所述指令被运行时，实现权利要求1～4任一项所述的用于全向波高谱校正的数据预处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311053449.XA CN117056676B (zh) | 2023-08-21 | 2023-08-21 | 一种用于全向波高谱校正的数据预处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311053449.XA CN117056676B (zh) | 2023-08-21 | 2023-08-21 | 一种用于全向波高谱校正的数据预处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117056676A CN117056676A (zh) | 2023-11-14 |
| CN117056676B true CN117056676B (zh) | 2024-03-19 |
Family
ID=88662327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311053449.XA Active CN117056676B (zh) | 2023-08-21 | 2023-08-21 | 一种用于全向波高谱校正的数据预处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117056676B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104330378A (zh) * | 2014-11-10 | 2015-02-04 | 中国科学院合肥物质科学研究院 | 一种傅里叶变换红外光谱仪波数漂移的校正方法 |
| JP2019148174A (ja) * | 2018-02-26 | 2019-09-05 | 株式会社Ihi | ガスタービンの整備時期予測方法及びその装置 |
| CN111352794A (zh) * | 2018-12-24 | 2020-06-30 | 鸿富锦精密工业(武汉)有限公司 | 异常检测方法、装置、计算机装置及存储介质 |
| CN115114564A (zh) * | 2022-08-04 | 2022-09-27 | 中国海洋大学 | 一种海浪数据中风浪和涌浪的分离方法及系统 |
| CN115291212A (zh) * | 2022-08-02 | 2022-11-04 | 西安电子科技大学 | 空间变速非线性轨迹扩展映射高分辨成像方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014043800A1 (en) * | 2012-09-24 | 2014-03-27 | Tornado Medical Systems Inc. | Wavenumber-linearized spectrometer on chip in a spectral-domain optical coherence tomography system |
| CN105300923B (zh) * | 2015-11-19 | 2018-02-13 | 江南大学 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
-
2023
- 2023-08-21 CN CN202311053449.XA patent/CN117056676B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104330378A (zh) * | 2014-11-10 | 2015-02-04 | 中国科学院合肥物质科学研究院 | 一种傅里叶变换红外光谱仪波数漂移的校正方法 |
| CN104990886A (zh) * | 2014-11-10 | 2015-10-21 | 中国科学院合肥物质科学研究院 | 一种傅里叶变换红外光谱仪波数漂移的校正方法 |
| JP2019148174A (ja) * | 2018-02-26 | 2019-09-05 | 株式会社Ihi | ガスタービンの整備時期予測方法及びその装置 |
| CN111352794A (zh) * | 2018-12-24 | 2020-06-30 | 鸿富锦精密工业(武汉)有限公司 | 异常检测方法、装置、计算机装置及存储介质 |
| CN115291212A (zh) * | 2022-08-02 | 2022-11-04 | 西安电子科技大学 | 空间变速非线性轨迹扩展映射高分辨成像方法 |
| CN115114564A (zh) * | 2022-08-04 | 2022-09-27 | 中国海洋大学 | 一种海浪数据中风浪和涌浪的分离方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Robust estimation of shear wave velocity in a carbonate oil reservoir from conventional well logging data using machine learning algorithms;Kheirollahi, H;《JOURNAL OF APPLIED GEOPHYSICS》;20230430;第211卷;全文 * |
| 考虑自由液面影响的有限长脉动圆柱远场声学分析;郭文杰;《振动与冲击》;20181231(第23期);24-30 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117056676A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Astone et al. | Method for all-sky searches of continuous gravitational wave signals using the frequency-Hough transform | |
| CN110008080B (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
| US10009784B1 (en) | Remote detection and analysis of passive intermodulation problems in radio base stations | |
| CN115952446B (zh) | 一种火箭发动机稳态振动响应预测方法、装置及设备 | |
| CN117665935B (zh) | 一种破碎岩体支护施工过程的监测数据处理方法 | |
| CN107886113B (zh) | 一种基于卡方检验的电磁频谱噪声提取和滤波方法 | |
| CN110909826A (zh) | 一种能源设备的诊断监测方法、装置及电子设备 | |
| CN117056676B (zh) | 一种用于全向波高谱校正的数据预处理方法、装置及设备 | |
| CN117829269B (zh) | 联邦学习方法、装置、计算设备及机器可读存储介质 | |
| CN117633712A (zh) | 一种基于多源数据的海表高度数据融合方法、装置及设备 | |
| WO2024105640A1 (en) | Frequency interference detection in cellular networks | |
| CN117829676A (zh) | 海上风能资源评估的方法和装置 | |
| CN116087814B (zh) | 一种提高电压采样精度的方法、装置及电子设备 | |
| CN112019158A (zh) | 光伏组件的室外寿命评估方法和装置 | |
| CN115186772A (zh) | 一种电力设备的局部放电的检测方法、装置及设备 | |
| CN114153831A (zh) | 电力微气象监测数据的标准化转换方法及系统 | |
| CN113532588A (zh) | 水位获取方法、装置、设备及存储介质 | |
| CN117191197B (zh) | 一种基于均匀面目标的观测亮温定标方法、装置及设备 | |
| CN112019159A (zh) | 光伏组件的室外寿命评估方法和装置 | |
| CN118626816B (zh) | 基于静止卫星高光谱遥感器的强对流天气识别方法及装置 | |
| CN118571774B (zh) | 一种mosfet器件的快速测试方法、设备及系统 | |
| CN116067602B (zh) | 一种随机振动信号生成方法、装置及电子设备 | |
| CN114339827B (zh) | 基站经纬度校准方法及装置 | |
| CN111428251B (zh) | 数据处理方法和装置 | |
| CN115186976A (zh) | 一种基于环境载荷谱的可靠性评估方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |