CN117692081A - 一种基于卫星通信降雨衰减预测的方法及系统 - Google Patents
一种基于卫星通信降雨衰减预测的方法及系统 Download PDFInfo
- Publication number
- CN117692081A CN117692081A CN202311697373.4A CN202311697373A CN117692081A CN 117692081 A CN117692081 A CN 117692081A CN 202311697373 A CN202311697373 A CN 202311697373A CN 117692081 A CN117692081 A CN 117692081A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- data
- satellite
- module
- signal
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Aviation & Aerospace Engineering (AREA)
- Algebra (AREA)
- Astronomy & Astrophysics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明涉及卫星通信的技术领域,特别是涉及一种基于卫星通信降雨衰减预测的方法及系统,通过历史日降雨量、历史接收信噪比、典型接收门限值等数据,结合实时采集站点的降雨量信息,根据降雨量分析计算出卫星链路的降雨衰减数据,通过和历史数据的比较分析,能够实时地对重要信号进行降雨衰减分析和趋势预测,对降雨量过大或可能影响卫星通信的站点提前进行预警和提示;包括:降雨量数据模块、卫星信号接收模块和数据处理分析模块;降雨量数据模块:其用于获得并保存历史和实时降雨量和气象数据,并将降雨量数据提供给数据处理分析模块;卫星信号接收模块:其用于获得并保存卫星信号接收信噪比数据和典型接收门限值。
Description
技术领域
本发明涉及卫星通信的技术领域,特别是涉及一种基于卫星通信降雨衰减预测的方法及系统。
背景技术
卫星通信是一种利用卫星进行信号传输的通信方式,具有覆盖范围广、通信距离远、不受地面限制等优点。然而,降雨对卫星通信信号的衰减影响较大,会导致通信质量下降,直接影响卫星通信的可靠性。
目前现有的技术并不能预测降雨对卫星通信的影响,从而限制了其在应急情况下的实用性和可靠性。
发明内容
为解决上述技术问题,本发明提供一种基于卫星通信降雨衰减预测的方法及系统,通过历史日降雨量、历史接收信噪比、典型接收门限值等数据,结合实时采集站点的降雨量信息,根据降雨量分析计算出卫星链路的降雨衰减数据,通过和历史数据的比较分析,能够实时地对重要信号进行降雨衰减分析和趋势预测,对降雨量过大或可能影响卫星通信的站点提前进行预警和提示。
本发明的一种基于卫星通信降雨衰减预测系统,包括:降雨量数据模块、卫星信号接收模块和数据处理分析模块;
降雨量数据模块:其用于获得并保存历史和实时降雨量和气象数据,并将降雨量数据提供给数据处理分析模块;
卫星信号接收模块:其用于获得并保存卫星信号接收信噪比数据和典型接收门限值,并将接收数据提供给数据处理分析模块;
数据处理分析模块:根据卫星信号接收模块提供的晴天和雨天的接收信噪比的数据,结合降雨量数据模块提供的实时降雨量数据计算出降雨量对接收信噪比的影响,得出降雨量和降雨衰减的关系;根据卫星信号接收模块提供的典型接收门限值,计算出不同降雨量下的链路余量;根据降雨量数据模块提供的预测降雨量,并结合降雨量和降雨衰减的关系以及链路余量计算出降雨衰减预测数据。
进一步地,所述降雨量数据模块包括有:
历史日降雨量数据模块:其用于将地面气象站基本气象要素日值数据集汇总录入到历史气象降雨数据库中;
气象传感器模块:其用于实时获取降雨量、降水情况、温湿度数据;
综合降雨数据模块:其用于将历史和实时降雨数据建立降雨衰减预测模型,实现未来降雨量的趋势预测。
进一步地,所述卫星信号接收模块包括有:
卫星信号接收设备模块:其用于采集卫星调制解调器实时参数获得卫星通信载波信号与噪声信号的比值;
典型接收门限值模块:其用于采集卫星调制解调器实时参数获得接收卫星信号时表征能否解调出卫星信号的门限值;
综合接收数据模块:其用于将采集的接收信噪比数据和典型接收门限值数据进行汇总分析,得出实时接收信噪比、降雨衰减值和信号门限值。
本发明的一种基于卫星通信降雨衰减预测方法,包括以下步骤:
(1)降雨量数据获取;(2)卫星信号接收;(3)对步骤(1)和步骤(2)获取的数据进行处理分析。
进一步地,所述步骤(1)具体方法如下:
步骤(11),收集与特定地区的地面气象站基本气象要素日值数据集,其中包含:日降雨量、日平均气温和日平均湿度;
步骤(12),将地面气象站基本气象要素日值数据集汇总录入到历史气象降雨数据库中;
步骤(13),通过历史气象降雨数据库中的历年数据,计算出一年中每天的日最大降雨量、日最小降雨量、日平均降雨量和日降雨量中位数;
步骤(14),通过光学雨量传感器和翻斗式雨量传感器两种传感器获得实时降雨量数据;通过温湿度传感器获得实时温度和湿度数据;通过雨雪传感器获得是否降水数据;
步骤(15),将历史日降雨量数据和实时降雨数据使用灰色系统理论对这些数据进行预处理,以消除噪声和异常值,提取有用的信息;
步骤(16),将处理后的日降雨量数据分为不同的状态,分别是无降水、小雨、中雨、大雨、暴雨、大暴雨等;然后,根据这些状态和降雨量数据,建立灰色马尔可夫链模型;
步骤(17),使用历史数据来训练模型,并通过对训练结果的评估和分析,调整和优化模型的参数;
步骤(18),使用调整和优化的灰色马尔可夫链模型预测未来的日降雨量。
进一步地,所述步骤(2)具体方法如下:
步骤(21),通过Snmp的方式使用服务器远程轮询获取卫星调制解调器的接收信噪比数据;
步骤(22),在无降雨天气下记录卫星调制解调器的接收标准载波的信噪比数据,将多次记录的数据取平均值,获得晴天下接收信噪比标定数据Sj;
步骤(23),在降雨天气下记录卫星调制解调器的接收标准载波的信噪比数据Sk,并通过降雨量数据模块获得实时降雨量数据R1;
步骤(24),通过将步骤(22)和步骤(23)的接收信噪比标定数据Sj和接收信噪比数据Sk相减再除以实时降雨量数据Rt获得降雨衰减值Sd=(Sk–Sj)/Rt;
步骤(25),重复步骤(23)和步骤(24),并通过实时日降雨量数据将获得降雨衰减值进行分类,获得不同天气类型下的降雨衰减值;
步骤(26),将卫星调制解调器进行自发自收环路,使卫星调制解调器接收路保持在接收锁定状态,逐步减少发射功率,记录下失锁前的最后的接收信噪比,获得卫星信号的门限值;
步骤(27),不断调整卫星调制解调器的速率、编码方式、编码效率、纠错方式等参数,并重复步骤(26),获得各类调制解调参数下的卫星信号的门限值。
进一步地,所述步骤(3)具体方法如下:
步骤(31),通过步骤(1)获得实时降雨量数据Rt和预测降雨量数据Rd;
步骤(32),通过步骤(2)提供的实时接收信噪比St、降雨衰减值Sd和信号门限值So;
步骤(33),利用步骤(31)和步骤(32)的结果,获得当前实时降雨衰减值Sn=Sd*Rt;
步骤(34),利用步骤(31)和步骤(32)的结果,获得未来预测降雨衰减值Sg=Sd*Rd;
步骤(35),利用步骤(31)、步骤(32)和步骤(33)的结果,获得未来雨衰变化趋势值Sv=Sg–Sn,获得预测链路余量值Sm=St–So-Sv;
步骤(36),根据预测链路余量值Sm判断未来链路的可通性,当预测链路余量值Sm大于0时未来链路能够保持正常通信,当预测链路余量值Sm小于0时则表示未来链路不能够保持正常通信。
与现有技术相比本发明的有益效果为:利用卫星通信数据进行降雨衰减预测,可以实时监测并预测降雨对卫星通信信号的影响,为卫星通信系统提供及时调整通信参数的依据,这种方法能够快速响应气象变化和地理环境的变化,提高应急通信系统的适应性和可靠性;
采用灰色马尔可夫链模型进行预测,可以进行自动调整与优化训练,提高预测准确性和可靠性;
通过分析处理不同情况下卫星通信接收信号的信噪比数据,可以更全面地评估降雨对卫星通信信号的影响,这种方法考虑了多种因素,如天气情况、信号质量、调制方式等,能够更准确地计算出降雨衰减,并适应快速变化的气象条件和复杂的衰减环境。
本发明还包括一个系统,该系统包括降雨量数据模块、卫星信号接收模块和数据处理分析模块,这使得实施本发明的方法更加方便和高效,该系统可以集成到现有的卫星通信系统中,实现降雨衰减的实时监测和预测功能。
附图说明
图1是用于体现卫星通信降雨衰减预测系统的结构图;
图2是用于体现卫星通信降雨衰减预测方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
1、如图1所示,使用的实时降雨量数据是从降雨量数据模块中采集的,该模块中的气象传感器模块是由翻斗式雨量传感器、光学雨量传感器、雨雪监测传感器和温湿度计组成。其中翻斗式雨量传感器和光学雨量传感器可以用来采集实时降雨量并互相校对降雨量的准确性;雨雪传感器则用来监测是否出现了降雨或者降雪;温湿度计用来采集实时温度和湿度辅助判断当前降水条件。
2、使用的历史日降雨量数据来源于国家级地面气象站基本气象要素日值数据集中近几十年日降雨量统计数据,其中包含全国上千个气象站点的历史气象数据,经过整理汇总录入到历史降雨数据库中。通过历史气象降雨数据库中的历年数据,计算出一年中每天的日最大降雨量、日最小降雨量、日平均降雨量和日降雨量中位数。
3、使用的卫星信号接收数据来源于卫星调制解调器。在卫星通信系统中主要的通信设备是卫星调制解调器,卫星调制解调器的接收信噪比参数也成为了衡量整个通信链路质量的标准之一。根据晴天和雨天接收信噪比的变化,结合实时降雨量数据可以计算出该站点降雨量对接收信噪比的影响,从而得出降雨量和降雨衰减的关系。同时根据卫星调制解调器的典型接收门限值,计算出不同降雨量下的链路余量。
4、接收信噪比数据是使用卫星调制解调器进行自发自收环路,然后通过采集计算机定时远程读取参数获取的。在天气晴朗且无云的天气情况下进行电平值标定,将卫星调制解调器的收发参数都设置为:数据速率1024kbps,调制解调方式为QPSK,编码方式为FEC3/4维特比译码+RS码。让卫星调制解调器的接收处于锁定状态,调整发射功率,直到接收信噪比参数处于标定值范围内。然后通过卫星调制解调器提供的SNMP远程管理接口,实时读取设备参数状态得到接收标定信噪比数据。
5、接收门限值是使用卫星调制解调器进行自发自收环路,让卫星调制解调器接收路保持在接收锁定状态,逐步减少发射功率,记录下失锁前的最后的接收信噪比,获得卫星信号的门限值。接收门限值也跟使用的调制方式、编码方式、编码效率等参数有很大的关系。不断调整卫星调制解调器的速率、编码方式、编码效率、纠错方式等参数,获得各类调制解调参数下的卫星信号的门限值。
6、使用的未来日降雨量数据是通过灰色马尔可夫链模型预测的。通过收集大量的实时和历史历史日降雨量数据。然后,使用灰色系统理论对这些数据进行预处理,以消除噪声和异常值,提取有用的信息。灰色系统理论会将原始数据转化为灰色序列,并通过对灰色序列的分析和处理,得到更准确的信息。
将处理后的日降雨量数据分为不同的状态,分别是无降水、小雨、中雨、大雨、暴雨、大暴雨等。然后,根据这些状态和降雨量数据,建立灰色马尔可夫链模型。该模型会根据历史数据和状态之间的转移概率,预测未来日降雨量的状态和相应的降雨量。
建立好灰色马尔可夫链模型后,自动对模型进行参数的调整和优化。使用历史数据来训练模型,并通过对训练结果的评估和分析,调整和优化模型的参数。
经过调整和优化后,使用灰色马尔可夫链模型预测未来的日降雨量。根据模型的预测结果,分析未来日降雨量的可能状态和相应的降雨量。同时,结合其他的气象数据和信息,例如气温、湿度、是否降水等,对预测结果进行综合分析和判断。
7、通过综合降雨数据模块获得实时降雨量数据和预测降雨量数据Rd。通过卫星信号接收模块提供的实时接收信噪比St、降雨衰减值Sd和信号门限值So。通过计算获得当前实时降雨衰减值Sn=Sd*Rt,然后获得未来预测降雨衰减值Sg=Sd*Rd,最后计算得出未来雨衰变化趋势值Sv=Sg–Sn,以及预测链路余量值Sm=St–So-Sv;
根据预测链路余量值Sm判断未来链路的可通性,当预测链路余量值Sm大于0时未来链路能够保持正常通信,当预测链路余量值Sm小于0时则表示未来链路不能够保持正常通信。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种基于卫星通信降雨衰减预测系统,其特征在于,包括:降雨量数据模块、卫星信号接收模块和数据处理分析模块;
降雨量数据模块:其用于获得并保存历史和实时降雨量和气象数据,并将降雨量数据提供给数据处理分析模块;
卫星信号接收模块:其用于获得并保存卫星信号接收信噪比数据和典型接收门限值,并将接收数据提供给数据处理分析模块;
数据处理分析模块:根据卫星信号接收模块提供的晴天和雨天的接收信噪比的数据,结合降雨量数据模块提供的实时降雨量数据计算出降雨量对接收信噪比的影响,得出降雨量和降雨衰减的关系;根据卫星信号接收模块提供的典型接收门限值,计算出不同降雨量下的链路余量;根据降雨量数据模块提供的预测降雨量,并结合降雨量和降雨衰减的关系以及链路余量计算出降雨衰减预测数据。
2.如权利要求1所述的一种基于卫星通信降雨衰减预测系统,其特征在于,所述降雨量数据模块包括有:
历史日降雨量数据模块:其用于将地面气象站基本气象要素日值数据集汇总录入到历史气象降雨数据库中;
气象传感器模块:其用于实时获取降雨量、降水情况、温湿度数据;
综合降雨数据模块:其用于将历史和实时降雨数据建立降雨衰减预测模型,实现未来降雨量的趋势预测。
3.如权利要求1所述的一种基于卫星通信降雨衰减预测系统,其特征在于,所述卫星信号接收模块包括有:
卫星信号接收设备模块:其用于采集卫星调制解调器实时参数获得卫星通信载波信号与噪声信号的比值;
典型接收门限值模块:其用于采集卫星调制解调器实时参数获得接收卫星信号时表征能否解调出卫星信号的门限值;
综合接收数据模块:其用于将采集的接收信噪比数据和典型接收门限值数据进行汇总分析,得出实时接收信噪比、降雨衰减值和信号门限值。
4.一种基于卫星通信降雨衰减预测方法,其特征在于,包括以下步骤:(1)降雨量数据获取;(2)卫星信号接收;(3)对步骤(1)和步骤(2)获取的数据进行处理分析。
5.如权利要求4所述的一种基于卫星通信降雨衰减预测方法,其特征在于,所述步骤(1)具体方法如下:
步骤(11),收集与特定地区的地面气象站基本气象要素日值数据集,其中包含:日降雨量、日平均气温和日平均湿度;
步骤(12),将地面气象站基本气象要素日值数据集汇总录入到历史气象降雨数据库中;
步骤(13),通过历史气象降雨数据库中的历年数据,计算出一年中每天的日最大降雨量、日最小降雨量、日平均降雨量和日降雨量中位数;
步骤(14),通过光学雨量传感器和翻斗式雨量传感器两种传感器获得实时降雨量数据;通过温湿度传感器获得实时温度和湿度数据;通过雨雪传感器获得是否降水数据;
步骤(15),将历史日降雨量数据和实时降雨数据使用灰色系统理论对这些数据进行预处理,以消除噪声和异常值,提取有用的信息;
步骤(16),将处理后的日降雨量数据分为不同的状态,然后,根据这些状态和降雨量数据,建立灰色马尔可夫链模型;
步骤(17),使用历史数据来训练模型,并通过对训练结果的评估和分析,调整和优化模型的参数;
步骤(18),使用调整和优化的灰色马尔可夫链模型预测未来的日降雨量。
6.如权利要求4所述的一种基于卫星通信降雨衰减预测方法,其特征在于,所述步骤(2)具体方法如下:
步骤(21),通过Snmp的方式使用服务器远程轮询获取卫星调制解调器的接收信噪比数据;
步骤(22),在无降雨天气下记录卫星调制解调器的接收标准载波的信噪比数据,将多次记录的数据取平均值,获得晴天下接收信噪比标定数据Sj;
步骤(23),在降雨天气下记录卫星调制解调器的接收标准载波的信噪比数据Sk,并通过降雨量数据模块获得实时降雨量数据R1;
步骤(24),通过将步骤(22)和步骤(23)的接收信噪比标定数据Sj和接收信噪比数据Sk相减再除以实时降雨量数据Rt获得降雨衰减值Sd=(Sk–Sj)/Rt;
步骤(25),重复步骤(23)和步骤(24),并通过实时日降雨量数据将获得降雨衰减值进行分类,获得不同天气类型下的降雨衰减值;
步骤(26),将卫星调制解调器进行自发自收环路,使卫星调制解调器接收路保持在接收锁定状态,逐步减少发射功率,记录下失锁前的最后的接收信噪比,获得卫星信号的门限值;
步骤(27),不断调整卫星调制解调器的参数,并重复步骤(26),获得各类调制解调参数下的卫星信号的门限值。
7.如权利要求4所述的一种基于卫星通信降雨衰减预测方法,其特征在于,所述步骤(3)具体方法如下:
步骤(31),通过步骤(1)获得实时降雨量数据Rt和预测降雨量数据Rd;
步骤(32),通过步骤(2)提供的实时接收信噪比St、降雨衰减值Sd和信号门限值So;
步骤(33),利用步骤(31)和步骤(32)的结果,获得当前实时降雨衰减值Sn=Sd*Rt;
步骤(34),利用步骤(31)和步骤(32)的结果,获得未来预测降雨衰减值Sg=Sd*Rd;
步骤(35),利用步骤(31)、步骤(32)和步骤(33)的结果,获得未来雨衰变化趋势值Sv=Sg–Sn,获得预测链路余量值Sm=St–So-Sv;
步骤(36),根据预测链路余量值Sm判断未来链路的可通性,当预测链路余量值Sm大于0时未来链路能够保持正常通信,当预测链路余量值Sm小于0时则表示未来链路不能够保持正常通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697373.4A CN117692081A (zh) | 2023-12-12 | 2023-12-12 | 一种基于卫星通信降雨衰减预测的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697373.4A CN117692081A (zh) | 2023-12-12 | 2023-12-12 | 一种基于卫星通信降雨衰减预测的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117692081A true CN117692081A (zh) | 2024-03-12 |
Family
ID=90125928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311697373.4A Pending CN117692081A (zh) | 2023-12-12 | 2023-12-12 | 一种基于卫星通信降雨衰减预测的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117692081A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118233933A (zh) * | 2024-03-28 | 2024-06-21 | 深圳市玖零科技有限公司 | 一种智能随身wifi设备 |
-
2023
