CN117368586A - 一种射电天文环境电磁监测方法、系统、装置和存储介质 - Google Patents
一种射电天文环境电磁监测方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN117368586A CN117368586A CN202311677835.6A CN202311677835A CN117368586A CN 117368586 A CN117368586 A CN 117368586A CN 202311677835 A CN202311677835 A CN 202311677835A CN 117368586 A CN117368586 A CN 117368586A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- electromagnetic
- data
- fixed
- mobile
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 445
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000007613 environmental effect Effects 0.000 claims abstract description 37
- 238000010586 diagram Methods 0.000 claims description 89
- 238000012545 processing Methods 0.000 claims description 27
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 8
- 230000005670 electromagnetic radiation Effects 0.000 description 139
- 230000005855 radiation Effects 0.000 description 23
- 238000012549 training Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 238000011157 data evaluation Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例公开了一种射电天文环境电磁监测方法、系统、装置和存储介质。该方法包括获取监测区域内的基础监测信息，基础监测信息包括监测区域内的固定干扰源、固定监测点位和环境数据；基于基础监测信息和固定监测点位的监测数据，确定至少一个移动监测点位；基于至少一个移动监测点位的监测数据和固定监测点位的监测数据，确定电磁干扰数据。本说明书基于监测区域的基础监测信息以及固定监测点位的监测数据，动态确定至少一个移动监测点位，使得获取到的监测数据可以更加全面，从而能够提高监测电磁干扰的准确性。
Description
技术领域
本说明书涉及电磁监测技术领域，特别涉及一种射电天文环境电磁监测方法、系统、装置和存储介质。
背景技术
电磁环境监测是一种用于确保射电天文望远镜的正常运行以及科学观测的准确性而进行的重要活动。电磁环境监测可以帮助识别和定位可能产生干扰的电磁辐射源，如雷达、通信设备、卫星等，以便采取措施来排除或减轻干扰。
然而，目前的电磁监测点往往是固定的，且固定电磁监测点的点位选择会直接影响电磁监测质量，往往导致检测结果不够全面，严重情况下会影响科学观测。
因此，希望提供一种射电天文环境电磁监测方法、系统、装置和存储介质，以减少降低电磁监测结果对点位的依赖，提高电磁检测结果的全面性和可靠性。
发明内容
本说明书实施例之一提供一种射电天文环境电磁监测方法。所述方法包括：获取监测区域内的基础监测信息，所述基础监测信息包括监测区域内的固定干扰源、固定监测点位和环境数据；基于基础监测信息和固定监测点位的监测数据，确定至少一个移动监测点位；基于至少一个移动监测点位的监测数据和固定监测点位的监测数据，确定电磁干扰数据。
本说明书实施例之一提供一种射电天文环境电磁监测系统。所述系统包括：获取模块，用于获取监测区域内的基础监测信息，基础监测信息包括监测区域内的固定干扰源、固定监测点位和环境数据；移动监测模块，用于基于基础监测信息和固定监测点位的监测数据，确定至少一个移动监测点位；处理模块，用于基于至少一个移动监测点位的监测数据和固定监测点位的监测数据，确定电磁干扰数据。
本说明书实施例之一提供一种射电天文环境电磁监测装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现射电天文环境电磁监测方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行射电天文环境电磁监测方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的射电天文环境电磁监测系统的结构示意图；
图2是根据本说明书一些实施例所示的射电天文环境电磁监测方法的示例性流程图；
图3是根据本说明书一些实施例所示的确定移动监测点位的示意图；
图4是根据本说明书一些实施例所示的确定电磁干扰数据的示意图。
图标：100-系统；110-获取模块；120-移动监测模块；130-处理模块；310-基础监测信息；320-固定监测点位的监测数据；330-联合分析；331-电磁分析图谱；331-1-节点；331-2-边；332-数据评估模型；340-可靠度；350-移动监测点位；420-移动监测点位的监测数据；430-电磁热力图；440-电磁衰减特征；450-修正处理；460-修正后的电磁热力图；470-电磁干扰数据。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
针对如何进行电磁环境监测，CN202631644U提出了一种移动式电磁环境监测系统，该申请通过将电磁环境测试系统集成在移动载体内，可以实现空间电磁环境的动态测定、分析处理和实时显示。但该方法并没有涉及如何确定动态监测点位，导致得到的检测结果不够全面，严重影响科学观测。
因此，本说明书一些实施例，基于监测区域的基础监测信息以及固定监测点位的监测数据，动态确定至少一个移动监测点位，使得获取到的监测数据可以更加全面，从而能够提高监测电磁干扰的准确性。
图1是根据本说明书一些实施例所示的射电天文环境电磁监测系统的结构示意图。在一些实施例中，如图1所示，射电天文环境电磁监测系统100可以包括获取模块110、移动监测模块120和处理模块130。
在一些实施例中，移动监测模块120可以用于基于基础监测信息、固定监测点位的监测数据，确定至少一个移动监测点位。
在一些实施例中，移动监测模块120还可以基于基础监测信息和固定监测点位的监测数据，确定监测区域内的至少一个流动干扰源的位置；基于至少一个流动干扰源的位置，确定移动监测点位。
在一些实施例中，移动监测模块120还可以基于基础监测信息，对多个固定监测点位的监测数据进行联合分析，评估固定监测点位的监测数据的可靠度；基于固定监测点位的监测数据的可靠度，确定至少一个移动监测点位。
在一些实施例中，处理模块130可以用于基于至少一个移动监测点位的监测数据、固定监测点位的监测数据，确定电磁干扰数据。
