CN117318730B - 电离层数据实时采集压缩方法、装置、芯片及系统 - Google Patents
电离层数据实时采集压缩方法、装置、芯片及系统 Download PDFInfo
- Publication number
- CN117318730B CN117318730B CN202311616164.2A CN202311616164A CN117318730B CN 117318730 B CN117318730 B CN 117318730B CN 202311616164 A CN202311616164 A CN 202311616164A CN 117318730 B CN117318730 B CN 117318730B
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- discrete cosine
- cosine transform
- data
- 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 42
- 239000005433 ionosphere Substances 0.000 title claims abstract description 22
- 238000007906 compression Methods 0.000 title claims description 40
- 230000006835 compression Effects 0.000 title claims description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 92
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000006837 decompression Effects 0.000 claims abstract description 9
- 230000000979 retarding effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 4
- 150000002500 ions Chemical class 0.000 description 14
- 238000003860 storage Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 210000002381 plasma Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- BWSIKGOGLDNQBZ-LURJTMIESA-N (2s)-2-(methoxymethyl)pyrrolidin-1-amine Chemical compound COC[C@@H]1CCCN1N BWSIKGOGLDNQBZ-LURJTMIESA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000013144 data compression Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000001075 voltammogram Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/70—Type of the data to be coded, other than image and sound
-
- 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)
- Complex Calculations (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及空间等离子体研究和空间物理科学技术领域,公开了电离层数据实时采集压缩方法、装置、芯片及系统,所述方法包括:获取电离层的电流信号,根据所获取的电流信号,得到伏安特性曲线;对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构。有效解决了载荷数据量过大问题,可灵活适用于卫星载荷通信要求和空间等离子体探测研究高分辨率和高精度的需求。
Description
技术领域
本发明涉及空间等离子体研究和空间物理科学技术领域,特别是涉及电离层数据实时采集压缩方法、装置、芯片及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
阻滞势分析仪是一种常用于电离层原位探测的传感器,主要用于探测离子密度、离子温度和法向的离子漂移速度。随着电离层研究的深入,对电离层探测精度和时空分辨率的需求越来越高,系统产生的数据量在爆炸式增长。带来了传感器需要更大的存储空间,占用卫星更长的通信时间与带宽等问题。
阻滞势分析仪的原型是法拉第杯,其内部具有多层栅网的圆筒形结构,可以对离子密度、离子温度、离子漂移速度等科学参数进行诊断。基本理论立足于麦克斯韦分布模型,通过阻滞栅网的电位扫描对离子进行能量筛选,控制到达收集层的离子数量。采集收集板上的离子电流,即可获得阻滞式分析的伏安特性曲线。阻滞势分析仪的标准曲线,横轴为扫描电压,纵轴为收集的离子电流大小。
目前现有的数据无损压缩算法有霍夫曼编码、游程编码、字典编码等,适用于冗余性高、数据有序、数据相似的数据曲线。然而阻滞势电位分析仪的伏安特性曲线的点是随机的,所以常规的无损压缩算法的压缩率极低。
发明内容
为解决现有压缩算法的压缩率低,内存需求空间大、计算量大的缺点,本发明提供了电离层数据实时采集压缩方法、装置、芯片及系统;该压缩与重构算法具有高压缩比、高信噪比、高实时性的优点。有效解决了载荷数据量过大问题,可灵活适用于卫星载荷通信要求和空间等离子体探测研究高分辨率和高精度的需求。
第一方面,提供了电离层数据实时采集压缩方法,包括:获取电离层的电流信号,根据所获取的电流信号,得到伏安特性曲线;对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构。
另一方面,提供了电离层数据实时采集压缩装置,包括:获取模块,其被配置为:获取电离层的电流信号,根据所获取的电流信号,得到伏安特性曲线;变换模块,其被配置为:对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;压缩模块,其被配置为:将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;重构模块,其被配置为:根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构。
再一方面,还提供了一种芯片,其上存储计算机程序,所述计算机程序被处理器运行时,完成第一方面所述的步骤。
再一方面,还提供了电离层数据实时采集压缩系统,包括:阻滞势分析仪,用于采集电离层的电流信号;电流电压转换电路,将采集的电流信号转换成电压信号;滤波电路,对电压信号进行滤波处理;放大电路,对电压信号进行放大处理;模数转换电路,将电压信号从模拟状态转换到数字状态;中央处理芯片执行第一方面方法所述的步骤,以实现对数字状态的电压信号进行压缩和重构;存储器,实现对已压缩信号的存储。
上述技术方案具有如下优点或有益效果:与常规的无损压缩算法相比,在保证离子数据恢复信号高信噪比的前提下,压缩率远远高于常规的无损压缩算法。有效解决了因阻滞势分析仪向高空间分辨率和高精度方向发展,带来的数据量过大与占用通信时间与带宽的问题。
本发明提出将压缩感知理论应用于离子信号压缩,原数据与选取的传感矩阵相乘得到压缩后的数据。搭配稀疏度自适应匹配追踪算法(Sparsity Adaptive MatchingPursuit)。实现了在保证高信噪比的前提下,高压缩率和高实时性的实时压缩算法。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,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。
图1为电子学电路结构示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
实施例一
本实施例提供了电离层数据实时采集压缩方法,包括:S101:获取电离层的电流信号;根据所获取的电流信号,得到伏安特性曲线; S102:对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;S103:将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;S104:根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构。
进一步地,S101:获取电离层的电流信号;所述电流信号,是由阻滞势分析仪采集的;电流信号采集的过程包括:阻滞势分析仪由多层栅网组成,利用阻滞栅网的电压控制,实现对电离层中等离子体不同能级的离子进行筛选。收集记录不同阻滞电压下对应的收集层电流信号的数值,完成电流信号采集的过程。
进一步地,S101:根据所获取的电流信号,得到伏安特性曲线,其中,伏安特性曲线,横轴为阻滞层扫描电压,纵轴为所收集的离子电流大小。
应理解地,本发明以轨道高度500 km的区域为例,离子主要成份为O+,其余还有部分H+、N+和He+,选取一组256点测试数据的伏安特性曲线。
进一步地,S102:对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵,其中,离散余弦变换矩阵的每个元素,被表示为:;其中,/>表示待压缩信号点数,/>表示列号,/>表示行号,表示散余弦变换矩阵的每个元素。
应理解地,本发明选用离散余弦变换矩阵作为稀疏基矩阵。以一条256点的标准伏安特性曲线为例进行对比,在离散余弦变换中,维变换矩阵C的各行系数可通过求余弦函数得到。对于256点的信号,N选取256。原信号分解后的稀疏性,在离散余弦变换稀疏基矩阵的表示下,稀疏性良好。
进一步地,所述S103:将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;其中,伯努利随机矩阵的设计方法为:构造一个大小为的矩阵Ф,使Ф中的每一个元素独立服从伯努利分布,即:/>;其中,/>表示伯努利矩阵中第i行第j列的元素,/>表示概率,/>表示方差。
