CN105467383B - 一种tof技术中基于波形匹配的测距方法 - Google Patents
一种tof技术中基于波形匹配的测距方法 Download PDFInfo
- Publication number
- CN105467383B CN105467383B CN201510800869.9A CN201510800869A CN105467383B CN 105467383 B CN105467383 B CN 105467383B CN 201510800869 A CN201510800869 A CN 201510800869A CN 105467383 B CN105467383 B CN 105467383B
- Authority
- CN
- China
- Prior art keywords
- distance
- tof
- waveform
- curve
- parameter
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种TOF技术中基于波形匹配的测距方法,包括以下步骤:A、采用TOF技术进行重复测量,采集多个TOF周期数;B、对所采集的TOF周期数进行处理,获得测量距离,具体为:B1)获取以TOF周期数为横坐标、此次测量中采集得某一TOF周期数的次数为纵坐标的波形图;B2)获得所述波形图的曲线波形参数值和布尔型参数值;B3)搜索预先存储的曲线波形参数距离对应表,获取与步骤B2)中的曲线波形参数值对应的预测距离,带入最优权重配比,对所有预测距离进行加权求和得到初步测量距离;B4)根据步骤B2)中的布尔型参数值对初步测量距离进行纠偏,得到最终的测量距离。与现有技术相比,本发明具有精度高、节约存储空间、数据处理复杂度低等优点。
Description
技术领域
本发明涉及一种用于无线测距领域的方法,具体是在一种在TOF技术中通过波形匹配分析测距的方法。
背景技术
TOF是飞行时间(Time of Flight)技术的缩写,这一技术在测距领域被广泛应用。TOF属于双向测距技术,它主要利用信号在两个异步收发机之间往返的飞行时间来测量节点之间的距离。而飞行时间用TOF周期数来表示;TOF周期数是从信号发射到接收所经历的芯片时钟周期数,也称为TOF值。一次测量过程包含重复TOF值采集和处理采集数据得出测量距离两个子过程。其中重复测量的意义在于减小随机误差对测量的影响。但是重复测量的次数与芯片功耗直接相关,而接收机***的标签芯片往往由电池供电,所以测量次数不可无限制增大。由此可见,在降低功耗的同时提高测量精度成为整个***最关键的目标。具体来说,即在减少测量次数的同时提高精度。而重复TOF值采集这一子过程的精度由芯片本身决定,提高***精度意味着成本提高。但是数据处理子过程存在很大的优化空间,不同的处理算法对精度影响很大。
经对现有的技术文献的检索发现,Technische Universitaet München的研究者Alejandro Ramirez在“Time-of-flight in Wireless Networks as Information Sourcefor Positioning”这篇论文中对数据处理得出测量距离这一过程进行了深入的研究,提出了简单平均方法、正态分布处理方法、粒子群算法和卡尔曼滤波方法来进行数据处理。并且通过比较得出卡尔曼滤波为最佳处理方法。作者的基本假设为在一确定距离下存在唯一确定TOF值,之所以得到其他TOF值是由于误差导致。数据处理的意义在于排除误差,找到唯一确定的TOF值;再通过测量不同距离下的TOF值得出线性参考曲线,并以参考曲线作为基准进行距离测量。这一方法是最为常用、普通的测距思路。但是当画出以离散的TOF周期数为横坐标、以在重复测量中采得某一TOF周期数的次数为纵坐标的柱状图时,可以发现图像并非像正态分布曲线一样存在某一绝对高的峰值,反而存在两个峰值;这说明在TOF测距中确定唯一的标准值这一传统思路存在问题。并且图形特征和距离有着非常强的相关性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精度高、节约存储空间、数据处理复杂度低的TOF技术中基于波形匹配的测距方法。
本发明的目的可以通过以下技术方案来实现:
一种TOF技术中基于波形匹配的测距方法,包括以下步骤:
A、采用TOF技术进行重复测量,采集多个TOF周期数;
B、对所采集的TOF周期数进行处理,获得测量距离,具体为:
B1)获取以TOF周期数为横坐标、此次测量中采集得某一TOF周期数的次数为纵坐标的波形图;
B2)获得所述波形图的曲线波形参数值和布尔型参数值;
B3)搜索预先存储的曲线波形参数距离对应表,获取与步骤B2)中的曲线波形参数值对应的预测距离,对所有预测距离进行加权求和得到初步测量距离;
B4)根据步骤B2)中的布尔型参数值对初步测量距离进行纠偏,得到最终的测量距离。
所述步骤B3)中的曲线波形参数距离对应表通过以下方式获得:
1)在不同距离下采用TOF技术进行重复测量,绘制多个以TOF周期数为横坐标、一次测量中采集得某一TOF周期数的次数为纵坐标的波形图;