在一些实施例中，处理模块130还可以基于固定监测点位的监测数据、移动监测点位的监测数据，绘制电磁热力图，基于电磁衰减特征对电磁热力图进行修正处理，得到修正后的电磁热力图，基于将修正后的电磁热力图以及至少一个电磁热力子图，确定电磁干扰数据。关于获取模块110、移动监测模块120和处理模块130的更多说明可以参见下述图2-图4及其相关描述。
需要注意的是，以上对于获取模块、移动监测模块及其他模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的获取模块、移动监测模块和处理模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的射电天文环境电磁监测的示例性流程图；如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由处理器执行。
步骤210，获取监测区域内的基础监测信息。
监测区域是指需要对其进行电磁干扰监测的区域。在一些实施例中，监测区域可以包括射电天文望远镜所在位置的区域，还可以包括进行其他需要科学观测（如，地质勘探等）的区域。
在一些实施例中，监测区域的大小及范围基于历史监测数据或人工经验等多种方式确定。
基础监测信息是指与电磁干扰相关的信息。在一些实施例中，基础监测信息可以包括监测区域内的固定干扰源、固定监测点位和环境数据等一种或多种信息。
其中，固定干扰源是指位置固定的干扰源。在一些实施例中，固定干扰源可以产生具有规律性电磁辐射干扰。在一些实施例中，固定干扰源可以包括广播电视发射塔、移动通信基站等一种或多种干扰源。
固定监测点位是指对监测区域进行电磁干扰监测且位置固定的点位。在一些实施例中，固定监测点位可以包括预先设置的监测台站或监测点位等位置固定的监测站。
环境数据是指监测区域中与自然环境产生的电磁干扰相关的数据。在一些实施例中，环境数据可以包括监测区域内的地形、植被情况等。在一些实施例中，环境数据可以对电磁辐射的传播产生影响，如导致电磁辐射在传播过程中发生衰弱、反射等。在一些实施例中，电磁辐射可以包括来自于固定干扰源、自然环境等多种来源的电磁辐射干扰。
在一些实施例中，处理器可以通过网络、人工输入等多种方式获取监测区域的基础监测信息。
步骤220，基于基础监测信息和固定监测点位的监测数据，确定至少一个移动监测点位。
固定监测点位的监测数据是指在固定监测点位监测到的电磁辐射数据。在一些实施例中，固定监测点位的监测数据可以包括实时监测数据以及历史监测数据。
在一些实施例中，处理器可以与固定监测点位建立通信，从固定监测点位中获取实时监测数据和/或历史监测数据。在一些实施例中，处理器还可以通过网络或人工输入等多种方式获取历史监测数据。
移动监测点位是指对监测区域进行电磁干扰监测的点位。移动监测点位可以包括多个。在一些实施例中，处理器可以通过移动式电磁环境监测设备移动至相应的移动监测点位，以执行监测任务。其中，移动式电磁环境监测设备是指一种能够移动进行电磁干扰监测的设备。
仅作为示例的，移动式电磁环境监测设备可以包括天线、射频接收机、移动载体和车载计算机。其中，移动式电磁环境监测设备可以通过移动载体进行位置变换，如移动至移动监测点位以进行电磁干扰监测。车载计算机可以通过射频接收机对监测区域进行电磁干扰监测，再通过天线输出监测得到的监测数据。在一些实施例中，移动式电磁环境监测设备还可以包括定位装置，车载计算机可以通过定位装置确定移动式电磁环境监测设备的位置信息，并利用天线输出该位置信息，以便处理器后续对监测数据处理。
在一些实施例中，移动监测点位的设定可以相关于电磁波动、电磁传播障碍等一种或多种因素。其中，电磁波动可以根据固定监测点位的当前时段的监测数据与历史同一时段的监测数据的差异确定，电磁传播障碍可以基于基础监测数据中环境数据的地形、植被情况等确定。例如，点位的地形越平坦、植被越矮，该点位的传播障碍越少。
在一些实施例中，处理器可以基于多种方式确定移动监测点位。例如，可以通过查询表格、向量库匹配等多种方式确定移动监测点位。
在一些实施例中，处理器可以基于监测区域的基础监测信息和固定监测点位的监测数据，将满足预设监测条件的地点确定为移动监测点位。在一些实施例中，预设监测条件可以包括电磁波动超过预设波动阈值、电磁传播障碍小于预设障碍阈值等一个或多个条件。例如，处理器可以将满足电磁波动超过预设波动阈值的固定监测点位确定为待辅助监测点位，将移动监测点位设置在待辅助监测点位周围的电磁传播障碍小于预设障碍阈值的位置。其中，预设波动阈值和预设障碍阈值可以基于历史监测数据、人工经验等多种方式确定。
在一些实施例中，处理器可以基于基础监测信息和固定监测点位的监测数据，确定监测区域内的至少一个流动干扰源的位置；基于至少一个流动干扰源的位置，确定移动监测点位。
流动干扰源是指位置不固定且电磁辐射变换不具备规律性的电磁干扰源。在一些实施例中，流动干扰源可以包括电力机车、无人机等人类活动引起的电磁干扰。其中，人类活动可以在使用电力设备时产生电磁干扰，如在开启电气开关设备、交通工具的点火系统时产生的电弧干扰等。
在一些实施例中，流动干扰源可以影响移动监测点位的设置。由于流动干扰源可以产生不规律的电磁干扰，使得其所在区域的电磁波动较大，则处理器可以基于流动干扰源的位置设定移动监测点位，以便对其进行监控。
在一些实施例中，处理器可以基于基础监测数据以及多个固定监测点位的监测数据，利用预设干扰特征对监测数据进行分离，确定流动干扰源产生的电磁辐射，从而基于该电磁辐射确定流动干扰源的位置。
其中，预设干扰特征是指流动干扰源产生的电磁辐射的特征。在一些实施例中，预设干扰特征可以包括电磁辐射的预设频率、预设波长等特征。预设干扰特征可以基于历史电磁辐射数据、人工经验等多种方式确定。多个流动干扰源产生的电磁辐射可以为新出现的电磁辐射。相对应的，处理器可以利用历史电磁数据判断监测数据中是否存在新出现的电磁辐射。
示例性的，处理器可以通过对在多个固定监测点位监测到的监测数据进行分离，得到频率分别为f1,f2,f3,f4的电磁辐射。假设预设干扰次数为5次，若频率为f2的电磁辐射在历史电磁数据中出现的次数为3次，也就小于预设干扰次数，则可以确定该f2频率对应的候选电磁辐射为新出现的电磁辐射。其中，预设干扰次数可以基于历史电磁辐射数据、人工经验等多种方式确定。
在一些实施例中，处理器还可以通过波束形成等多种定位方式，对新出现的电磁辐射进行定位，基于新出现的电磁辐射的位置信息，确定对应流动干扰源的位置。其中，波束形成可以为一种利用传输方向对信号进行定位的技术。例如，处理器可以利用波束形成的方式得到该电磁辐射在多个固定监测点位处的传播方向，将多个固定监测点位监测到的电磁辐射的传播方向的交点，作为该新出现的电磁辐射对应的流动干扰源的位置。
在一些实施例中，处理器可以基于至少一个流动干扰源的位置，通过多种方式，确定移动监测点位，如查询表格、向量库匹配等。
在一些实施例中，处理器可以基于至少一个流动干扰源的位置，将预设干扰区域内满足预设移动监测条件的地点，确定为移动监测点位。其中，预设干扰区域可以包括流动干扰源与射电天文望远镜之间的区域。例如，预设干扰区域可以为以流动干扰源与射电天文望远镜为长轴，以预设短轴线为短轴的椭圆区域。
在一些实施例中，预设移动监测条件可以包括预设干扰区域内电磁传播障碍小于第二预设障碍阈值等。例如，处理器可以在流动干扰源与射电天文望远镜之间的区域（如上述预设干扰区域）内，选择电磁传播障碍小于第二预设障碍阈值的位置（即电磁传播障碍较少的位置）作为移动监测点位。其中，预设干扰区域、预设短轴线和第二预设障碍阈值可以基于历史监测数据、人工经验等多种方式确定。更多关于确定移动监测点位的说明参见图3的相应内容。
