CN115728588B - 一种基于大数据的电磁兼容检测***和方法 - Google Patents
一种基于大数据的电磁兼容检测***和方法 Download PDFInfo
- Publication number
- CN115728588B CN115728588B CN202211659878.7A CN202211659878A CN115728588B CN 115728588 B CN115728588 B CN 115728588B CN 202211659878 A CN202211659878 A CN 202211659878A CN 115728588 B CN115728588 B CN 115728588B
- Authority
- CN
- China
- Prior art keywords
- signal
- electromagnetic
- modulation pattern
- module
- detected
- 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
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于大数据的电磁兼容检测***及方法,所述***包括控制模块以及分别与所述控制模块电连接的信号采集模块、检测目标信号提取模块、调制样式识别模块和结果输出模块;控制模块控制该***依次执行信号采样的操作、信号提取的操作、调制样式识别的操作以及检测结果输出的操作,能够确定出检测环境当中的电磁信号调制样式并将检测结果输出,有利于后续关于该电磁信号的针对性调整,从而有利于其调整的高效性。
Description
技术领域
本发明涉及电性能测试技术领域,尤其涉及一种基于大数据的电磁兼容检测***和方法。
背景技术
大数据主要具有数据量庞大、数据类型多种多样、单位数据价值低以及要求数据处理效率高的特点。
电磁兼容的测量由测试场地和测试仪器组成。EMC测试目的是检测电器产品所产生的电磁辐射对人体、公共电网以及其他正常工作之电器产品的影响。电磁兼容性,主要体现在设备应具备一定的电磁抗扰度以及该设备自身产生的电磁骚扰不能对其他电子产品产生过大的影响。
专利CN114113857A公开了一种电磁兼容测试***及电磁兼容测试方法,能够根据设备属性进行分析,进一步作出相应适配的检测,通过该***能够为用户准确且迅速的反馈出电磁干扰项以及干扰频率及性质。
专利CN105445672A公开了一种新能源汽车动力电池电磁兼容检测方法,分别对动力电池进行电磁干扰测试和抗电磁骚扰敏感度测试和建模仿真,两种测试分加装电磁屏蔽装置和不加装装置,以及分为静止状态和行驶状态,对上述各种结果进行对比。
可以理解的是,以上检索到的相关技术文献,能够对于设备的抗干扰能力以及自身所产生的电磁骚扰进行检测,但是,无法确定出检测环境当中的电磁信号调制样式,这显然不利于有针对性地调整环境当中(和/或设备产生)的电磁信号,进而不利于该电磁信号调整的高效性。
可见,如何设计一款能够确定出检测环境当中的电磁信号调制样式的检测***,是亟需解决的技术问题。
发明内容
本发明所要解决的技术问题在于,提供一种基于大数据的电磁兼容检测***及方法,能够确定出检测环境当中的电磁信号调制样式。
为了解决上述技术问题,本发明第一方面公开了一种基于大数据的电磁兼容检测***,所述电磁兼容检测***包括控制模块以及分别与所述控制模块电连接的信号采集模块、检测目标信号提取模块、调制样式识别模块和结果输出模块,其中,所述控制模块执行的控制步骤包括:
所述控制模块控制所述信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号;
所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号;
所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式;
所述控制模块控制所述结果输出模块输出表示电磁兼容检测结果的第一结果信息,其中,所述第一结果信息包括检测范围内的待检测电磁信号的调制样式信息。
可见,本发明第一方面公开的基于大数据的电磁兼容检测***中,依次执行信号采样的操作、信号提取的操作、调制样式识别的操作以及检测结果输出的操作,能够确定出检测环境当中的电磁信号调制样式并将检测结果输出,有利于后续关于该电磁信号的针对性调整,从而有利于其调整的高效性。
作为一种可选的实施方式,本发明中,所述电磁兼容检测***还包括与所述控制模块电连接的电磁信号异常判定模块,在所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号之后,以及在所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式之前,所述控制步骤还包括:
所述控制模块控制所述电磁信号异常判定模块判定所述待检测电磁信号的频域是否属于预先确定的频域范围内;
若是,则所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作;
若否,则所述控制模块控制所述结果输出模块输出表示所述待检测电磁信号异常的第二结果信息。
作为一种可选的实施方式,本发明中,所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号的过程具体包括:
所述检测目标信号提取模块对所述电磁采样信号作放大处理,得到第一电磁信号;
所述检测目标信号提取模块生成第一电磁信号在预设时间段内的变化曲线图;
当所述变化曲线图仅包括一条关于所述第一电磁信号的变化曲线时,所述检测目标信号提取模块将所述第一电磁信号标记为电磁采样信号;
当所述变化曲线图包括两条或者多条关于所述第一电磁信号的变化曲线时,所述检测目标信号提取模块通过干扰信号排查算法从两条或者多条关于所述第一电磁信号的变化曲线中排查出属于干扰信号的变化曲线,以确定出电磁采样信号。
作为一种可选的实施方式,本发明中,所述干扰信号排查算法的执行步骤包括:
在预设时间段内,确定所述第一电磁信号的变化曲线上的若干个排查点;
求取排查点的干扰信号评价指标Q:
求取排查点的干扰信号评价指标Q与先验干扰信号评价指标阈值R之间的偏差K:
判定所述偏差K是否大于等于先验偏差阈值,若是,则判定对应的变化曲线为干扰信号的变化曲线,若否,则判定对应的变化曲线为目标信号变化曲线,所述目标信号变化曲线对应的电磁信号为电磁采样信号。
作为一种可选的实施方式,本发明中,所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作过程中,所述调制样式识别模块将所述待检测电磁信号的变化曲线图作为深度学习神经网络的输入,以使得所述深度学习神经网络对所述待检测电磁信号的变化曲线图执行图像特征提取的操作,并根据所提取到的图像特征,确定所述待检测电磁信号的变化曲线图所对应的调制样式。
作为一种可选的实施方式,本发明中,所述深度学习神经网络包括网络结构以及与所述网络结构匹配的权值函数,其中,所述权值函数基于电磁信号变化曲线图与调制样式标签构成的训练数据集而预先确定。
本发明第二方面公开一种基于大数据的电磁兼容检测方法,应用于如本发明第一方面所描述的基于大数据的电磁兼容检测***,所述方法包括:
所述控制模块控制所述信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号;
所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号;
所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式;
所述控制模块控制所述结果输出模块输出表示电磁兼容检测结果的第一结果信息,其中,所述第一结果信息包括检测范围内的待检测电磁信号的调制样式信息。
可见,本发明第二方面公开的一种基于大数据的电磁兼容检测方法中,控制模块控制该***依次执行信号采样的操作、信号提取的操作、调制样式识别的操作以及检测结果输出的操作,能够确定出检测环境当中的电磁信号调制样式并将检测结果输出,有利于后续关于该电磁信号的针对性调整,从而有利于其调整的高效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于大数据的电磁兼容检测***的结构示意图;
图2是本发明实施例的控制模块执行的控制步骤的流程示意图;
图3是本发明实施例的检测目标信号提取模块执行信号提取操作的流程示意图;
图4是本发明实施例的第一电磁信号的变化曲线的示例图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、模块、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图1所示,本发明第一方面公开的一种基于大数据的电磁兼容检测***包括控制模块以及包括控制模块以及分别与控制模块电连接的信号采集模块、检测目标信号提取模块、调制样式识别模块和结果输出模块。
控制模块可以用于控制信号采集模块、检测目标信号提取模块以及调制样式识别模块工作,具体地,如图2所示,控制模块执行的控制步骤包括:
S101、控制模块控制信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号。
S102、控制模块控制检测目标信号提取模块对电磁采样信号执行信号提取的操作,得到待检测电磁信号。
S103、控制模块控制调制样式识别模块对待检测电磁信号执行调制样式识别的操作,确定出待检测电磁信号对应的调制样式。