应理解地,本发明选取的测量矩阵为伯努利随机矩阵,从重构误差、存储资源占用和运算开销三个方面对多种测量矩阵进行了分析比较。使用伯努利随机矩阵作为测量矩阵。本例将256点原信号压缩四倍,令M为64,N为256即可。经测试重构精度满足需求,伯努利随机矩阵组成元素为,便于存储。数据压缩过程是将原信号与伯努利随机矩阵相乘,运算类型为加法和减法运算。总之,伯努利随机矩阵便于存储和运算,适用于嵌入式设备数据压缩。数据压缩过程是将原信号x与测量矩阵Ф相乘,压缩后的数据y=Фx。
进一步地,所述S104:根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构,具体包括:S104-1:获取传感矩阵,获取压缩后的数据y,获取步长S,设置偏差阈值T,最大迭代次数M,初始化信号稀疏表示系数/>,残差/>, 支撑集/>=/>,支撑集元素个数L初始化为步长S,迭代次数i=1;/>表示稀疏基矩阵;Ф表示伯努利随机矩阵;迭代过程中/>表示X变量在第i次迭代中的数值;计算内积并取绝对值:/>,选取u中L个最大值对应的位置序号存入集合/>;S104-2:根据集合/>更新候选集/>,按集合/>中元素作为索引选出矩阵A的列集合记为/>;S104-3:求/>的最小二乘解,更新/>;S104-4:从/>中选取绝对值最大的L项记为/>,对应/>中的L列/>,对应A的列序号记为/>;S104-5:更新残差/>=/>;S104-6:判断是否满足停止迭代条件,判断/>的2范数/>,若满足停止迭代执行S104-9,若不满足执行S104-7;S104-7:判断是否满足/>,更新步长L=L+S,k=k+1,返回S104-1继续迭代,若不满足执行S104-8;S104-8:更新/>,i=i+1,如果,则返回S104-1继续迭代,否则停止迭代执行S104-9;S104-9:重构得到原信号x在稀疏基矩阵/>表示下的K-稀疏逼近/>,对应/>中序号为/>项,得到/>后,原信号x的重构信号/>。
进一步地,所述S选取为,故当M为64,N为256时,S设置为4。
应理解地,SAMP算法重构速度和精度,与步长S密切相关。当S过大时,算法迭代次数少,速度快,但稀疏度估计偏差较大,重构精度低。当S过小时,算法迭代次数多,速度慢,稀疏度估计准确,重构精度高。
进一步地,所述方法还包括:计算重构信号的信噪比,如果信噪比高于设定阈值,则表示重构信号满足要求,否则,表示重构信号不满足要求。
信噪比是衡量信号质量的一个指标,其计算公式为:/>;其中,Ps代表信号的平均功率,Pn代表恢复误差的平均功率。
信噪比越高,表示信号相对于噪声更强,质量更好。经计算在四倍压缩率情况下,信噪比大于40dB,说明该压缩算法,在保证恢复信号高信噪比的前提下,压缩率远远高于常规的无损压缩算法,符合设计预期。
应理解地,数据解压缩过程是用已知构建好的伯努利随机矩阵Ф,DCT稀疏基矩阵,和压缩后的数据y,利用SAMP算法实现解压重构。SAMP算法最大的优势在于不需要知道信号稀疏度K,通过设置步长和合适的停止条件来进行信号重构。
等离子体原位探测作为空间等离子体探测的重要手段,为解决阻滞势分析仪高空间分辨率和高精度带来的数据量过大的问题,提供了高压缩比、高信噪比的数据压缩方法并给出高实时采集存储系统的硬件设计方案。本发明从阻滞势分析仪伏安特性曲线特点入手,构建了稀疏基矩阵、传感矩阵并选用SAMP算法进行数据重构。最后通过重构信号的信噪比验证了该发明的可行性,有效提高了数据的有效性,为阻滞势分析仪高空间追求分辨率和高精度指标提供了保障。
实施例二
电离层数据实时采集压缩装置,包括:获取模块,其被配置为:获取电离层的电流信号,根据所获取的电流信号,得到伏安特性曲线; 变换模块,其被配置为:对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;压缩模块,其被配置为:将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;重构模块,其被配置为:根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构。
实施例三
一种芯片,其上存储计算机程序,所述计算机程序被处理器运行时,完成实施例一所述的步骤。
实施例四
如图1所示,电离层数据实时采集压缩系统,包括:阻滞势分析仪,用于采集电离层的电流信号;电流电压转换电路,将采集的电流信号转换成电压信号;滤波电路,对电压信号进行滤波处理;放大电路,对电压信号进行放大处理;模数转换电路,将电压信号从模拟状态转换到数字状态;中央处理芯片,执行实施例一所述方法的步骤,以实现对数字状态的电压信号进行压缩和重构;存储器,实现对已压缩信号的存储。