在本说明书实施例中，通过基础监测信息和固定点位的监测数据，确定至少一个流动干扰源，可以提高确定的移动监测点位的准确性，使得获取到的监测数据可以更加全面，从而能够提高监测电磁干扰的准确性。
在一些实施例中，处理器可以获取至少一个电磁监测记录对应的未来电磁干扰数据；基于至少一个电磁监测记录对应的未来电磁干扰数据，确定电磁波动点位；基于电磁波动点位，确定流动干扰源的位置。
电磁监测记录是指一次完整的电磁监测形成的记录。在一些实施例中，电磁监测记录可以包括固定监测点位、移动监测点位的监测数据，以及根据监测数据确定的当前电磁干扰数据、未来电磁干扰数据等。
电磁干扰数据是指可以反映环境中的电磁辐射情况的数据。在一些实施例中，电磁干扰数据可以包括环境中存在的电磁辐射频率、电磁辐射强度等数据。在一些实施例中，电磁干扰数据的表现形式可以包括电磁热力图、电磁热力对应表等一种或多种形式。其中，电磁热力图可以通过不同颜色来表示不同区域受到的不同电磁辐射程度，电磁热力对应表可以包括不同区域对应的电磁辐射数据。关于电磁热力图的更多说明，可以参看图4及其相关描述。
未来电磁干扰数据是预测的在未来时间点可能会出现的电磁干扰数据。在一些实施例中，未来电磁干扰数据可以包括不同频率的未来电磁辐射数据等信息，如未来时刻对应的电磁热力图等。
在一些实施例中，处理器可以基于电磁监测记录通过机器学习模型、向量库匹配等多种方式预测得到未来电磁干扰数据。例如，处理器可以基于当前时间点的电磁干扰数据，在电磁干扰对应表中查找与其相似的第一历史时间点的参考电磁干扰，再将该第一历史时间点的参考电磁干扰相对应的第二历史时间点的参考电磁干扰，作为未来电磁干扰数据。其中，第一历史时间点早于第二历史时间点，电磁干扰对应表可以基于电磁监测记录建立。关于未来电磁干扰数据的更多细节可以参看下述干扰预测模型及其相关描述。
电磁波动点位是指电磁辐射的特征发生变化变大的点位，如电磁辐射的强度、密度等特征的变化较大的点位。在一些实施例中，电磁波动点位可以反映其所在的范围内可能会有新的电磁干扰源，导致该范围内的电磁辐射发生较大变化。
相对应的，在一些实施例中，处理器可以基于电磁辐射和参考电磁辐射的差异，将满足预设波动条件的点位确定为电磁波动点位。其中，参考电磁辐射可以反映通常状态下电磁辐射的特征。在一些实施例中，参考电磁辐射可以基于历史实际电磁辐射强度、平均密度等信息确定。
在一些实施例中，预设波动条件可以包括该点位的电磁辐射和参考电磁辐射的差异大于预设波动阈值。例如，处理器可以将电磁辐射的强度、密度分别与参考电磁辐射的强度、密度的差值超过预设波动阈值的点位，确定为电磁波动点位。其中，预设波动阈值也可以基于历史电磁辐射波动数据、人工经验等多种方式确定。
在一些实施例中，对于每一个未来电磁干扰数据，处理器可以将未来电磁干扰数据中满足上述预设波动条件的点位作为候选波动点位。基于多个未来电磁干扰数据对应的候选波动点位中，各个候选波动点位的出现次数，确定电磁波动点位。其中，候选波动点位的出现次数是指：在所有未来电磁干扰数据中该点位被确定为候选波动点位的次数。出现次数越多，可以反映该位置的候选波动点位的未来电磁辐射，相较于参考电磁辐射出现较大波动的可能性越大，则该候选波动点位越可能为电磁波动点位，则有较大概率该候选波动点位存在流动干扰源。
例如，处理器可以分别定位每一个未来电磁热力图中满足预设波动条件的点位，作为候选波动点位；再将在多个未来电磁热力图中都存在的候选波动点位作为电磁波动点位，也可以将出现次数最多的候选波动点位作为电磁波动点位。
相对应的，在一些实施例中，处理器可以将出现次数超过预设出现次数的候选波动点位，作为电磁波动点位。其中，预设出现次数可以基于人工经验或历史电磁波动点位等确定。
在一些实施例中，处理器可以将电磁波动点位的位置，确定为流动干扰源的位置；还可以将该电磁波动点位所在的范围确定为流动干扰源所在的范围。
在本说明书实施例中，无需使用当前时刻采集到的监测数据，可以直接利用预测的未来电磁干扰数据，快速地确定流动干扰源的位置，能够提高定位的速率和及时性。
步骤230，基于至少一个移动监测点位的监测数据和固定监测点位的监测数据，确定电磁干扰数据。
移动监测点位的监测数据是指在移动监测点位监测到的电磁辐射数据。
在一些实施例中，处理器可以基于至少一个移动监测点位的监测数据和固定监测点位的监测数据，通过模拟仿真、向量库匹配等多种方式确定电磁干扰数据。以基于电磁热力图作为电磁干扰数据的表示形式为例，处理器可以基于移动监测点位及其监测数据、固定监测点位及其监测数据，通过仿真技术（如，电磁场仿真技术或数据处理技术等）来绘制颜色编码的图像，作为电磁热力图。其中，在该电磁热力图中的不同的颜色可以表示电磁辐射的不同的强度级别。
在本说明书实施例中，基于监测区域的基础监测信息以及固定监测点位的监测数据，动态确定至少一个移动监测点位，使得获取到的监测数据可以更加全面，从而能够提高监测电磁干扰的准确性。
图3是根据本说明书一些实施例所示的确定移动监测点位的示意图。在一些实施例中，如图3所示，处理器可以基于基础监测信息310，对多个固定监测点位的监测数据320进行联合分析330，评估固定监测点位的监测数据320的可靠度340；基于固定监测点位的监测数据320的可靠度340，确定至少一个移动监测点位350。
联合分析330是指基于电磁辐射在传输过程中涉及的多种影响因子，对固定监测点位的监测数据320的可靠度340进行评估的分析。在一些实施例中，多种影响因子可以包括电磁辐射在传输时的环境因素、不同电磁辐射之间的相互影响等。例如，电磁辐射在传递过程中会因环境因素导致其发生衰减，且不同电磁辐射在传输过程中可以发生干扰抑制、相互增强、相互干涉等一种或多种相互影响，导致固定监测点位的监测数据320与实际电磁辐射数据之间存在差异。
监测数据的可靠度340是指监测到的电磁辐射数据的准确程度，其可以影响其在天文观测中的参考价值。例如，可靠度340越高，说明监测到的电磁辐射数据越准确，则对于利用射电天文望远镜进行天文观测来说，该监测数据的参考价值越高。相对应的，在进行天文观测之前，可以利用可靠性高的监测数据，对电磁干扰进行应对防护，从而可以减小电磁干扰对天文观测造成的影响。
在一些实施例中，处理器可以通过知识图谱、映射关系等多种方式，将基础监测数据和固定监测点位的监测数据320进行联合分析330，评估固定监测点位的监测数据的可靠度340。
例如，处理器可以基于基础监测数据中的干扰源以及固定检测点位之间的距离，利用预设可靠度公式计算电磁辐射传播过程中的衰减度和电磁辐射之间的影响度，再通过对衰减度和影响度的加权求和，确定不同电磁辐射传播到固定监测点位时被监测到的数据（即监测数据）的可靠度340。
其中，衰减度和影响度可以相关于干扰源以及固定检测点位之间的距离，如距离越远，电磁辐射传播过程中的衰减度越高，电磁辐射之间的影响度也就越低。预设可靠度公式、衰减度和影响度的权重可以根据人工经验或历史监测数据等多种方式确定。
在一些实施例中，处理器可以基于基础监测信息310中的固定干扰源及其特征信息、环境数据、固定监测点位及其监测数据，构建电磁分析图谱331；基于电磁分析图谱331，利用数据评估模型332确定固定监测点位的监测数据320的可靠度340，数据评估模型332为机器学习模型。
在一些实施例中，如图3所示，电磁分析图谱331可以包括节点331-1。在一些实施例中，节点331-1可以包括对应固定干扰源的第一类节点和对应固定监测点位的第二类节点。
在一些实施例中，第一类节点的节点特征可以包括：固定干扰源及特征信息，第二类节点的节点特征可以包括固定监测点位的位置及监测数据。