2)根据步骤1)中绘制的波形图,获取不同距离下波形图具有的共同特征,以此作为一般形式波形;
3)根据所述一般形式波形获取与距离相关的波形特征,并以相应函数表示每一波形特征与距离的关系,所述波形特征包括曲线波形参数和布尔型参数;
4)根据所述相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表并存储,同时存储布尔型参数的分段函数边界距离。
所述波形特征中,曲线波形参数与距离的关系采用拟合曲线表示,布尔型参数与距离的关系采用因变量只有0和1的布尔量表示。
不同的曲线波形参数,采用不同的拟合曲线。
所述拟合曲线包括线性拟合、三次样条插值、指数拟合、多项式拟合或对数拟合。
所述步骤4)中,根据所述相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表具体为:
401)将拟合函数离散化,其中,离散间隔小于整个测距***能达到的精度;
402)得到曲线波形参数距离对应表。
所述步骤B3)中,对所有预测距离进行加权求和得到初步测量距离的公式如下:
其中,fi表示第i个曲线波形参数,函数Xi(·)表示由第i个曲线波形参数得出预测距离的参考曲线,pi为第i个曲线波形参数的权重,d表示初步测量距离,n表示曲线波形参数的个数。
所述加权求和时采用的权重配比与根据布尔型参数值对初步测量距离进行纠偏时采用的纠偏量的组合通过优化算法获得。
与现有技术相比,本发明具有以下有益效果:
1、波形分析的TOF值处理思路完全不同于传统的TOF值处理思路。传统的处理思路认为之所以在同一距离处重复测量得到不同的TOF值是由于误差的存在,而数据处理的意义也在于消除这一误差。而波形分析认为由以TOF周期数为横坐标、以TOF周期数采得次数为纵坐标的柱状图图形特征与距离有着强相关性,通过对图形特征的分析来得到测量距离。由于TOF测距中距离与图形有着很强的相关性,这一方法在同等硬件、功耗情况下,较传统方法精度更高。
2、该方法采用查找表的方法存储曲线波形参数与距离的关系。首先能将以不同方式得出的参考曲线以统一的方式进行表达,使***设计更为简单。其次较如三次样条插值复杂的函数表达式,这样的存储方式更加节约存储空间。并且每一个波形特征所需存储空间是固定的,便于芯片设计时了解存储量需求。最后在测量中,搜索的时间复杂度仅为O(logN),较函数计算大大降低了时间复杂度。
3、在图形分析的方法中,距离由多个图形参量得出,而且每个图形参量采用不同的拟合方式,所以这样的方式能够更加准确和稳定的测量距离。传统的测量方式距离仅仅依赖于TOF值,当环境改变,会可能对这一变量产生较大影响;而由多个波形参数所共同确定距离的方法受环境因素影响更小,效果更加稳定。
4、本发明中,在权重纠偏组合较多时,可以采用遗传算法或退火算法对这一最优化问题进行求解,组合较少时可以采用计算机遍历的方法来求取最优组合,特别是可以采用先全局大范围遍历,然后进行局部小范围遍历的方法,可以有效提高权重和纠偏量的精度。
附图说明
图1为本发明的流程示意图;
图2实施例中的波形样图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供的TOF技术中基于波形匹配的测距方法,通过以下步骤实现:
第一步,获取波形的一般形式。在不同距离下采用TOF技术进行重复测量,绘制多个以TOF周期数为横坐标、一次测量中采集得某一TOF周期数的次数为纵坐标的波形图,根据绘制的波形图,获取不同距离下波形图具有的共同特征,以此作为一般形式波形。
如图2所示,波形具有如下一般形式:波形自左向右,首先波形从低开始经历一个或两个峰然;随后经历一个显著的低谷,到达最低点;随后再次走高,经历一个或两个峰,波形结束。
第二步,找出与距离有关的波形特征,并进行数学表达,这里的波形特征包括曲线波形参数和布尔型参数。波形特征的数学表达要求能够在波形一般形式的基本假定下准确地描述每一个特征,其准确的含义为能通过数学语言描述,并且能够通过计算机语言描述这一问题,不存在描述的二义性或不可计算性。
在这个基本假设中,最低点和峰的概念描述尤为重要,是其他波形特征定义的基础。峰的定义为某数据点处TOF值高于左右相邻数据点的TOF值,称这一点为峰。最低点的概念描述为在经历一个或两个峰后和再经历一个或两个峰之间位置显著低谷中TOF值最小的点。以这两个概念定义为基础,我继而定义了一系列概念。在经历最低点前的部分为第一阶段;在经历最低点后的部分为第二阶段。主峰,为选定的几个峰中TOF值最高的一个。前峰,为选定的几个峰中的第一个峰;后峰,为选定的几个峰中最后一个。由上述概念定义,找到了11个与距离相关的波形特征,如表1所示。
表1波形特征定义表
概念 | 概念描述 |
第一阶段主峰峰值 | 在第一阶段最高的峰的TOF值 |
第一阶段主峰位置 | 在第一阶段最高的峰的位置 |
第二阶段主峰峰值 | 在第二阶段最高的峰的TOF值 |
第二阶段主峰位置 | 在第二阶段最高的峰的位置 |
最低点位置 | 最低点的位置 |
初始陡峭程度 | 从第一个点到第一阶段前峰连线的斜率 |
结束陡峭程度 | 从第二阶段后峰到最后一点连线的斜率 |
第一阶段是否为双峰 | 第一阶段里面是否有两个峰 |
