CN115993488A - 一种电磁环境的智能监测方法及*** - Google Patents
一种电磁环境的智能监测方法及*** Download PDFInfo
- Publication number
- CN115993488A CN115993488A CN202310295420.6A CN202310295420A CN115993488A CN 115993488 A CN115993488 A CN 115993488A CN 202310295420 A CN202310295420 A CN 202310295420A CN 115993488 A CN115993488 A CN 115993488A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target
- type
- radiation level
- electromagnetic
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 411
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005855 radiation Effects 0.000 claims abstract description 177
- 239000013598 vector Substances 0.000 claims description 69
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000005670 electromagnetic radiation Effects 0.000 description 41
- 230000009467 reduction Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005474 detonation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Landscapes
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本申请涉及电磁环境监测技术领域,提供一种电磁环境的智能监测方法及***。通过根据场所监测类型匹配监测方案对场所进行监测,得到多组具备监测条件标识的监测数据,遍历监测数据得到监测条件遍历结果以及多个辐射电平,基于监测位置和监测时间标识对辐射电平生成电磁环境模型;基于场所位置和电磁环境模型得到电磁环境监测数据,分析生成电磁环境预测结果对场所进行电磁干预。解决现有技术中存在对于给定场所的电磁环境监测有效性和准确性不足,导致无法及时干预给定场所发生的电磁污染的技术问题,实现了提高对于给定场所的电磁环境监测有效性和准确性,从而及时消除环境电磁污染,降低电磁污染对于人们生产生活的影响的技术效果。
Description
技术领域
本申请涉及电磁环境监测技术领域,特别是涉及一种电磁环境的智能监测方法及***。
背景技术
随着科技发展,为满足普罗大众对于即时通信的需求,无线电技术迅速发展,各类型无线电设备以及无线电基础设施如雨后春笋般出现并投入使用,普罗大众在享受无线电带来的巨大遍历的同时,也身处于日渐复杂的电磁环境中。
复杂的电磁环境在无形中极大的影响着人们的生产生活,除却干扰信号造成无线电设备通信中断外,还存在影响人体健康的巨大隐患,因而对于具有无线电设备使用需求的场所内电磁环境状况进行监测,从而进行及时有效的干预从而减少电磁污染对于的无线电设备运行干扰以及人体健康影响。
现阶段对于场所内电磁环境监测的存在测量精度不足的缺陷,现有技术中存在对于给定场所的电磁环境监测有效性和准确性不足,导致无法及时干预给定场所发生的电磁污染的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现提高对于给定场所的电磁环境监测有效性和准确性,从而及时消除环境电磁污染,降低电磁污染对于人们生产生活的影响的一种电磁环境的智能监测方法及***。
一种电磁环境的智能监测方法,方法包括:获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
一种电磁环境的智能监测***,所述***包括:监测类型分析模块,用于获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;监测方案匹配模块,用于匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;监测条件获得模块,用于获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;辐射电平获得模块,用于基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;环境模型生成模块,用于结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;预测结果获得模块,用于获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;电磁干预执行模块,用于根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