在一些实施例中，固定干扰源的特征信息可以包括：干扰源类型、干扰源位置、电磁特征等一种或多种信息。其中，干扰源类型可以包括大气辐射干扰、太阳辐射干扰、静电放电干扰等一种或多种类型。干扰源的位置可以反映该固定干扰源产生的电磁辐射的范围。电磁特征可以包括电磁辐射的频率、波长等特征。在一些实施例中，处理器可以通过人工输入、网络获取等多种方式获取固定干扰源的特征信息。
在一些实施例中，固定监测点位的位置可以用于确定固定监测点位与固定干扰源之间的相对位置。在一些实施例中，处理器可以通过人工输入、定位装置等多种方式获取固定监测点的位置。关于监测数据的更多细节，可以参看上述图2及其相关描述。
在一些实施例中，如图3所示，电磁分析图谱331可以包括边331-2。由于固定干扰源产生电磁辐射在传播过程中，既可以受到相邻固定干扰源产生的电磁辐射的影响，还可以受到固定监测点位产生的电磁辐射的影响，边331-2可以对应连接相对距离不超过预设距离阈值的任意两个节点331-1。相对距离是指两个节点对应的固定干扰源和/或固定监测点位之间的直线距离，可以根据各个固定干扰源和/或固定监测点位的位置坐标确定。预设距离阈值可以基于经验预设。
在一些实施例中，边特征可以包括：相连的两个节点331-1之间的相对距离、两个节点331-1之间的区域的环境数据等信息。
在一些实施例中，相连的两个节点331-1之间的距离可以影响电磁辐射的传播过程，从而相关于监控数据的可靠性。例如，固定干扰源和固定监测点位之间的距离越远，电磁辐射在传播过程中的衰减度越高，从而监控数据的可靠性也就越低。在一些实施例中，处理器可以基于固定干扰源的位置和固定监测点位的位置，确定相邻节点331-1之间的距离。
在一些实施例中，节点331-1之间的环境数据可以包括地形起伏、植被情况等信息。其中，地形起伏和植被情况可以影响电磁辐射的传播过程，从而相关于监控数据的可靠性。例如，地形越平坦、植被越少，传播障碍也就越少，使得电磁辐射的传播受到的影响更小，从而固定监测点位的监控数据的可靠性也就越高。在一些实施例中，处理器可以基于人工输入、激光雷达等多种方式获取节点331-1之间的环境数据。
在一些实施例中，数据评估模型332可以是机器学习模型，如图神经网络模型（GNN）等。
在一些实施例中，处理器可以将电磁分析图谱331输入数据评估模型332，可以基于第二类节点的输出，确定固定监测点位的监测数据的可靠度340。其中，电磁分析图谱331的拓扑结构可以将固定干扰源和固定监测点位建立关联综合分析，使得数据评估模型332可以结合电磁辐射传播过程中的衰减、电磁辐射之间的相互影响进行分析，确定固定监测点位监测到的电磁辐射对应的监测数据的可靠性。
在一些实施例中，数据评估模型332可以基于大量的训练数据训练获得。训练数据可以包括训练样本以及标签。例如，训练样本可以包括基于历史基础监测信息、固定监测点位的历史监测数据构建的样本电磁分析图谱，样本电磁分析图谱的节点及节点特征、边及边特征与该电磁分析图谱类似，训练样本的标签可以为各个固定监测点位对应的样本可靠性。
其中，多个固定监测点位对应的样本可靠性，可以基于多个固定监测点位构建的样本电磁分析图谱的天文观测的效果确定。在一些实施例中，处理器可以利用多个固定监测点位的历史监测数据构建样本电磁分析图谱，并将固定监测点位的历史监测数据构作为天文观测的参考依据，在进行天文观测时可以基于该历史监测数据，对电磁干扰进行应对防护，得到与该历史监测数据对应的天文观测效果，从而可以基于天文观测效果评估对应的固定监测点位的样本可靠性。其中，评估得到的多个固定监测点位的样本可靠性可以与样本电磁分析图谱对应。
在一些实施例中，天文观测效果可以包括经过天文观测后得到的天文图像的质量，如图像的清晰程度、信噪比等。其中，天文观测效果可以反映作为天文观测参考的历史监测数据是否可靠。例如，样本可靠性范围在[0,1]内，若经过天文观测后得到的天文图像的清晰程度越高，可以说明天文观测效果越好，作为天文观测参考的历史监测数据越可靠，则相对应的样本可靠性越接近或等于1。
在本说明书实施例中，在评估监控数据的可靠性时，考虑到了电磁辐射传播过程中的衰减、电磁辐射之间的相互影响等信息，可以使评估得到的监控数据的可靠性更符合实际情况，提高了移动监测点位350的准确率。利用电磁分析图谱331可以提高评估可靠性的效率，有利于后续及时确定移动监测点位350，提高电磁监测的效率。
在一些实施例中，监测数据的可靠度340可以影响移动监测点位350的设置。例如，可靠度340越低，说明该固定监测点位得到的监测数据越不准确，则该固定监测点位可能发生故障或者存在其他影响因素，处理器可以增加对应的移动监测点位350进行监测，以获取更准确的电磁辐射数据。
相对应的，在一些实施例中，处理器可以响应于可靠度340满足预设移动检测条件，基于该可靠度340对应的固定监测点位确定其所在的预设区域，在该预设区域中选择电磁传播障碍满足上述预设监测条件的点位作为移动监测点位350。
其中，预设移动检测条件可以包括可靠度340小于预设可靠度阈值，预设可靠度阈值可以基于人工经验或历史监测数据等多种方式确定。预设监测条件可以包括电磁传播障碍小于预设障碍阈值，预设障碍阈值可以基于历史监测数据、人工经验等多种方式确定。
在本说明书实施例中，通过联合分析330评估固定监测点位的监测数据的可靠度340，使得确定的移动监测点位350更加准确，使得获取到的移动监测点位350的监测数据可以更加全面，从而能够提高监测电磁干扰的准确性。
图4是根据本说明书一些实施例所示的确定电磁干扰数据470的示意图。在一些实施例中，如图4所示，处理器可以基于固定监测点位的监测数据320和移动监测点位的监测数据420，绘制电磁热力图430，电磁热力图430包括至少一个频率的电磁热力子图；基于电磁衰减特征440对电磁热力图430进行修正处理450，得到修正后的电磁热力图460；基于修正后的电磁热力图460以及至少一个电磁热力子图，确定电磁干扰数据470。
电磁热力图430是指呈现电磁辐射分布的像素图。在一些实施例中，电磁热力图430可以体现不同位置的电磁辐射的辐射强度、密度分布等信息。在一些实施例中，电磁热力图430可以包括至少一个频率的电磁热力子图。其中，电磁热力子图可以反映单一频率的电磁辐射在不同位置的辐射强度分布、密度分布等信息。
在一些实施例中，处理器可以基于移动监测点位及其监测数据、固定监测点位及其监测数据，通过仿真技术（如，电磁场仿真技术或数据处理技术等）来绘制颜色编码的图像，作为电磁热力图430。更多关于电磁热力图430的说明参见图2的相应内容。
在一些实施例中，电磁衰减特征440可以反映电磁辐射在传播过程中的衰减情况。例如，电磁衰减特征440可以表示为以某个点位（如监测点位的位置）为起点，电磁辐射传播到不同位置时的衰减幅度。其中，监测点位可以包括上述固定监测点位、上述移动监测点位等。固定监测点位和移动监测点位的更多细节，可以参看图2及其相关描述。
在一些实施例中，电磁辐射在自由空间中传播时，电磁辐射的衰减可以通过公式（1）进行表示。其中，公式（1）如下所示：
，（1）
其中，是指与辐射中心距离为/>的点位处的辐射强度，/>是指电磁辐射的起始辐射强度，/>是指电磁辐射的传播距离。在一些实施例中，处理器可以基于电磁辐射的起始辐射强度/>，以及与辐射中心距离为/>的点位处的辐射强度/>，确定辐射强度/>与起始辐射强度/>的比值，从而将其作为辐射中心距离为/>的点位处的电磁辐射衰减特征。