第二阶段是否为双峰 | 第二阶段里面是否有两个峰 |
第一阶段面积 | 第一阶段所有TOF值的加总 |
第二阶段面积 | 第二阶段所有TOF值的加总 |
第三步,确定每一个波形特征与距离的关系。根据每个波形特征和距离的关系寻找最佳的数学表达。波形特征和距离一般存在线性或非线性特征的关系,其中有一些波形特征的数学表达式为整型或者实数型,可以试图去寻找与距离的拟合曲线,如线性拟合、三次样条插值、指数拟合、多项式拟合、对数拟合等。还有一些波形特征是布尔量,只存在是与否两种取值。此时采用函数拟合的方式并不合理。这些波形特征的物理含义是在某一距离范围内出现是的概率高于其他距离,所以这些波形特征与距离的函数应该表达为因变量只有0和1的布尔量。
本实施例中,第一主峰峰值、第一主峰位置、第二主峰位置采用线性拟合的方式;第二主峰峰值、结束陡峭程度采用三次多项式拟合;最低点位置、第二峰值面积采用三次样条插值拟合;初始陡峭程度、第一峰值面积采用指数拟合形式。而一峰是否为双峰与二峰是否为双峰这两个布尔变量均求取边界距离。
第四步,波形特征与距离关系函数的存储,由于波形特征与距离的函数关系作为参考标准要在测距中进行使用,所以要在芯片中进行储存。以往TOF测距往往是线性函数关系,所以芯片中直接存储函数关系,测距应用中直接将TOF值带入函数得出距离值。但是在本方法下,不同的波性特征采用不同的拟合关系,如果存储函数关系需要比以往更多的存储空间;特别是三次样条插值函数需要非常多的参数,需要极大的存储空间。而且在测距中,由于一些拟合函数是指对数、多项式函数,带入波形特征求取距离的算法时间复杂度很高。所以在该方法下摒弃了存储拟合函数,改用查找表的方法存***形特征与距离的关系。波形特征为布尔量的函数关系无需采用该方法,直接存储分段函数的边界距离即可。
本方法中,根据相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表并存储,同时存储布尔型参数的分段函数边界距离。根据相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表具体为:
1)将拟合函数离散化,其中,离散间隔小于整个测距***能达到的精度。例如整个***能达到的精度为1m,那么离散间隔应小于0.1m,这样由离散间隔造成的精度损失将不会对整个***的精度产生任何负面影响。
2)得到曲线波形参数距离对应表。
第五步,确定每个曲线波形参数的权重配比及布尔型参数的纠偏量。
每个曲线波形特征与距离的相关程度不同,故赋予每个曲线波形参量以权重,权重和为1,通过以下公式得出初步测量距离:
其中,fi表示第i个曲线波形参数,函数Xi(·)表示由第i个曲线波形参数得出预测距离的参考曲线,pi为第i个曲线波形参数的权重,d表示初步测量距离,n表示曲线波形参数的个数。
而布尔型参数是无法通过布尔值来直接预测距离,故采用纠偏量方式进行修正。即当得出的初步测量距离与布尔型参数值不符时适当地进行纠偏,而纠偏量的大小同样需要考量。所以为了确定每个波形参数的权重和布尔型波形参数的纠偏量,需要通过实验寻找最优化的权重纠偏量组合。如果组合数多到无法用计算机遍历,可以采用遗传算法或退火算法对这一最优化问题进行求解。如果范围较小可计算,可以采用计算机遍历的方法来求取最优组合。特别是可以采用先全局大范围遍历,然后进行局部小范围遍历的方法,来提高权重和纠偏量的精度。
本实施例中,按照上文中所提到的遍历方法,通过计算机编程实现。遍历所有的权重和纠偏距离组合,找出误差最小的组合;再把权重和纠偏距离的精度提高,在最优组合附近进行小范围遍历,从而最后得出最佳的权重配比。
第六步,在上述准备步骤完成后就可进行距离的测量,具体步骤为:
A、采用TOF技术进行重复测量,采集多个TOF周期数;
B、对所采集的TOF周期数进行处理,获得测量距离,具体为:
B1)获取以TOF周期数为横坐标、此次测量中采集得某一TOF周期数的次数为纵坐标的波形图;
B2)获得所述波形图的曲线波形参数值和布尔型参数值;
B3)搜索预先存储的曲线波形参数距离对应表,获取与步骤B2)中的曲线波形参数值对应的预测距离,带入最优权重配比,对所有预测距离进行加权求和得到初步测量距离;
B4)根据步骤B2)中的布尔型参数值对初步测量距离进行纠偏,得到最终的测量距离。
在这次实施例中,以传统的数据处理方式所能达到的测量误差范围为5-6m;而在同等的功耗和硬件下,波形参数的数据处理方法误差范围下降到2-3m。可见在TOF测距中,特别是距离与TOF图形参数强相关的情境下,波形分析能够达到更好的测距效果。
Claims (8)
1.一种TOF技术中基于波形匹配的测距方法,其特征在于,包括以下步骤:
A、采用TOF技术进行重复测量,采集多个TOF周期数;
B、对所采集的TOF周期数进行处理,获得测量距离,具体为:
B1)获取以TOF周期数为横坐标、此次测量中采集得某一TOF周期数的次数为纵坐标的波形图;
B2)获得所述波形图的曲线波形参数值和布尔型参数值;
B3)搜索预先存储的曲线波形参数距离对应表,获取与步骤B2)中的曲线波形参数值对应的预测距离,对所有预测距离进行加权求和得到初步测量距离;