上述一种电磁环境的智能监测方法及***,解决了现有技术中存在对于给定场所的电磁环境监测有效性和准确性不足,导致无法及时干预给定场所发生的电磁污染的技术问题,实现了提高对于给定场所的电磁环境监测有效性和准确性,从而及时消除环境电磁污染,降低电磁污染对于人们生产生活的影响的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种电磁环境的智能监测方法的流程示意图;
图2为一个实施例中一种电磁环境的智能监测方法中得到目标监测类型的流程示意图;
图3为一个实施例中一种电磁环境的智能监测***的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:监测类型分析模块1,监测方案匹配模块2,监测条件获得模块3,辐射电平获得模块4,环境模型生成模块5,预测结果获得模块6,电磁干预执行模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种电磁环境的智能监测方法,包括:
S100:获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
在一个实施例中,如图2所示,所述获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型,本申请提供的方法步骤S100还包括:
S110:提取所述预设监测环境类型中的第一预设类型;
S120:对所述第一预设类型进行多特征分析,得到第一类型特征;
S130:获取所述目标场所的目标场所特征,并与所述第一类型特征进行对比分析,得到对比结果;
S140:基于所述对比结果确定所述目标监测类型。
在一个实施例中,所述基于所述对比结果确定所述目标监测类型,本申请提供的方法步骤S140还包括:
S141:获取预设标签方案;
S142:根据所述预设标签方案依次对所述第一类型特征和所述目标场所特征进行标签标记,分别得到第一类型向量和第一目标向量;
S143:对比所述第一类型向量和所述第一目标向量,并计算得到类型相似度,其中,所述类型相似度的计算公式如下:
其中,所述是指所述类型相似度,所述是指所述第一类型向量,所述i是指所述第一类型特征,所述是指所述第一目标向量,所述j是指所述目标场所特征,所述是指所述第一类型向量和所述第一目标向量的匹配对一致的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为a的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为b的数量,所述是指所述第一类型向量和所述第一目标向量的匹配对的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为a、b的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为b、a的数量;
S144:筛选所述类型相似度的最大值,记作最大类型相似度;
S145:反向匹配所述最大类型相似度的预设类型,并设为所述目标监测类型。
具体而言,在本实施例中,所述预设监测环境类型包括内环境监测和外环境监测两种类型,其中,内环境监测属于近场区强电磁辐射环境监测,指在大功率电子设备或发射天线附近作业区内进行电磁辐射监测;外环境监测指对城市电磁辐射环境监测和典型电磁辐射环境监测。
提取所述预设监测环境类型中的第一预设类型,所述第一预设类型为内环境监测和外环境监测两种监测环境类型中随机某个,本实施例以所述第一预设类型为内环境监测为例进行,进行后续实施例公开阐述。
当所述第一预设类型为内环境监测类型时,获取历史符合内环境监测类型的多个给定场所,基于多个给定场所采集获取多组特征设备和/或特征装置,对于多个给定场所中出现的多组特征设备和/或特征装置进行出现频次归一化处理,获得所述第一类型特征,所述第一类型特征为历史出现于符合内环境监测类型的给定场所中的各类型设备和装置。
所述目标场所即为当前待进行电磁环境监测的给定场所,获取所述目标场所中的当前存在的一个或多个设备和/或装置,作为所述目标场所的场所特征。
获取预设标签方案,所述预设标签方案为符合内环境监测类型的标准给定场所中的应当存在的各类型设备和装置,基于所述预设标签方案对所述第一类型特征进行标签标记,所述第一类型特征中存在的设备或装置存在与所述预设标签方案中时,对于该设备或装置标记为1,反之标记为0,完成第一类型特征的标签标记,按照所述预设标签方案中各个设备装置的顺序进行0、1标记排序,获得第一类型特征的第一类型向量,采用相同方法获得所述目标粗昂所特征的所述第一目标向量。
利用Tanimoto相似系数算法,计算得到类型相似度,其中,所述类型相似度的计算公式如下:
其中,所述是指所述类型相似度,所述是指所述第一类型向量,所述i是指所述第一类型特征,所述是指所述第一目标向量,所述j是指所述目标场所特征,所述是指所述第一类型向量和所述第一目标向量的匹配对一致的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为a的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为b的数量,所述是指所述第一类型向量和所述第一目标向量的匹配对的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为a、b的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为b、a的数量。