在一些实施例中，处理器可以通过人工输入、网络等多种方式获取电磁衰减特征440。在一些实施例中，处理器可以基于环境数据，通过查表、向量库匹配等多种方式，确定电磁衰减特征440。例如，处理器可以基于环境数据，在衰减对应表中查找与该环境信息相近的参考环境信息，并确定与参考环境信息对应的电磁衰减特征440。其中，衰减对应表可以基于历史环境信息以及对应的历史电磁衰减特征440建立，历史环境信息以及对应的历史电磁衰减特征440均可以由处理器通过网络或人工输入等方式获得。
在一些实施例中，处理器可以基于电磁辐射频率、局部环境数据和天气数据，通过衰减评估模型确定电磁衰减特征440。
在一些实施例中，衰减评估模型可以为机器学习模型，例如，深度神经网络模型（Deep Neural Networks，DNN）等。
在一些实施例中，衰减评估模型的输入可以包括：电磁辐射频率、局部环境数据和天气数据；输出可以包括：在该局部区域内的该电磁辐射频率对应的电磁辐射的电磁衰减特征440。例如，衰减评估模型的输入包括电磁辐射频率f1、局部环境数据h1和天气数据q1，则输出可以包括在该局部环境数据h1对应的区域内，以电磁辐射频率f1进行传输的电磁辐射的电磁衰减特征440。
其中，电磁辐射频率可以相关与电磁辐射在传输过程中的衰减速度。例如，电磁辐射频率越高，在传输过程中越容易被阻挡，导致电磁辐射的衰减速度越高。
局部环境数据是指预设区域内的环境数据。在一些实施例中，预设区域可以包括相邻检测点位之间的区域。在一些实施例中，局部环境数据也可以影响电磁辐射的传播过程。例如，地点的地形越平坦、植被越矮，该地点的传播障碍越少，电磁辐射的衰减程度越小。
在一些实施例中，天气数据可以包括晴雨数据、空气湿度等。在一些实施例中，天气数据可以影响电磁辐射的传播介质（如，空气中的成分、水滴等），从而影响电磁衰减特征440。例如，下雨天的雨水会对电磁辐射的传播进行阻碍，导致电磁辐射的衰减程度相较于晴天的更大。
在一些实施例中，处理器可以通过人工输入、网络查询等多种方式获取电磁辐射频率、局部环境数据和天气数据。
在一些实施例中，衰减评估模型可以通过大量带有标签的训练样本训练得到。训练样本可以包括样本电磁辐射的电磁辐射频率、局部环境数据、环境数据、天气数据，标签可以包括将样本电磁辐射对应的电磁衰减特征440。其中，训练样本和标签可以通过历史监测数据确定，也可以通过网络、人工经验等多种方式获取开源的电磁辐射的监测数据。
本说明书一些实施例中，基于电磁辐射频率、局部环境数据和天气数据，利用衰减评估模型确定电磁衰减特征440，可以无需人工进行计算人。确定电磁衰减特征440可以有助于在后续进行修正处理450，从而更准确地确定电磁热力图430，提高监测的准确性和效率。
修正处理450是指对电磁热力图430中表示不准确的电磁辐射进行修正，以使修正后的电磁热力图460更接近实际的电磁辐射分布。
在一些实施例中，处理器可以基于电磁衰减特征440，确定电磁热力图430中的待修正区域，利用电磁衰减特征440以及固定监测点位的监测数据320，计算待修正区域的实际电磁辐射并进行修改。其中，待修正区域是指电磁热力图430中电磁辐射可能表示不准确的区域，待修正区域可以基于人工经验、历史修正数据等多种方式确定。
在一些实施例中，处理器可以基于监测点位发出的电磁辐射的辐射强度和电磁衰减特征440，通过向量库匹配、查询表格等多种方式确定待修正区域的实际电磁辐射。例如，处理器可以根据监测点位发出的电磁辐射的辐射强度和电磁衰减特征440，构建电磁特征向量，在电磁向量数据库中检索，检索与电磁特征向量相似度最高的参考电磁特征向量，将该参考电磁特征向量对应的参考电磁辐射确定为待修正区域的实际电磁辐射。其中，电磁向量数据库中存储有多个参考电磁特征向量及其对应的参考电磁辐射。参考电磁特征向量及其对应的参考电磁辐射可以基于各区域的历史监测数据历史构建。
在一些实施例中，处理器可以根据电磁热力图430中辐射强度，对电磁热力图430进行修正。
匹配程度是指在同一电磁辐射起点下预设点位处基于辐射强度计算得到的电磁衰减幅度，与基于预设点位处电磁衰减特征440反映的电磁衰减幅度的匹配程度。其中，电磁辐射起点和预设点位可以为电磁热力图430中的任一点位。在一些实施例中，匹配程度可以反映电磁辐射的衰减幅度的测量值与实际值之间的相似程度。
在一些实施例中，处理器基于电磁热力图430可以确定测量得到的不同点位（如，固定监测点位）的辐射强度，再根据测量得到的不同点位的电磁辐射强度，可以计算得出电磁热力图430上电磁辐射从其他点位（如固定监测点位）传递到该预设点位的衰减幅度，即测量值。处理器可以将该衰减幅度与电磁衰减特征440中该预设点位的衰减幅度（即实际值）做比较（如，作差、比值等），得到匹配程度。在一些实施例中，处理器可以基于电磁辐射衰减特征通过上述公式（1）计算得出电磁辐射传递到该预设点位的衰减幅度。
例如，假设电磁辐射以预设点位A作为起点，可以传播到预设点位B。处理器可以将电磁热力图中预设点位B的电磁辐射强度与预设点位A的电磁辐射强度的差值，作为预设点位B的电磁衰减幅度d，即电磁辐射的衰减幅度的测量值。处理器可以基于预设点位B的电磁衰减特征通过上述公式（1）计算得出从预设点位A为起点，电磁辐射传播到预设点位B的衰减幅度d’，即电磁辐射的衰减幅度的实际值。处理器可以将通过比较预设点位B的电磁衰减幅度d和预设点位B的电磁衰减幅度d’的差异，确定预设点位B的匹配程度。电磁衰减幅度d和电磁衰减幅度d’的差异越大，则预设点位B的匹配程度越小。
在一些实施例中，处理器可以根据匹配程度，确定满足预设修正条件的定位为待修正点位，基于电磁衰减特征440中该待修正点位的衰减幅度对电磁热力图430进行修正，得到修正后的电磁热力图460。其中，预设修正条件可以包括匹配程度小于预设匹配阈值，预设匹配阈值可以基于人工经验、历史监测数据等多种方式确定。
示例性的，处理器可以沿着电磁强度变化的方向，以监测点位监测到的电磁辐射数据为基准，依次判断电磁热力图430上的点位的电磁辐射强度与电磁衰减特征440的符合程度；将匹配程度小于预设匹配度阈值的点位确定为待修正点位，基于该电磁衰减特征440中该待修正点位的衰减幅度以及电磁辐射起点的辐射强度，计算得到待修正点位的实际辐射强度，从而将该实际辐射强度重新确定为修正后的点位的辐射强度，从而实现对电磁热力图430的修正，得到修正后的电磁热力图460。基于电磁衰减特征确定预设点位的实际辐射强度的更多细节，可以参看上述公式（1）及其相关描述。
在本说明书实施例中，基于电磁热力图430中辐射强度与所述电磁衰减特征440的匹配程度，可以确定电磁辐射的测量值与实际值之间的差距，使得修正后的电磁热力图460可以更加准确，从而能够提高监测电磁干扰的准确性。
在一些实施例中，处理器可以将修正后的电磁热力图460及其修正后的电磁热力子图，作为电磁干扰数据470。其中，电磁干扰数据可以为进行天文观测提供参考数据，以便对电磁干扰进行防护，提高天文监测的准确性。关于电磁干扰数据的更多说明，可以参看图2及其相关描述。
在本说明书实施例中，基于电磁衰减特征对电磁热力图进行修正处理，可以增加确定的电磁干扰数据的准确性，以便进行针对性地防护，提高天文观测的准确性。
在一些实施例中，处理器还可以基于多个历史时间点的电磁热力图，通过干扰预测模型预测至少一个未来时间点的未来电磁热力图；基于未来电磁热力图，确定未来电磁干扰数据。
在一些实施例中，干扰预测模型可以为机器学习模型，例如，长短期记忆网络（LSTM，Long Short-Term Memory）等。