B4)根据步骤B2)中的布尔型参数值对初步测量距离进行纠偏,得到最终的测量距离。
2.根据权利要求1所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述步骤B3)中的曲线波形参数距离对应表通过以下方式获得:
1)在不同距离下采用TOF技术进行重复测量,绘制多个以TOF周期数为横坐标、一次测量中采集得某一TOF周期数的次数为纵坐标的波形图;
2)根据步骤1)中绘制的波形图,获取不同距离下波形图具有的共同特征,以此作为一般形式波形;
3)根据所述一般形式波形获取与距离相关的波形特征,并以相应函数表示每一波形特征与距离的关系,所述波形特征包括曲线波形参数和布尔型参数;
4)根据所述相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表并存储,同时存储布尔型参数的分段函数边界距离。
3.根据权利要求2所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述波形特征中,曲线波形参数与距离的关系采用拟合曲线表示,布尔型参数与距离的关系采用因变量只有0和1的布尔量表示。
4.根据权利要求3所述的TOF技术中基于波形匹配的测距方法,其特征在于,不同的曲线波形参数,采用不同的拟合曲线。
5.根据权利要求3或4所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述拟合曲线包括线性拟合、三次样条插值、指数拟合、多项式拟合或对数拟合。
6.根据权利要求3所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述步骤4)中,根据所述相应函数将曲线波形参数与距离的关系转化为曲线波形参数距离对应表具体为:
401)将相应函数离散化,其中,离散间隔小于整个测距***能达到的精度;
402)得到曲线波形参数距离对应表。
7.根据权利要求1所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述步骤B3)中,对所有预测距离进行加权求和得到初步测量距离的公式如下:
<mrow>
<mi>d</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
其中,fi表示第i个曲线波形参数,函数Xi(·)表示由第i个曲线波形参数得出预测距离的参考曲线,pi为第i个曲线波形参数的权重,d表示初步测量距离,n表示曲线波形参数的个数。
8.根据权利要求1所述的TOF技术中基于波形匹配的测距方法,其特征在于,所述加权求和时采用的权重配比与根据布尔型参数值对初步测量距离进行纠偏时采用的纠偏量的组合通过优化算法获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510800869.9A CN105467383B (zh) | 2015-11-19 | 2015-11-19 | 一种tof技术中基于波形匹配的测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510800869.9A CN105467383B (zh) | 2015-11-19 | 2015-11-19 | 一种tof技术中基于波形匹配的测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105467383A CN105467383A (zh) | 2016-04-06 |
CN105467383B true CN105467383B (zh) | 2017-10-10 |
Family
ID=55605286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510800869.9A Expired - Fee Related CN105467383B (zh) | 2015-11-19 | 2015-11-19 | 一种tof技术中基于波形匹配的测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105467383B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563297B (zh) * | 2017-08-07 | 2020-06-09 | 中国石油天然气集团公司 | 一种波形匹配方法及装置 |
CN110986816B (zh) * | 2019-10-20 | 2022-02-11 | 奥比中光科技集团股份有限公司 | 一种深度测量***及其测量方法 |
CN110736993A (zh) * | 2019-10-31 | 2020-01-31 | 重庆交通大学 | 一种用于室内多目标定位的超声波定位***及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2136221B1 (en) * | 2008-06-18 | 2013-10-09 | Saab Ab | Validity check of vehicle position information transmitted over a time-synchronized data link |