采用相同方法获得第一预设类型为外环境监测类型时,目标场所与第一预设类型的类型相似度。比对对应于外环境监测类型的类型相似度和对应于内环境监测类型的类型相似度,筛选所述类型相似度的最大值,记作最大类型相似度,反向匹配所述最大类型相似度的预设类型,并设为所述目标监测类型。
示例性的,当对应于外环境监测类型的类型相似度大于对应于内环境监测类型的类型相似度时,则将外环境监测类型设为所述目标场所的所述目标监测类型。采用所述目标监测类型的常规监测方法,即可对目标场所的电磁环境信息进行有效采集。
本实施例实现了科学分析目标场所,确定目标场所的合适监测类型,为后续对目标场所进行有效电磁辐射监测,获得有效数据进行电磁辐射分析提供参考的技术效果。
S200:匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
具体而言,在本实施例中,所述预设监测方案对应于所述预设监测环境类型,包括内环境监测方案和外环境监测方案,且所述预设监测方案实质为常规监测方案,例如外环境监测的常规方案为在一定空间范围内按区域划分许多监测点,逐点测量其电磁辐射振幅与频率特性,从而获得区域的电磁辐射电平。
匹配所述目标监测类型的所述预设监测方案,基于所述预设监测方案对所述目标场所执行监测,得到目标监测记录信息,所述目标监测记录信息包括多组具备监测条件标识的监测数据,所述监测条件标识具体由监测时间标识、监测位置标识、监测执行人员标识以及监测设备标识组成,所述监测数据为电磁辐射电平随时间变化的数据集合。
S300:获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
S400:基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
具体而言,在本实施例中,所述预设监测条件包括监测时间区间阈值、监测位置要求、监测执行人员要求以及监测设备要求。所述预设监测条件中各项指标信息可根据技术人员实际需要进行填写,所述预设监测条件用于后续从多组具备监测条件标识的监测数据中提取获得符合预设监测条件要求的电磁辐射电平数据提供约束条件。
基于技术人员需求生成所述预设监测条件,对所述多组具备监测条件标识的监测数据进行遍历筛选,得到多项监测条件标识均符合所述预设监测条件要求的监测数据作为所述监测条件遍历结果,所述监测条件遍历结果为符合所述预设监测条件要求的,一定时间范围内监测获得的电磁辐射电平数据。
因而基于所述监测条件遍历结果得到多个在每一监测时间都具有监测位置标识的辐射电平。基于所述监测条件遍历结果提取获得第一辐射电平,所述第一辐射电平包括在多个监测位置执行电磁辐射监测获得的多个电磁辐射电平数据集合。
所述第一辐射电平的第一监测位置标识中存储有多个监测位置的经纬度标识以及对应于多个监测位置执行电磁辐射监测的时间信息的所述第一监测时间标识。
S500:结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
具体而言,在本实施例中,所述目标电磁环境模型为可视电磁辐射电平的具体监测位置、监测时间以及具体辐射电平数据的数学模型,具体的,获得所述目标场所轮廓经纬度数据集合作为所述目标电磁环境模型的构建基础,以所述目标场所轮廓经纬度数据生成目标场所的俯视平面图,并将所述第一监测位置标识逐一带入俯视平面图中获得所述第一监测位置标识中多个监测位置在所述目标场所中的可视化位置。
将所述第一辐射电平中的多个电磁辐射电平数据和所述第一监测时间标识进行可视化数据的填充,获得所述目标电磁环境模型,基于所述目标电磁环境模型可实现便捷的调用所述目标场所中任意监测位置在一定监测时间内的电磁辐射电平数据,从而基于调用所获数据进行该监测位置的未来电磁环境预测。
S600:获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
在一个实施例中,所述获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果,本申请提供的方法步骤S600还包括:
S610:所述目标电磁环境监测数据包括多个具备监测时间标识的目标辐射电平;
S620:基于所述多个具备监测时间标识的目标辐射电平得到目标辐射电平时序,并生成目标辐射电平曲线图;
S630:基于大数据构建辐射电平数据库,其中,所述辐射电平数据库包括多条辐射电平历史记录;
S640:分析所述多条辐射电平历史记录并生成多条辐射电平曲线;
S650:将所述目标辐射电平曲线图在所述多条辐射电平曲线中遍历,得到最佳匹配曲线;
S660:分析所述最佳匹配曲线得到所述目标电磁环境预测结果。
在一个实施例中,所述基于所述多个具备监测时间标识的目标辐射电平得到目标辐射电平时序,并生成目标辐射电平曲线图,本申请提供的方法步骤S620还包括:
S621:根据所述目标辐射电平时序生成初始目标辐射电平曲线图;
S622:获取预设间隔阈值,并基于所述预设间隔阈值对所述初始目标辐射电平曲线图进行划分,得到目标划分结果;