在一些实施例中，干扰预测模型可以包括热力图处理层和干扰预测层，二者均可以为机器学习模型。例如，热力图处理层可以为卷积神经网络（Convolutional NeuralNetwork，CNN）等，干扰预测层可以为长短期记忆网络（LSTM，Long Short-Term Memory）等。
在一些实施例中，热力图处理层的输入可以包括多个历史时间点的电磁热力图；输出可以包括与历史时间点对应的电磁特征。其中，电磁特征是指：与历史时间点对应的电磁热力图中电磁辐射的特征（如电磁辐射的频率、波长等）。电磁特征的更多细节可以参看上述图3及其相关描述。
在一些实施例中，干扰预测层的输入可以包括多个历史时间点的电磁特征；输出可以包括至少一个未来时间点的未来电磁热力图。其中，未来电磁热力图可以用于为天文观测提供参考，以便对电磁干扰进行预防。电磁热力图的更多细节，可以参看上述图4及其相关描述。
在一些实施例中，干扰预测模型的热力图处理层的输出可以作为干扰预测层的输入。热力图处理层和干扰预测层可以通过联合训练获取。
在一些实施例中，联合训练干扰预测模型的训练数据可以包括多个第一时间段内的多个时间点的样本电磁热力图。训练标签为多个第二时间段内的多个时间点的样本电磁热力图。其中，第二时间段在第一时间段之后。在一些实施例中，处理器可以基于历史电磁干扰数据、人工输入等多种方式，确定训练数据和训练标签。
在一些实施例中，处理器可以将多个第一时间段内的多个时间点的初始电磁热力图输入初始热力图处理层，得到多个第一时间段内与时间点对应的初始电磁特征；将多个第一时间段内与时间点对应的初始电磁特征输入初始干扰预测层，得到多个第二时间段内的多个时间点的初始电磁热力图。基于多个第二时间段内的多个时间点的初始电磁热力图和训练标签构建损失函数，利用损失函数同步更新初始热力图处理层和初始干扰预测层的参数。通过参数更新，得到训练好的热力图处理层和干扰预测层，即训练好的干扰预测模型。
本说明书一些实施例，通过将干扰预测模型设置热力图处理层和干扰预测层，分别处理不同的数据，可以提高数据处理的精度和效率，提高模型预测准确率。并且，通过联合训练的方式获取干扰预测模型，可以解决单独训练提取层时标签不好获取的问题，同时提高模型训练效率和模型性能。再者，通过预测未来电磁热力图，可以为未来进行的天文观测提供参考数据，以便对电磁干扰进行预防，提高天文监测的准确性。
本说明书的一个或多个实施例中还提供一种射电天文环境电磁监测装置，包括至少一个处理器以及至少一个存储器；至少一个存储器用于存储计算机指令；至少一个处理器用于执行所述计算机指令中的至少部分指令以实如上任一实施例所述的射电天文环境电磁监测方法。
处理器可以指射电天文环境电磁监测装置的运算和控制核心，是信息处理、程序运行的最终执行单元。例如，中央处理器、图形处理器以及现场可编程逻辑门阵列等。在一些实施例中，处理器可以执行上述图2-图4所示的射电天文环境电磁监测方法，方法的更多细节可以参看上述相关描述。
在一些实施例中，通讯网络可以用于在处理器和监测点位（如，固定监测点位、移动监测点位等）之间传输数据。例如，处理器可以通过通讯网络向监测点位发出执行监测的指令。监测点位可以通过通讯网络向处理器传输监测数据（如，实时监测数据、历史监测数据等）。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如上任一实施例所述的射电天文环境电磁监测方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种射电天文环境电磁监测方法，其特征在于，所述方法包括：
获取监测区域内的基础监测信息，所述基础监测信息包括所述监测区域内的固定干扰源、固定监测点位和环境数据；
基于所述基础监测信息和所述固定监测点位的监测数据，确定至少一个移动监测点位；
基于所述至少一个移动监测点位的监测数据和所述固定监测点位的监测数据，确定电磁干扰数据。
2.根据权利要求1所述的射电天文环境电磁监测方法，其特征在于，所述基于所述基础监测信息和所述固定监测点位的监测数据，确定至少一个移动监测点位包括：
基于所述基础监测信息和所述固定监测点位的监测数据，确定所述监测区域内的至少一个流动干扰源的位置；
基于所述至少一个流动干扰源的位置，确定所述移动监测点位。
3.根据权利要求2所述的射电天文环境电磁监测方法，其特征在于，所述基于所述基础监测信息和所述固定监测点位的监测数据，确定至少一个移动监测点位还包括：
基于所述基础监测信息，对多个所述固定监测点位的所述监测数据进行联合分析，评估所述固定监测点位的监测数据的可靠度；
基于所述固定监测点位的监测数据的所述可靠度，确定所述至少一个移动监测点位。
4.根据权利要求1所述的射电天文环境电磁监测方法，其特征在于，所述确定电磁干扰数据包括：
基于所述固定监测点位的监测数据和所述移动监测点位的监测数据，绘制电磁热力图，所述电磁热力图包括至少一个频率的电磁热力子图；
基于电磁衰减特征对所述电磁热力图进行修正处理，得到修正后的电磁热力图；
基于所述修正后的电磁热力图以及至少一个所述电磁热力子图，确定所述电磁干扰数据。
5.一种射电天文环境电磁监测系统，其特征在于，所述系统包括：
获取模块，用于获取监测区域内的基础监测信息，所述基础监测信息包括所述监测区域内的固定干扰源、固定监测点位和环境数据；
移动监测模块，用于基于所述基础监测信息和所述固定监测点位的监测数据，确定至少一个移动监测点位；
处理模块，用于基于所述至少一个移动监测点位的监测数据和所述固定监测点位的监测数据，确定电磁干扰数据。
6.根据权利要求5所述的射电天文环境电磁监测系统，其特征在于，所述移动监测模块还用于：
基于所述基础监测信息和所述固定监测点位的监测数据，确定所述监测区域内的至少一个流动干扰源的位置；
基于所述至少一个流动干扰源的位置，确定所述移动监测点位。
7.根据权利要求6所述的射电天文环境电磁监测系统，其特征在于，所述移动监测模块还用于：
基于所述基础监测信息，对多个所述固定监测点位的监测数据进行联合分析，评估所述固定监测点位的监测数据的可靠度；
基于所述固定监测点位的监测数据的所述可靠度，确定所述至少一个移动监测点位。
8.根据权利要求6所述的射电天文环境电磁监测系统，其特征在于，所述处理模块还用于：
基于所述固定监测点位的监测数据和所述移动监测点位的监测数据，绘制电磁热力图，所述电磁热力图包括至少一个频率的电磁热力子图；
基于电磁衰减特征对所述电磁热力图进行修正处理，得到修正后的电磁热力图；
基于所述修正后的电磁热力图以及至少一个所述电磁热力子图，确定所述电磁干扰数据。
9.一种射电天文环境电磁监测装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至4中任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1至4中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311677835.6A CN117368586B (zh) | 2023-12-08 | 2023-12-08 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311677835.6A CN117368586B (zh) | 2023-12-08 | 2023-12-08 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117368586A true CN117368586A (zh) | 2024-01-09 |