S104、控制模块控制结果输出模块输出表示电磁兼容检测结果的第一结果信息。
其中,第一结果信息包括检测范围内的待检测电磁信号的调制样式信息。可选的,该调制样式可以为BPSK、QPSK、8PSK等等。
可见,本发明第一方面公开的基于大数据的电磁兼容检测***中,依次执行信号采样的操作、信号提取的操作、调制样式识别的操作以及检测结果输出的操作,能够确定出检测环境当中的电磁信号调制样式并将检测结果输出,有利于后续关于该电磁信号的针对性调整,从而有利于其调整的高效性。
可选的,信号采集模块可以设置有用于接收检测范围内的电磁信号的信号接收装置,还可以设置有对该信号接收装置接收到的电磁信号作放大处理的信号放大装置,以及可以设置有用于对该电磁信号作降噪处理的信号降噪装置,通过对采集到的信号作放大、降噪处理,便于检测目标信号提取模块能够高效地执行信号提取的操作。
可选的,为了提高调制样式识别模块执行调制样式识别操作的高效性,在执行该操作之前,需要对电磁采样信号是否为异常信号进行筛查。具体地,如图1所示,电磁兼容检测***还包括与控制模块电连接的电磁信号异常判定模块。在控制模块控制检测目标信号提取模块对电磁采样信号执行信号提取的操作,得到待检测电磁信号之后,以及在控制模块控制调制样式识别模块对待检测电磁信号执行调制样式识别的操作,确定出待检测电磁信号对应的调制样式之前,该控制步骤还包括以下操作:
控制模块控制电磁信号异常判定模块判定待检测电磁信号的频域是否属于预先确定的频域范围内,
若是,则控制模块控制调制样式识别模块对待检测电磁信号执行调制样式识别的操作。
若否,则控制模块控制结果输出模块输出表示待检测电磁信号异常的第二结果信息。
可选的,检测环境中的电磁信号(即电磁采样信号)可能是具有若干路的,也可能是具有变化无规律的干扰信号,那么,为了提高所得到的待检测电磁信号的高效性,如图3所示,检测目标信号提取模块对电磁采样信号执行信号提取的操作,得到待检测电磁信号的过程可以具体包括以下步骤:
S201、检测目标信号提取模块对电磁采样信号作放大处理,得到第一电磁信号。
S202、检测目标信号提取模块生成第一电磁信号在预设时间段内的变化曲线图。
S203a、当变化曲线图仅包括一条关于第一电磁信号的变化曲线时,检测目标信号提取模块将第一电磁信号标记为电磁采样信号。
S203b、当变化曲线图包括两条或者多条关于第一电磁信号的变化曲线时(如图4所示,具有两条关于第一电磁信号的变化曲线),检测目标信号提取模块通过干扰信号排查算法从两条或者多条关于第一电磁信号的变化曲线中排查出属于干扰信号的变化曲线,以确定出电磁采样信号。
进一步可选的,干扰信号排查算法的执行步骤可以包括:
(1)在预设时间段内,确定第一电磁信号的变化曲线上的若干个排查点;
(2)求取排查点的干扰信号评价指标Q:
(3)求取排查点的干扰信号评价指标Q与先验干扰信号评价指标阈值R之间的偏差K:
(4)判定偏差K是否大于等于先验偏差阈值,若是,则判定对应的变化曲线为干扰信号的变化曲线,若否,则判定对应的变化曲线为目标信号变化曲线,目标信号变化曲线对应的电磁信号为电磁采样信号。
又进一步可选的,先验干扰信号评价指标阈值和先验偏差阈值可以是在该检测***调试过程中经过反复试验和调整所确定的经验值。
可选的,为了提高调制样式识别的智能化程度,以及更好地利用大数据当中数据量庞大的特点,该调制样式识别操作可以基于深度学习神经网络实现。即调制样式识别模块对待检测电磁信号执行调制样式识别的操作过程中,调制样式识别模块将待检测电磁信号的变化曲线图作为深度学习神经网络的输入,以使得深度学习神经网络对待检测电磁信号的变化曲线图执行图像特征提取的操作,并根据所提取到的图像特征,确定待检测电磁信号的变化曲线图所对应的调制样式。
进一步可选的,深度学习神经网络包括网络结构以及与网络结构匹配的权值函数。其中,权值函数基于电磁信号变化曲线图与调制样式标签构成的训练数据集而预先确定。具体地,可以选用现有的经过预训练的神经网络模型,如Fast R-CNN、YOLO等用于执行目标检测任务的神经网络模型作为基础;根据应用场景的需要,建立电磁信号变化曲线图像数据库,其中,该图像数据库包含若干电磁信号变化曲线图像以及各个图像对应图像标签,该图像标签可以是其对应的调制样式;用于执行调制样式识别操作的是基于该图像数据库对上述的神经网络模型进行训练后做得到的,即与该网络结构匹配的、基于图像数据库训练后所得到的权值函数。训练后的神经网络模型将实时得到的待检测电磁信号变化曲线图作为输入,对其进行图像特征提取并根据提取到的图像特征,确定出对应的调制样式,即以该模型所确定的待检测电磁信号的变化曲线图所对应的调制样式为输出。
本发明第二方面公开了一种基于大数据的电磁兼容检测方法,应用于本发明第一方面所描述的基于大数据的电磁兼容检测***中,该方法包括:
控制模块控制信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号;
控制模块控制检测目标信号提取模块对电磁采样信号执行信号提取的操作,得到待检测电磁信号;
控制模块控制调制样式识别模块对待检测电磁信号执行调制样式识别的操作,确定出待检测电磁信号对应的调制样式;
控制模块控制结果输出模块输出表示电磁兼容检测结果的第一结果信息,其中,第一结果信息包括检测范围内的待检测电磁信号的调制样式信息。
可见,本发明第二方面公开的一种基于大数据的电磁兼容检测方法中,控制模块控制该***依次执行信号采样的操作、信号提取的操作、调制样式识别的操作以及检测结果输出的操作,能够确定出检测环境当中的电磁信号调制样式并将检测结果输出,有利于后续关于该电磁信号的针对性调整,从而有利于其调整的高效性。
以上所描述的模块实施例仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:本发明实施例公开的一种基于大数据的电磁兼容检测***及方法所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述的实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明的实施例技术方案的精神和范围。
Claims (4)
1.一种基于大数据的电磁兼容检测***,其特征在于,所述电磁兼容检测***包括控制模块以及分别与所述控制模块电连接的信号采集模块、检测目标信号提取模块、调制样式识别模块和结果输出模块,其中,所述控制模块执行的控制步骤包括:
所述控制模块控制所述信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号;
所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号;
所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式;
所述控制模块控制所述结果输出模块输出表示电磁兼容检测结果的第一结果信息,其中,所述第一结果信息包括检测范围内的待检测电磁信号的调制样式信息;
所述电磁兼容检测***还包括与所述控制模块电连接的电磁信号异常判定模块,在所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号之后,以及在所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式之前,所述控制步骤还包括:
所述控制模块控制所述电磁信号异常判定模块判定所述待检测电磁信号的频域是否属于预先确定的频域范围内;
若是,则所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作;
若否,则所述控制模块控制所述结果输出模块输出表示所述待检测电磁信号异常的第二结果信息;
所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号的过程具体包括:
所述检测目标信号提取模块对所述电磁采样信号作放大处理,得到第一电磁信号;
所述检测目标信号提取模块生成第一电磁信号在预设时间段内的变化曲线图;
当所述变化曲线图仅包括一条关于所述第一电磁信号的变化曲线时,所述检测目标信号提取模块将所述第一电磁信号标记为电磁采样信号;
当所述变化曲线图包括两条或者多条关于所述第一电磁信号的变化曲线时,所述检测目标信号提取模块通过干扰信号排查算法从两条或者多条关于所述第一电磁信号的变化曲线中排查出属于干扰信号的变化曲线,以确定出电磁采样信号;
所述干扰信号排查算法的执行步骤包括:
在预设时间段内,确定所述第一电磁信号的变化曲线上的若干个排查点;
求取排查点的干扰信号评价指标Q:
式中,T为选取排查点的个数,i表示排查点的排序,yi表示第i个排查点在变化曲线纵坐标的值,ye表示排查点在变化曲线上纵坐标的均值,μ为排查点在变化曲线纵坐标的值而求得的标准差;
求取排查点的干扰信号评价指标Q与先验干扰信号评价指标阈值R之间的偏差K:
K=|Q-R|+ε
式中,ε为偏差校正量,ε∈(0,ymax-ymin),其中,ymax表示排查点在变化曲线上纵坐标的最大值,ymin表示排查点在变化曲线上纵坐标的最小值;
判定所述偏差K是否大于等于先验偏差阈值,若是,则判定对应的变化曲线为干扰信号的变化曲线,若否,则判定对应的变化曲线为目标信号变化曲线,所述目标信号变化曲线对应的电磁信号为电磁采样信号。
2.根据权利要求1所述的基于大数据的电磁兼容检测***,其特征在于,所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作过程中,所述调制样式识别模块将所述待检测电磁信号的变化曲线图作为深度学习神经网络的输入,以使得所述深度学习神经网络对所述待检测电磁信号的变化曲线图执行图像特征提取的操作,并根据所提取到的图像特征,确定所述待检测电磁信号的变化曲线图所对应的调制样式。