CN102508234B (zh) * | 2011-11-09 | 2013-07-10 | 四川九洲电器集团有限责任公司 | 基于突发脉冲波形的距离解算方法 |
US9325920B2 (en) * | 2012-01-10 | 2016-04-26 | Softkinetics Sensors Nv | Processing of time-of-flight signals |
US20140073352A1 (en) * | 2012-09-11 | 2014-03-13 | Qualcomm Incorporated | Method for precise location determination |
RU2660824C2 (ru) * | 2013-06-04 | 2018-07-10 | Конинклейке Филипс Н.В. | Улучшенное измерение расстояния с использованием времени пролета |
EP2894491B1 (en) * | 2013-12-18 | 2020-05-27 | LG Electronics Inc. | Distance measuring device and method thereof |
-
2015
- 2015-11-19 CN CN201510800869.9A patent/CN105467383B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105467383A (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
GB2547816B (en) | Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation | |
CN105467383B (zh) | 一种tof技术中基于波形匹配的测距方法 | |
CN104091216A (zh) | 基于果蝇优化最小二乘支持向量机的交通信息预测方法 | |
CN104537432B (zh) | 基于证据推理的电力***多目标优化调度的决策方法 | |
CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
CN104867130A (zh) | 一种基于裂纹图像子区灰度均值的自适应分割方法 | |
CN105005029A (zh) | 一种基于数据场层次聚类的多模雷达信号分选方法 | |
CN103607772A (zh) | 一种基于lmbp神经网络的泰勒定位算法 | |
CN110647647B (zh) | 一种基于时间序列复杂度差异性的封闭图形相似性搜索方法 | |
CN104778480A (zh) | 一种基于局部密度和测地距离的分层谱聚类方法 | |
Huang et al. | Hinging hyperplanes for time-series segmentation | |
CN108053646B (zh) | 基于时间敏感特征的交通特征获取方法、预测方法及*** | |
CN105761489A (zh) | 一种交通流预测的三次指数平滑最优方法 | |
CN104715160A (zh) | 基于kmdb的软测量建模数据异常点检测方法 | |
WO2023236619A1 (zh) | 一种交通排放配额分配过程中离群数据识别的优化方法 | |
CN103049664A (zh) | 一种基于地点类别划分的温度插值方法 | |
CN106980872A (zh) | 基于投票委员会的k最近邻分类方法 | |
CN103777244A (zh) | 一种地震裂缝属性体的定量分析方法 | |
CN103207936A (zh) | 一种基于空间缩减策略的序列采样算法 | |
CN110909792A (zh) | 一种基于改进K-means算法和新聚类有效性指标的聚类分析方法 | |
Zhi-fu et al. | Radar emitter recognition based on PSO-BP network | |
CN108415877A (zh) | Weibull分布参数的一种等尾置信区间估计方法 | |
CN101988964B (zh) | 高效二次雷达目标周期相关处理工作方法 | |
CN114419294A (zh) | 一种曲面变分阈值的自适应确定方法 | |
Peng et al. | Uck-means: A customized k-means for clustering uncertain measurement data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171010 Termination date: 20211119 |