| CN117368586B CN117368586B (zh) | 2024-03-19 |
Family
ID=89396963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311677835.6A Active CN117368586B (zh) | 2023-12-08 | 2023-12-08 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117368586B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117805502A (zh) * | 2024-02-29 | 2024-04-02 | 深圳市瑞达检测技术有限公司 | 一种基于大数据的城市电磁辐射监测方法及系统 |
| CN117969973A (zh) * | 2024-04-02 | 2024-05-03 | 成都德辰博睿科技有限公司 | 一种电磁监测实时分析系统、方法、装置与介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000346887A (ja) * | 1999-06-08 | 2000-12-15 | Ricoh Co Ltd | 電磁妨害波測定装置 |
| US8916832B1 (en) * | 2013-08-21 | 2014-12-23 | The United States Of America, As Represented By The Secretary, Department Of Homeland Security | Method and device for detecting moving radiation sources |
| CN106353603A (zh) * | 2016-08-31 | 2017-01-25 | 成都九华圆通科技发展有限公司 | 一种用于无线电的智能化云监测方法 |
| CN106908667A (zh) * | 2017-02-08 | 2017-06-30 | 广州新拓慧电子科技有限公司 | 电磁环境移动监测方法及系统 |
| CN110702998A (zh) * | 2019-11-09 | 2020-01-17 | 重庆市辐射技术服务中心有限公司 | 基于移动终端的电磁辐射监测系统及其监测方法 |
| CN110850181A (zh) * | 2019-11-09 | 2020-02-28 | 重庆市辐射技术服务中心有限公司 | 基站电磁辐射环境监测方法及应用于其的移动监测装置 |
| JP2020046408A (ja) * | 2018-09-21 | 2020-03-26 | 学校法人北里研究所 | 放射線検出装置、放射線検出方法およびプログラム |
| CN113219260A (zh) * | 2021-05-24 | 2021-08-06 | 李祥芹 | 一种区域环境电磁辐射水平监测装置 |
| WO2022247992A1 (de) * | 2021-05-28 | 2022-12-01 | DR. FISCHER, Andreas | Erkennung von objekten mit magnetischer oder elektromagnetischer signatur in einem messfeld |
| CN218272505U (zh) * | 2022-08-08 | 2023-01-10 | 中国人民解放军61081部队 | 一种固定移动协同配合的电磁辐射监测装置 |
| CN116027118A (zh) * | 2023-03-29 | 2023-04-28 | 安徽省大气探测技术保障中心 | 一种应用于气象雷达站的电磁环境监测方法及系统 |
| CN116718842A (zh) * | 2023-05-31 | 2023-09-08 | 西安电子科技大学杭州研究院 | 电磁环境监测空域自适应采样方法、装置及计算机设备 |
| US11762000B1 (en) * | 2022-06-16 | 2023-09-19 | Penumbra, Inc. | Distortion/interference measurement device for virtual reality environments |
| CN117092415A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市城市公共安全技术研究院有限公司 | 一种区域电磁环境监测方法、装置、设备及介质 |
| CN117169801A (zh) * | 2023-11-02 | 2023-12-05 | 成都德辰博睿科技有限公司 | 一种电磁环境监测校准系统、方法、装置及介质 |
-
2023
- 2023-12-08 CN CN202311677835.6A patent/CN117368586B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000346887A (ja) * | 1999-06-08 | 2000-12-15 | Ricoh Co Ltd | 電磁妨害波測定装置 |
| US8916832B1 (en) * | 2013-08-21 | 2014-12-23 | The United States Of America, As Represented By The Secretary, Department Of Homeland Security | Method and device for detecting moving radiation sources |
| CN106353603A (zh) * | 2016-08-31 | 2017-01-25 | 成都九华圆通科技发展有限公司 | 一种用于无线电的智能化云监测方法 |
| CN106908667A (zh) * | 2017-02-08 | 2017-06-30 | 广州新拓慧电子科技有限公司 | 电磁环境移动监测方法及系统 |
| JP2020046408A (ja) * | 2018-09-21 | 2020-03-26 | 学校法人北里研究所 | 放射線検出装置、放射線検出方法およびプログラム |
| CN110850181A (zh) * | 2019-11-09 | 2020-02-28 | 重庆市辐射技术服务中心有限公司 | 基站电磁辐射环境监测方法及应用于其的移动监测装置 |
| CN110702998A (zh) * | 2019-11-09 | 2020-01-17 | 重庆市辐射技术服务中心有限公司 | 基于移动终端的电磁辐射监测系统及其监测方法 |
| CN113219260A (zh) * | 2021-05-24 | 2021-08-06 | 李祥芹 | 一种区域环境电磁辐射水平监测装置 |
| WO2022247992A1 (de) * | 2021-05-28 | 2022-12-01 | DR. FISCHER, Andreas | Erkennung von objekten mit magnetischer oder elektromagnetischer signatur in einem messfeld |