3.根据权利要求2所述的基于大数据的电磁兼容检测***,其特征在于,所述深度学习神经网络包括网络结构以及与所述网络结构匹配的权值函数,其中,所述权值函数基于电磁信号变化曲线图与调制样式标签构成的训练数据集而预先确定。
4.一种基于大数据的电磁兼容检测方法,其特征在于,应用于如权利要求3所述的基于大数据的电磁兼容检测***,所述方法包括:
所述控制模块控制所述信号采集模块对检测范围内的电磁信号执行信号采样的操作,得到电磁采样信号;
所述控制模块控制所述检测目标信号提取模块对所述电磁采样信号执行信号提取的操作,得到待检测电磁信号;
所述控制模块控制所述调制样式识别模块对所述待检测电磁信号执行调制样式识别的操作,确定出所述待检测电磁信号对应的调制样式;
所述控制模块控制所述结果输出模块输出表示电磁兼容检测结果的第一结果信息,其中,所述第一结果信息包括检测范围内的待检测电磁信号的调制样式信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659878.7A CN115728588B (zh) | 2022-12-23 | 2022-12-23 | 一种基于大数据的电磁兼容检测***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659878.7A CN115728588B (zh) | 2022-12-23 | 2022-12-23 | 一种基于大数据的电磁兼容检测***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115728588A CN115728588A (zh) | 2023-03-03 |
CN115728588B true CN115728588B (zh) | 2023-06-13 |
Family
ID=85301985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659878.7A Active CN115728588B (zh) | 2022-12-23 | 2022-12-23 | 一种基于大数据的电磁兼容检测***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115728588B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270382B (zh) * | 2023-11-20 | 2024-01-30 | 众芯汉创(江苏)科技有限公司 | 一种无人机智能化设备管控*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541511A (zh) * | 2020-04-20 | 2020-08-14 | 中国人民解放军海军工程大学 | 复杂电磁环境下基于目标检测的通信干扰信号识别方法 |
KR20220086411A (ko) * | 2020-12-16 | 2022-06-23 | 한국전자통신연구원 | 대기 굴절률 기울기 산출 장치 및 방법 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014082214A1 (zh) * | 2012-11-28 | 2014-06-05 | 华为技术有限公司 | 干扰源识别方法及*** |
CN109239360B (zh) * | 2018-09-14 | 2022-04-01 | 深圳开立生物医疗科技股份有限公司 | 一种反应曲线异常检测方法及装置 |
CN109246731B (zh) * | 2018-10-23 | 2021-08-20 | 京信网络***股份有限公司 | Prb干扰指标的优化方法、装置、计算机存储介质及设备 |
CN110163282B (zh) * | 2019-05-22 | 2022-12-06 | 西安电子科技大学 | 基于深度学习的调制方式识别方法 |
CN111695417B (zh) * | 2020-04-30 | 2023-03-14 | 中国人民解放军空军工程大学 | 一种信号调制样式识别方法 |
AT523903B1 (de) * | 2020-06-12 | 2023-02-15 | Matissek Msc Michael | Umwelt-/Gesundheitsmonitoringsystem zur Erfassung von elektromagnetischen Feldern und der Beeinflussung vegetativer Regulationsmechanismen des menschlichen Organismus |