电离层数据实时采集压缩系统,包括模拟电路和数字电路两部分。模拟信号调理电路主要是对微弱电流信号测量,选用低噪声、高精度运放和滤波器,并在电路板上进行了噪声抑制等设计。模数转换电路选用高精度24位模数转换器,搭配精密电源,有效采集位数可达18位。采集过程中,对信号进行压缩存储,后续数据处理再对数据恢复重构,达到节省存储空间、提高数据有效性的目的。中央处理器将采集的数据与测量矩阵相乘实现数据压缩。中央处理器使用STM32F407芯片,该芯片具备强大算力,满足系统实时需求。数据存储模块使用高速率级别SD卡,存储采集到的数据。该系统提供了高压缩比、高信噪比、高实时性的阻滞势分析仪实时采集存储系统,有效解决了高空间分辨率和高精度,带来的数据量过大的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.电离层数据实时采集压缩方法,其特征是,包括:获取电离层的电流信号;根据所获取的电流信号,得到伏安特性曲线;对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构,具体包括:
(1):获取传感矩阵,获取压缩后的数据y,获取步长S,设置偏差阈值T,最大迭代次数M,初始化信号稀疏表示系数/>,残差/>, 支撑集/>=/>,支撑集元素个数L初始化为步长S,迭代次数i=1;/>表示稀疏基矩阵;Ф表示伯努利随机矩阵;迭代过程中/>表示X变量在第i次迭代中的数值;计算内积并取绝对值:/>;选取u中L个最大值对应的位置序号存入集合/>;
(2):根据集合更新候选集/>,按集合/>中元素作为索引选出矩阵A的列集合记为/>;
(3):求的最小二乘解,更新/>;
(4):从中选取绝对值最大的L项记为/>,对应/>中的L列/>,对应A的列序号记为/>;
(5):更新残差;
(6):判断是否满足停止迭代条件,判断的2范数/>,若满足停止迭代执行(9),若不满足执行(7);
(7):判断是否满足,更新步长L=L+S,k=k+1,返回(1)继续迭代,若不满足执行(8);
(8):更新,i=i+1,如果/>,则返回(1)继续迭代,否则停止迭代执行(9);
(9):重构得到原信号x在稀疏基矩阵表示下的K-稀疏逼近/>,对应/>中序号为/>项,得到/>后,原信号x的重构信号/>。
2.如权利要求1所述的电离层数据实时采集压缩方法,其特征是,对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵,其中,离散余弦变换矩阵的每个元素,被表示为:/>;其中,/>表示待压缩信号点数,/>表示列号,/>表示行号,/>表示散余弦变换矩阵的每个元素。
3.如权利要求1所述的电离层数据实时采集压缩方法,其特征是,将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;其中,伯努利随机矩阵的设计方法为:构造一个大小为的矩阵Ф,使Ф中的每一个元素独立服从伯努利分布,即:/>;其中,表示伯努利矩阵中第i行第j列的元素,/>表示概率,/>表示方差。
4.如权利要求1所述的电离层数据实时采集压缩方法,其特征是,所述S选取为,故当M为64,N为256时,S设置为4。
5.如权利要求1所述的电离层数据实时采集压缩方法,其特征是,所述方法还包括:计算重构信号的信噪比,如果信噪比高于设定阈值,则表示重构信号满足要求,否则,表示重构信号不满足要求。
6.如权利要求5所述的电离层数据实时采集压缩方法,其特征是,信噪比是衡量信号质量的一个指标,其计算公式为:/>;其中,/>代表信号的平均功率,/>代表恢复误差的平均功率。
7.电离层数据实时采集压缩装置,其特征是,包括:获取模块,其被配置为:获取电离层的电流信号,根据所获取的电流信号,得到伏安特性曲线;变换模块,其被配置为:对伏安特性曲线进行离散余弦变换,得到离散余弦变换矩阵,将离散余弦变换矩阵作为稀疏基矩阵;压缩模块,其被配置为:将电流信号与伯努利随机矩阵相乘,得到压缩后的信号数据;重构模块,其被配置为:根据伯努利随机矩阵、稀疏基矩阵和压缩后的信号数据,采用稀疏度自适应匹配追踪算法,实现信号的解压重构,具体包括:
(1):获取传感矩阵,获取压缩后的数据y,获取步长S,设置偏差阈值T,最大迭代次数M,初始化信号稀疏表示系数/>,残差/>, 支撑集/>=/>,支撑集元素个数L初始化为步长S,迭代次数i=1;/>表示稀疏基矩阵;Ф表示伯努利随机矩阵;迭代过程中/>表示X变量在第i次迭代中的数值;计算内积并取绝对值:/>;选取u中L个最大值对应的位置序号存入集合/>;
(2):根据集合更新候选集/>,按集合/>中元素作为索引选出矩阵A的列集合记为/>;
(3):求的最小二乘解,更新/>;
(4):从中选取绝对值最大的L项记为/>,对应/>中的L列/>,对应A的列序号记为/>;
(5):更新残差;
(6):判断是否满足停止迭代条件,判断的2范数/>,若满足停止迭代执行(9),若不满足执行(7);
(7):判断是否满足,更新步长L=L+S,k=k+1,返回(1)继续迭代,若不满足执行(8);
(8):更新,i=i+1,如果/>,则返回(1)继续迭代,否则停止迭代执行(9);
(9):重构得到原信号x在稀疏基矩阵表示下的K-稀疏逼近/>,对应/>中序号为/>项,得到/>后,原信号x的重构信号/>。
8.一种芯片,其特征是,其上存储计算机程序,所述计算机程序被处理器运行时,完成权利要求1-6任一项所述的方法。