S623:提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值;
S624:基于所述第一辐射电平值生成所述目标辐射电平曲线图。
具体而言,在本实施例中,获取所述目标场所的目标位置,所述目标位置为待进行电磁环境预测的目标场所任意位置,基于所述目标位置的经纬度数据,获得所述目标位置在所述目标电磁环境模型中进行经纬度坐标可视化位点定位,基于定位的可视化位点所处监测位置,调用该监测位置对应的在一段时间内的辐射电平数据。作为所述目标电磁环境监测数据,所述目标电磁环境监测数据具体包括多个具备监测时间标识的目标辐射电平。
对所述多个具备监测时间标识的目标辐射电平得到。按照监测时间标识中时间先后进行多个目标辐射电平排序,获得所述目标辐射电平时序,所述目标辐射电平时序为按照监测时间标识先后排序的多个目标辐射电平。
以监测时间为横坐标,辐射电平数据为纵坐标,构建二维坐标系,将所述目标辐射电平时序输入构建的二维坐标系中,生成所述初始目标辐射电平曲线图。
获取用于进行目标辐射电平筛选处理的所述预设间隔阈值,基于所述预设间隔阈值对所述初始目标辐射电平曲线图进行划分,得到目标划分结果,所述目标划分结果中包括多个辐射电平曲线段,每一辐射电平曲线段的监测时间差值都满足所述预设间隔时间阈值的要求。
通过从所述目标划分结果中多个辐射电平曲线段对应提取具有该辐射电平曲线段的辐射电平值,从而实现数据降维,生成辐射电平数据量降低,与所述初始目标辐射电平曲线图同样表征目标位置在一定时间内的电磁辐射电平变化情况的所述目标辐射电平曲线图。
所述第一曲线段为图像集合,包括所述目标划分结果中多个辐射电平曲线段;所述第一辐射电平值为多个辐射电平值构成的数据集合,为对所述目标划分结果中多个辐射电平曲线段采用数据降维获得的多个对应代表多个辐射电平曲线的多个辐射电平值。
应理解的,对于不同目标监测类型的给定场所,基于提取所述目标划分结果中的第一曲线段得到第一辐射电平值的方法不同,本实施例在后续说明书中阐述,对于不同目标监测类型的给定场所,基于提取所述目标划分结果中的第一曲线段得到第一辐射电平值的方法。
基于所述第一辐射电平值中多个辐射电平值,生成与所述初始目标辐射电平曲线图同样表征目标位置在一定时间内的电磁辐射电平变化情况的所述目标辐射电平曲线图。
基于所述目标电磁环境监测数据提取获得所述目标电磁环境监测数据的电磁辐射电平数据采集时间跨度,作为预设时间跨度,基于大数据获得目标场所若干条辐射电平历史记录,基于所述预设时间跨度进行多条辐射电平历史记录的筛选,获得监测时间跨度大于等于所述的预设时间跨度的多条辐射电平历史记录构建所述辐射电平数据库。
采用步骤S610-620相同方法分析所述多条辐射电平历史记录结合数据降维从而生成多条辐射电平曲线。采用现有成熟的图像特征分析比对技术,将所述目标辐射电平曲线图在所述多条辐射电平曲线中遍历,得到最佳匹配曲线,所述最佳匹配曲线与所述目标辐射电平曲线的线条相似度最高。
根据所述最佳匹配曲线反向匹配获得曲线末端的横坐标数据,获得最终监测时间,获得所述最佳匹配曲线对应电磁辐射电平数据的监测位置标识,基于监测位置标识以及最终监测时间,基于大数据提取获得在该最终监测时间之后,该监测位置在一定时间周期内监测获得的电磁辐射电平数据,作为所述目标电磁环境预测结果,所述目标电磁环境预测结果的获得,实现了对于目标场所中较为精准的某一目标位置未来的电磁环境电磁辐射强度状况进行预测,从而为是否进行电磁干预提供精准参考数据的技术效果。
S700:根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
具体而言,在本实施例中,基于步骤S600的方法,对于目标场所任意目标位置在未来一段时间内电磁环境的电磁辐射强度状况进行预测,获得所述目标电磁环境预测结果,基于所述目标电磁环境预测结果,技术人员即可参考分析确定是否对应进行目标场所中目标位置的电磁干预,实现了为是否进行电磁干预提供精准参考数据,提高对于给定场所的电磁环境监测有效性和准确性,从而及时消除环境电磁污染,降低电磁污染对于人们生产生活的影响的技术效果。
在一个实施例中,所述提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值,本申请提供的方法步骤S623还包括:
S623-1:若所述目标监测类型为内环境监测,获取第一目标电磁来源;
S623-2:若所述第一目标电磁来源为第一预设来源,生成第一取值指令;
S623-3:基于所述第一取值指令得到所述第一曲线段的第一峰值,并将所述第一峰值作为所述第一辐射电平值;
S623-4:若所述第一目标电磁来源为第二预设来源,生成第二取值指令;
S623-5:基于所述第一取值指令得到所述第一曲线段的第一平均值,并将所述第一平均值作为所述第一辐射电平值。
在一个实施例中,所述提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值,本申请提供的方法步骤S623还包括:
S623-6:若所述目标监测类型为外环境监测,生成第三取值指令;
S623-7:基于所述第三取值指令得到所述第一曲线段的第一准峰值,并将所述第一准峰值作为所述第一辐射电平值。
S623:提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值;