| US11762000B1 (en) * | 2022-06-16 | 2023-09-19 | Penumbra, Inc. | Distortion/interference measurement device for virtual reality environments |
| CN218272505U (zh) * | 2022-08-08 | 2023-01-10 | 中国人民解放军61081部队 | 一种固定移动协同配合的电磁辐射监测装置 |
| CN116027118A (zh) * | 2023-03-29 | 2023-04-28 | 安徽省大气探测技术保障中心 | 一种应用于气象雷达站的电磁环境监测方法及系统 |
| CN116718842A (zh) * | 2023-05-31 | 2023-09-08 | 西安电子科技大学杭州研究院 | 电磁环境监测空域自适应采样方法、装置及计算机设备 |
| CN117092415A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市城市公共安全技术研究院有限公司 | 一种区域电磁环境监测方法、装置、设备及介质 |
| CN117169801A (zh) * | 2023-11-02 | 2023-12-05 | 成都德辰博睿科技有限公司 | 一种电磁环境监测校准系统、方法、装置及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘贵龙;曹勇;吴剑;傅宗;李育敏;朱滢;: "电磁环境国控点布点选择方法研究", 环保科技, no. 04 * |
| 段磊: "电磁环境监测与管理新技术研究", 中国优秀硕士学位论文全文数据库 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117805502A (zh) * | 2024-02-29 | 2024-04-02 | 深圳市瑞达检测技术有限公司 | 一种基于大数据的城市电磁辐射监测方法及系统 |
| CN117805502B (zh) * | 2024-02-29 | 2024-06-11 | 深圳市瑞达检测技术有限公司 | 一种基于大数据的城市电磁辐射监测方法及系统 |
| CN117969973A (zh) * | 2024-04-02 | 2024-05-03 | 成都德辰博睿科技有限公司 | 一种电磁监测实时分析系统、方法、装置与介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117368586B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117368586B (zh) | 一种射电天文环境电磁监测方法、系统、装置和存储介质 | |
| Moreta et al. | Prediction of digital terrestrial television coverage using machine learning regression | |
| AU2019216706B2 (en) | Iterative ray-tracing for autoscaling of oblique ionograms | |
| CA3040961C (en) | Airport noise classification method and system | |
| CA2394508C (en) | Method and apparatus for network planning | |
| Redondi | Radio map interpolation using graph signal processing | |
| CN113644996B (zh) | 基于深度学习的小区级rsrp估计方法 | |
| Braham et al. | Coverage mapping using spatial interpolation with field measurements | |
| EP4080793A1 (en) | Millimeter radio wave line-of-sight prediction for base stations | |
| CN113114399B (zh) | 基于生成对抗网络的三维频谱态势补全方法和装置 | |
| Mukhtar et al. | Machine learning-enabled localization in 5g using lidar and rss data | |
| Fauzi et al. | Machine Learning-Based Online Coverage Estimator (MLOE): Advancing Mobile Network Planning and Optimization | |
| CN113867396A (zh) | 一种网联无人机航线规划与航线平滑方法及装置 | |
| CN114884597B (zh) | 一种基于神经网络的海上无线电波传播预测方法 | |
| Nagao et al. | Fine-tuning for propagation modeling of different frequencies with few data | |
| CN111901026B (zh) | 一种通信中的到达角估计方法 | |
| Sukemi et al. | Path Loss Prediction Accuracy Based on Random Forest Algorithm in Palembang City Area | |
| CN116131979A (zh) | 受远程干扰的无线信道预测方法及系统、存储介质及终端 | |
| Alfaresi et al. | Development of Path Loss Prediction Model using Feature Selection-Machine Learning Approach | |
| Khattak et al. | TabNet-SHAP: A Framework to Estimate Wind Shear-Induced Aviation Turbulence in the Airport Runway Vicinity | |
| CN118534256B (zh) | 电力线路故障检测定位方法及系统 | |
| CN114399788B (zh) | 对象检测方法和系统 | |
| Zhang et al. | Vision-Aided Channel Prediction with RGB Images for mmWave Communications | |
| Naumov et al. | Development of information technology for the stand of hilitical simulation of adaptive navigation systems | |
| Huang et al. | Intelligence Modeling of Navigation System based on Prior Knowledge |
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 |