9.电离层数据实时采集压缩系统,其特征是,包括:阻滞势分析仪,用于采集电离层的电流信号;电流电压转换电路,将采集的电流信号转换成电压信号;滤波电路,对电压信号进行滤波处理;放大电路,对电压信号进行放大处理;模数转换电路,将电压信号从模拟状态转换到数字状态;中央处理芯片,执行权利要求1-6任一项所述的方法,以实现对数字状态的电压信号进行压缩和重构;存储器,实现对已压缩信号的存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616164.2A CN117318730B (zh) | 2023-11-30 | 2023-11-30 | 电离层数据实时采集压缩方法、装置、芯片及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616164.2A CN117318730B (zh) | 2023-11-30 | 2023-11-30 | 电离层数据实时采集压缩方法、装置、芯片及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117318730A CN117318730A (zh) | 2023-12-29 |
CN117318730B true CN117318730B (zh) | 2024-02-23 |
Family
ID=89281465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311616164.2A Active CN117318730B (zh) | 2023-11-30 | 2023-11-30 | 电离层数据实时采集压缩方法、装置、芯片及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117318730B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841401A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于传感矩阵的相控阵超声信号重构优化方法 |
CN107071482A (zh) * | 2017-03-31 | 2017-08-18 | 东南大学 | 一种基于多层离散小波变换系数的图像压缩及重构方法 |
CN110034767A (zh) * | 2019-04-11 | 2019-07-19 | 池州学院 | 一种电能质量信号自适应重构方法 |
CN110048724A (zh) * | 2019-04-11 | 2019-07-23 | 池州学院 | 一种电能质量信号压缩采样重构方法 |
CN110061744A (zh) * | 2019-04-11 | 2019-07-26 | 池州学院 | 一种基于压缩感知理论的电能质量信号自适应重构方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN111709563A (zh) * | 2020-06-05 | 2020-09-25 | 山东大学 | 压缩感知结合bp神经网络在粮食温度趋势预测中的工作方法 |
CN113362405A (zh) * | 2021-04-15 | 2021-09-07 | 浙江工业大学 | 一种基于StOMP压缩感知图像重构系统的构建方法 |
US11190377B1 (en) * | 2020-05-26 | 2021-11-30 | Wuhan University | Time-frequency block-sparse channel estimation method based on compressed sensing |
CN116628407A (zh) * | 2023-05-06 | 2023-08-22 | 山东大学 | 一种获取阻滞势分析仪离子参数的数据处理方法及系统 |
-
2023
- 2023-11-30 CN CN202311616164.2A patent/CN117318730B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841401A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于传感矩阵的相控阵超声信号重构优化方法 |
CN107071482A (zh) * | 2017-03-31 | 2017-08-18 | 东南大学 | 一种基于多层离散小波变换系数的图像压缩及重构方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN110034767A (zh) * | 2019-04-11 | 2019-07-19 | 池州学院 | 一种电能质量信号自适应重构方法 |
CN110048724A (zh) * | 2019-04-11 | 2019-07-23 | 池州学院 | 一种电能质量信号压缩采样重构方法 |
CN110061744A (zh) * | 2019-04-11 | 2019-07-26 | 池州学院 | 一种基于压缩感知理论的电能质量信号自适应重构方法 |
US11190377B1 (en) * | 2020-05-26 | 2021-11-30 | Wuhan University | Time-frequency block-sparse channel estimation method based on compressed sensing |