具体而言,应理解的,本实施例中所述预设监测环境类型包括内环境监测和外环境监测两种类型。在本实施例中,对于不同环境监测类型进行电磁辐射电平数据提取生成的目标辐射电平曲线图进行数据降维的方法存在差异性。
所述内环境监测属于近场区强电磁辐射环境监测,指在大功率电子设备或发射天线附近作业区内进行电磁辐射监测。内环境监测的辐射来源包括所述第一预设来源和第二预设来源,所述第一预设来源是对气体或液体引燃的电磁辐射监测,数据降维时代表性数据的提取方法为取电磁辐射频率数据的峰值;所述第二预设来源是对引爆和影响人体健康的电磁辐射监测,数据降维时代表性数据的提取方法为取场电磁辐射频率数据的平均值。
所述外环境监测指对城市电磁辐射环境监测和典型电磁辐射环境监测,在外环境电磁辐射监测时,数据降维时代表性数据的提取方法为取电磁辐射频率数据的准峰值。
若所述目标监测类型为内环境监测,进一步获取第一目标电磁来源,所述第一目标电磁来源为所述第一预设来源或第二预设来源,若所述第一目标电磁来源为第一预设来源,生成第一取值指令,基于所述第一取值指令得到所述第一曲线段的第一峰值,所述第一峰值包括多个峰值数据,对应于所述第一曲线段的多个辐射电平曲线段,将所述第一峰值作为所述第一辐射电平值,基于所述第一辐射电平值生成所述目标辐射电平曲线图。
若所述第一目标电磁来源为第二预设来源,生成第二取值指令,基于所述第一取值指令得到所述第一曲线段的第一平均值,所述第一平均值包括多个平均值数据,对应于所述第一曲线段的多个辐射电平曲线段,将所述第一平均值作为所述第一辐射电平值,基于所述第一辐射电平值生成所述目标辐射电平曲线图。
若所述目标监测类型为外环境监测,生成第三取值指令,基于所述第三取值指令得到所述第一曲线段的第一准峰值,所述第一准峰值包括多个峰值数据,对应于所述第一曲线段的多个辐射电平曲线段,将所述第一准峰值作为所述第一辐射电平值,基于所述第一辐射电平值生成所述目标辐射电平曲线图。
本实施例通过分析确定目标场所的目标监测类型并根基目标场所的电磁辐射来源确定科学合理的数据降维方法执行初始目标辐射电平曲线图的数据提取,从而获得与所述初始目标辐射电平曲线图同样表征目标场所中任意目标位置在一定时间内的电磁辐射电平变化情况的所述目标辐射电平曲线图,达到了降低后续进行目标位置未来电磁辐射预测的数据分析量,提高获得电磁辐射预测结果的效率的技术效果。
在一个实施例中,如图3所示,提供了一种电磁环境的智能监测***,包括:监测类型分析模块1,监测方案匹配模块2,监测条件获得模块3,辐射电平获得模块4,环境模型生成模块5,预测结果获得模块6,电磁干预执行模块7,其中:
监测类型分析模块1,用于获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
监测方案匹配模块2,用于匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
监测条件获得模块3,用于获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
辐射电平获得模块4,用于基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
环境模型生成模块5,用于结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
预测结果获得模块6,用于获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
电磁干预执行模块7,用于根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
在一个实施例中,所述***还包括:
预设类型提取单元,用于提取所述预设监测环境类型中的第一预设类型;
特征分析执行单元,用于对所述第一预设类型进行多特征分析,得到第一类型特征;
特征对比分析单元,用于获取所述目标场所的目标场所特征,并与所述第一类型特征进行对比分析,得到对比结果;
监测类型确定单元,用于基于所述对比结果确定所述目标监测类型。
在一个实施例中,所述***还包括:
标签方案获取单元,用于获取预设标签方案;
标签标记执行单元,用于根据所述预设标签方案依次对所述第一类型特征和所述目标场所特征进行标签标记,分别得到第一类型向量和第一目标向量;
计算公式构建单元,用于对比所述第一类型向量和所述第一目标向量,并计算得到类型相似度,其中,所述类型相似度的计算公式如下:
其中,所述是指所述类型相似度,所述是指所述第一类型向量,所述i是指所述第一类型特征,所述是指所述第一目标向量,所述j是指所述目标场所特征,所述是指所述第一类型向量和所述第一目标向量的匹配对一致的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为a的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为b的数量,所述是指所述第一类型向量和所述第一目标向量的匹配对的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为a、b的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为b、a的数量;