- 2023-12-12 CN CN202311697373.4A patent/CN117692081A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118233933A (zh) * | 2024-03-28 | 2024-06-21 | 深圳市玖零科技有限公司 | 一种智能随身wifi设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117692081A (zh) | 一种基于卫星通信降雨衰减预测的方法及系统 | |
US9091763B2 (en) | Weather detection using satellite communication signals | |
FR3096145A1 (fr) | Procédé et dispositif de mesure de précipitations | |
CN116546431B (zh) | 一种基于北斗全网通多网融合数据采集通信系统及方法 | |
EP3957028B1 (fr) | Procédé de prédiction d'une qualité de signal et/ou de service et dispositif associé | |
Gharanjik et al. | Learning-based rainfall estimation via communication satellite links | |
Wolff et al. | Rainfall retrieval algorithm for commercial microwave links: stochastic calibration | |
CN111970722B (zh) | 一种基于nb通讯的智能仪表通讯方式优化方法 | |
CN109829572B (zh) | 雷电气候下的光伏发电功率预测方法 | |
US20230010692A1 (en) | Performance Degradation Reporting in a Microwave System | |
US20230296805A1 (en) | Method for the estimating the presence of rain | |
Ojo et al. | Variation of slant path Ka/V-band rain attenuation over seven tropical locations in Nigeria using synthetic storm techniques | |
CN113672864B (zh) | 一种应用于雨衰减统计预测的年平均雨顶高度的加权算法 | |
CN114355411A (zh) | 一种基于北斗或gps载噪比观测值的洪水探测方法 | |
Kamoru et al. | Development of rain attenuation prediction in south west Nigeria on terrestrial link using artificial neural Network | |
EP4073961B1 (en) | Classification of microwave link data | |
Pomeyie et al. | Comparing Extreme Value Estimation Techniques for Short-Term Snow Accumulations. | |
CN118400768B (zh) | 一种5g通信基站设备状态智能监控管理系统 | |
CN111160608A (zh) | 极端降水天气指数的应用方法、应用系统、电子设备及存储介质 | |
CN113296127B (zh) | 一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法 | |
Giannetti et al. | On the Opportunistic use of Commercial K u and K a Band Satcom Networks for Rain Rate Estimation: Potentials and Critical Issues | |
CN112418718B (zh) | 一种台风灾害评估方法、系统及装置 | |
CN114049755B (zh) | 一种环境测试系统和测试方法 | |
CN118574239B (zh) | 一种用于信道调度的船舶通信系统及方法 | |
CN118249930B (zh) | 一种用于宽带干扰的通信接收机电磁敏感性预测方法及装置 |
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 |