CN111934796B (zh) * | 2020-07-15 | 2022-06-17 | 山东建筑大学 | 一种lte上行干扰自动标注方法及*** |
CN113221454B (zh) * | 2021-05-06 | 2022-09-13 | 西北工业大学 | 一种基于深度强化学习的电磁辐射源辨识方法 |
CN113341257A (zh) * | 2021-06-15 | 2021-09-03 | 安徽精科检测技术有限公司 | 一种汽车电磁兼容测试用移动式转毂平台 |
CN114113857B (zh) * | 2021-11-26 | 2022-08-05 | 广东省医疗器械质量监督检验所 | 一种电磁兼容测试***及电磁兼容测试方法 |
CN114567528B (zh) * | 2022-01-26 | 2023-05-23 | 中国人民解放军战略支援部队信息工程大学 | 基于深度学习的通信信号调制方式开集识别方法及*** |
-
2022
- 2022-12-23 CN CN202211659878.7A patent/CN115728588B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541511A (zh) * | 2020-04-20 | 2020-08-14 | 中国人民解放军海军工程大学 | 复杂电磁环境下基于目标检测的通信干扰信号识别方法 |
KR20220086411A (ko) * | 2020-12-16 | 2022-06-23 | 한국전자통신연구원 | 대기 굴절률 기울기 산출 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN115728588A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529090B (zh) | 一种航天电子类产品可靠性评估方法 | |
CN110971677B (zh) | 一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法 | |
CN115728588B (zh) | 一种基于大数据的电磁兼容检测***和方法 | |
CN111738348B (zh) | 一种电力数据异常检测方法和装置 | |
CN110596506A (zh) | 基于时间卷积网络的变换器故障诊断方法 | |
CN111695620A (zh) | 一种电力***时间序列异常数据检测与修正方法及*** | |
CN116123042A (zh) | 一种风力发电机组的智能监测预警方法及*** | |
CN113962264A (zh) | 一种基于深度学习的航空发动机转子***故障诊断算法 | |
CN112202630A (zh) | 一种基于无监督模型的网路质量异常检测方法及装置 | |
CN116125242A (zh) | 对象检测方法及*** | |
CN112600659B (zh) | 基于神经网络的安全芯片侧信道泄漏检测方法及*** | |
CN117330850B (zh) | 用于智能移动终端的辐射检测方法、***、设备及介质 | |
CN113837895A (zh) | 基于电力扰动数据的配电网异常事件识别方法及*** | |
CN112083275A (zh) | 一种配网故障类型识别方法及*** | |
CN115588439B (zh) | 一种基于深度学习的声纹采集装置的故障检测方法及装置 | |
CN116961799A (zh) | 一种基于时频域分布特征的信号干扰检测方法 | |
CN111929489A (zh) | 故障电弧电流的检测方法及*** | |
CN116225264A (zh) | 基于触摸屏传感器的信号干扰噪声去除*** | |
CN116361191A (zh) | 一种基于人工智能的软件兼容性处理方法 | |
CN111695501B (zh) | 一种基于操作***内核调用数据的设备软故障检测方法 | |
CN112541177A (zh) | 一种基于数据安全的异常检测方法及*** | |
CN117609704B (zh) | 一种基于神经网络模型的智能电表的电计量误差分析装置 | |
CN118091300B (zh) | 基于数据分析的贴片电阻故障诊断方法 | |
CN116150666B (zh) | 储能***故障检测方法、装置及智能终端 | |
CN113011096B (zh) | 基于模型和数据混合驱动的电流互感器饱和波形恢复方法 |
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 |