计算公式应用单元,用于筛选所述类型相似度的最大值,记作最大类型相似度;
监测类型设定单元,用于反向匹配所述最大类型相似度的预设类型,并设为所述目标监测类型。
在一个实施例中,所述***还包括:
辐射电平获得单元,用于所述目标电磁环境监测数据包括多个具备监测时间标识的目标辐射电平;
电平曲线制图单元,用于基于所述多个具备监测时间标识的目标辐射电平得到目标辐射电平时序,并生成目标辐射电平曲线图;
历史数据处理单元,用于基于大数据构建辐射电平数据库,其中,所述辐射电平数据库包括多条辐射电平历史记录;
电平曲线获得单元,用于分析所述多条辐射电平历史记录并生成多条辐射电平曲线;
曲线遍历分析单元,用于将所述目标辐射电平曲线图在所述多条辐射电平曲线中遍历,得到最佳匹配曲线;
预测结果获得单元,用于分析所述最佳匹配曲线得到所述目标电磁环境预测结果。
在一个实施例中,所述***还包括:
初始曲线制图单元,用于根据所述目标辐射电平时序生成初始目标辐射电平曲线图;
划分结果获得单元,用于获取预设间隔阈值,并基于所述预设间隔阈值对所述初始目标辐射电平曲线图进行划分,得到目标划分结果;
曲线提取处理单元,用于提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值;
电平曲线成图单元,用于基于所述第一辐射电平值生成所述目标辐射电平曲线图。
在一个实施例中,所述***还包括:
电磁来源获得单元,用于若所述目标监测类型为内环境监测,获取第一目标电磁来源;
取值指令生成单元,用于若所述第一目标电磁来源为第一预设来源,生成第一取值指令;
电平值取值单元,用于基于所述第一取值指令得到所述第一曲线段的第一峰值,并将所述第一峰值作为所述第一辐射电平值;
取值指令获得单元,用于若所述第一目标电磁来源为第二预设来源,生成第二取值指令;
电平取值计算单元,用于基于所述第一取值指令得到所述第一曲线段的第一平均值,并将所述第一平均值作为所述第一辐射电平值。
在一个实施例中,所述***还包括:
取值指令生成单元,用于若所述目标监测类型为外环境监测,生成第三取值指令;
辐射电平获得单元,用于基于所述第三取值指令得到所述第一曲线段的第一准峰值,并将所述第一准峰值作为所述第一辐射电平值。
关于一种电磁环境的智能监测***的具体实施例可以参见上文中对于一种电磁环境的智能监测方法的实施例,在此不再赘述。上述一种电磁环境的智能监测***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电磁环境的智能监测方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了种计算机可读存储介质,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电磁环境的智能监测方法,其特征在于,包括:
获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
2.如权利要求1所述智能监测方法,其特征在于,所述获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型,包括:
提取所述预设监测环境类型中的第一预设类型;
对所述第一预设类型进行多特征分析,得到第一类型特征;
获取所述目标场所的目标场所特征,并与所述第一类型特征进行对比分析,得到对比结果;
基于所述对比结果确定所述目标监测类型。
3.如权利要求2所述智能监测方法,其特征在于,所述基于所述对比结果确定所述目标监测类型,包括:
获取预设标签方案;
根据所述预设标签方案依次对所述第一类型特征和所述目标场所特征进行标签标记,分别得到第一类型向量和第一目标向量;
对比所述第一类型向量和所述第一目标向量,并计算得到类型相似度,其中,所述类型相似度的计算公式如下:
其中,所述是指所述类型相似度,所述是指所述第一类型向量,所述i是指所述第一类型特征,所述是指所述第一目标向量,所述j是指所述目标场所特征,所述是指所述第一类型向量和所述第一目标向量的匹配对一致的总数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为a的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签均为b的数量,所述是指所述第一类型向量和所述第一目标向量的匹配对的总数量;所述是指所述第一类型向量和所述第一目标向量中对应标签分别为a、b的数量,所述是指所述第一类型向量和所述第一目标向量中对应标签分别为b、a的数量;
筛选所述类型相似度的最大值,记作最大类型相似度;
反向匹配所述最大类型相似度的预设类型,并设为所述目标监测类型。
4.如权利要求1所述智能监测方法,其特征在于,所述获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果,包括:
所述目标电磁环境监测数据包括多个具备监测时间标识的目标辐射电平;
基于所述多个具备监测时间标识的目标辐射电平得到目标辐射电平时序,并生成目标辐射电平曲线图;
基于大数据构建辐射电平数据库,其中,所述辐射电平数据库包括多条辐射电平历史记录;
分析所述多条辐射电平历史记录并生成多条辐射电平曲线;
将所述目标辐射电平曲线图在所述多条辐射电平曲线中遍历,得到最佳匹配曲线;