CN111709563A (zh) * | 2020-06-05 | 2020-09-25 | 山东大学 | 压缩感知结合bp神经网络在粮食温度趋势预测中的工作方法 |
CN113362405A (zh) * | 2021-04-15 | 2021-09-07 | 浙江工业大学 | 一种基于StOMP压缩感知图像重构系统的构建方法 |
CN116628407A (zh) * | 2023-05-06 | 2023-08-22 | 山东大学 | 一种获取阻滞势分析仪离子参数的数据处理方法及系统 |
Non-Patent Citations (4)
Title |
---|
压缩感知在无线传感器网络数据采集中的应用;王泉;张纳温;张金成;吕方旭;王钰;陈可伟;;传感技术学报(第11期);全文 * |
基于CS的稀疏度变步长自适应压缩采样匹配追踪算法;雷丽婷;李刚;蒋常升;梁壮;;计算机应用与软件(第08期);全文 * |
基于变步长分阶自适应匹配追踪算法的振动数据重构方法研究;王朋飞;盛步云;;机电工程(第10期);全文 * |
电能质量信号压缩采样匹配跟踪算法研究;刘传洋;孙佐;刘景景;方曙东;李春国;宋康;;安徽工程大学学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117318730A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102938649B (zh) | 基于压缩感知理论的电能质量数据自适应重构解压缩方法 | |
Lee et al. | Analysis and design of a passive switched-capacitor matrix multiplier for approximate computing | |
JP2018139151A (ja) | マシーンビジョン3dラインスキャンイメージ取得及び処理 | |
CN111711820B (zh) | 一种基于生成对抗网络的裂缝图像压缩采样方法 | |
CN110061744A (zh) | 一种基于压缩感知理论的电能质量信号自适应重构方法 | |
CN108880557B (zh) | 基于压缩感知的稀疏度自适应变步长匹配追踪方法 | |
CN109039341B (zh) | 多量测压缩感知的感知矩阵构建方法、系统及存储介质 | |
CN112688687A (zh) | 待测物理信息的获取方法、装置、计算机设备和存储介质 | |
CN109756740B (zh) | 基于最优测量矩阵的半张量图像压缩方法和图像恢复方法 | |
CN117318730B (zh) | 电离层数据实时采集压缩方法、装置、芯片及系统 | |
CN109557434B (zh) | 基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法 | |
CN116450993B (zh) | 多测量向量卫星数据的处理方法、电子设备及存储介质 | |
CN105375931A (zh) | 一种基于卡尔曼滤波的复杂环境下信号重构方法 | |
Thiruppathirajan et al. | Sparsity order estimation for compressed sensing system using sparse binary sensing matrix | |
CN110034767A (zh) | 一种电能质量信号自适应重构方法 | |
CN109243637A (zh) | 一种重构反应堆时空分布模型的方法和系统 | |
CN108599773B (zh) | 一种基于确定性测量矩阵的振动信号数据压缩采集方法 | |
Paolino et al. | Compressed sensing by phase change memories: Coping with encoder non-linearities | |
CN108492317B (zh) | 一种基于阿基米德螺线作为观测矩阵的红外图像重构方法 | |
Xueyuan | Sparsity Adaptive-based Stagewise Orthogonal Matching Pursuit Algorithm for Image Reconstruction. | |
CN112180317A (zh) | 一种基于先验知识的非均匀过完备字典的doa估计算法 | |
CN108931703B (zh) | 一种残差选取电能质量扰动信号单比特采样的重构方法 | |
CN111865323A (zh) | 基于联合判决块正交匹配追踪的压缩信号重建方法及装置 | |
CN103402096B (zh) | 一种利用方向信息的压缩感知影像重构方法 | |
CN111010192B (zh) | 电力系统扰动信号重构方法、预处理方法、终端及系统 |
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 |