分析所述最佳匹配曲线得到所述目标电磁环境预测结果。
5.如权利要求4所述智能监测方法,其特征在于,所述基于所述多个具备监测时间标识的目标辐射电平得到目标辐射电平时序,并生成目标辐射电平曲线图,包括:
根据所述目标辐射电平时序生成初始目标辐射电平曲线图;
获取预设间隔阈值,并基于所述预设间隔阈值对所述初始目标辐射电平曲线图进行划分,得到目标划分结果;
提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值;
基于所述第一辐射电平值生成所述目标辐射电平曲线图。
6.如权利要求5所述智能监测方法,其特征在于,所述提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值,包括:
若所述目标监测类型为内环境监测,获取第一目标电磁来源;
若所述第一目标电磁来源为第一预设来源,生成第一取值指令;
基于所述第一取值指令得到所述第一曲线段的第一峰值,并将所述第一峰值作为所述第一辐射电平值;
若所述第一目标电磁来源为第二预设来源,生成第二取值指令;
基于所述第一取值指令得到所述第一曲线段的第一平均值,并将所述第一平均值作为所述第一辐射电平值。
7.如权利要求5所述智能监测方法,其特征在于,所述提取所述目标划分结果中的第一曲线段,并结合所述目标监测类型得到第一辐射电平值,还包括:
若所述目标监测类型为外环境监测,生成第三取值指令;
基于所述第三取值指令得到所述第一曲线段的第一准峰值,并将所述第一准峰值作为所述第一辐射电平值。
8.一种电磁环境的智能监测***,其特征在于,所述***包括:
监测类型分析模块,用于获取预设监测环境类型,并对目标场所进行分析,得到目标监测类型;
监测方案匹配模块,用于匹配所述目标监测类型的预设监测方案,并对所述目标场所进行监测,得到目标监测记录信息,其中,所述目标监测记录信息包括多组具备监测条件标识的监测数据;
监测条件获得模块,用于获取预设监测条件,并对所述多组具备监测条件标识的监测数据进行遍历,得到监测条件遍历结果;
辐射电平获得模块,用于基于所述监测条件遍历结果得到多个辐射电平,并提取第一辐射电平,其中,所述第一辐射电平具备第一监测位置标识和第一监测时间标识;
环境模型生成模块,用于结合所述第一监测位置标识和所述第一监测时间标识对所述第一辐射电平进行可视化处理,生成目标电磁环境模型;
预测结果获得模块,用于获取所述目标场所的目标位置,结合所述目标电磁环境模型得到目标电磁环境监测数据,并分析生成目标电磁环境预测结果;
电磁干预执行模块,用于根据所述目标电磁环境预测结果对所述目标场所进行电磁干预。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310295420.6A CN115993488A (zh) | 2023-03-24 | 2023-03-24 | 一种电磁环境的智能监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310295420.6A CN115993488A (zh) | 2023-03-24 | 2023-03-24 | 一种电磁环境的智能监测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115993488A true CN115993488A (zh) | 2023-04-21 |
Family
ID=85993854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310295420.6A Pending CN115993488A (zh) | 2023-03-24 | 2023-03-24 | 一种电磁环境的智能监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115993488A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092414A (zh) * | 2023-09-14 | 2023-11-21 | 广东智环创新环境科技有限公司 | 一种基于监测数据的电磁环境风险预警方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427041A (zh) * | 2018-03-14 | 2018-08-21 | 南京中科九章信息技术有限公司 | 雷电预警方法、***、电子设备和存储介质 |
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与*** |
KR101994995B1 (ko) * | 2018-10-05 | 2019-07-01 | 국방과학연구소 | 전자기 특성 분석 장치 및 방법 |
US20210297171A1 (en) * | 2020-03-20 | 2021-09-23 | Volkswagen Aktiengesellschaft | Method, apparatus and computer program for predicting a future quality of service of a wireless communication link |
CN113687316A (zh) * | 2020-05-17 | 2021-11-23 | 是德科技股份有限公司 | 用于仿真测试***的时间同步和等待时间补偿 |
CN113706000A (zh) * | 2021-08-19 | 2021-11-26 | 海南绿能环境工程有限公司 | 基于物联网的环境监测资源分配方法及*** |
WO2022098370A1 (en) * | 2020-11-09 | 2022-05-12 | Funai Electric Co., Ltd. | Dynamically optimized environmental control system (ecs) |
CN114511784A (zh) * | 2022-02-16 | 2022-05-17 | 平安国际智慧城市科技股份有限公司 | 环境监测预警方法、装置、设备及存储介质 |
CN114564813A (zh) * | 2022-01-12 | 2022-05-31 | 中国电子科技集团公司第十研究所 | 电磁环境多域特征威胁度评估方法 |
US20220326211A1 (en) * | 2021-03-15 | 2022-10-13 | Harbin Engineering University | Marine Transportation Platform Guarantee-Oriented Analysis and Prediction Method for Three-Dimensional Temperature and Salinity Field |
CN115201884A (zh) * | 2022-09-14 | 2022-10-18 | 嘉兴嘉卫检测科技有限公司 | 一种环境监测用的空气辐射测量方法及*** |
CN115792407A (zh) * | 2022-11-21 | 2023-03-14 | 中国核电工程有限公司 | 一种电磁环境预警***及电磁环境预警方法 |
-
2023
- 2023-03-24 CN CN202310295420.6A patent/CN115993488A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与*** |
CN108427041A (zh) * | 2018-03-14 | 2018-08-21 | 南京中科九章信息技术有限公司 | 雷电预警方法、***、电子设备和存储介质 |
KR101994995B1 (ko) * | 2018-10-05 | 2019-07-01 | 국방과학연구소 | 전자기 특성 분석 장치 및 방법 |
US20210297171A1 (en) * | 2020-03-20 | 2021-09-23 | Volkswagen Aktiengesellschaft | Method, apparatus and computer program for predicting a future quality of service of a wireless communication link |
CN113687316A (zh) * | 2020-05-17 | 2021-11-23 | 是德科技股份有限公司 | 用于仿真测试***的时间同步和等待时间补偿 |
WO2022098370A1 (en) * | 2020-11-09 | 2022-05-12 | Funai Electric Co., Ltd. | Dynamically optimized environmental control system (ecs) |
US20220326211A1 (en) * | 2021-03-15 | 2022-10-13 | Harbin Engineering University | Marine Transportation Platform Guarantee-Oriented Analysis and Prediction Method for Three-Dimensional Temperature and Salinity Field |
CN113706000A (zh) * | 2021-08-19 | 2021-11-26 | 海南绿能环境工程有限公司 | 基于物联网的环境监测资源分配方法及*** |
CN114564813A (zh) * | 2022-01-12 | 2022-05-31 | 中国电子科技集团公司第十研究所 | 电磁环境多域特征威胁度评估方法 |
CN114511784A (zh) * | 2022-02-16 | 2022-05-17 | 平安国际智慧城市科技股份有限公司 | 环境监测预警方法、装置、设备及存储介质 |
CN115201884A (zh) * | 2022-09-14 | 2022-10-18 | 嘉兴嘉卫检测科技有限公司 | 一种环境监测用的空气辐射测量方法及*** |
CN115792407A (zh) * | 2022-11-21 | 2023-03-14 | 中国核电工程有限公司 | 一种电磁环境预警***及电磁环境预警方法 |
Non-Patent Citations (6)
Title |
---|
刘易勇;沈强;周开基;: "电磁兼容性通用测量模型研究", 安全与电磁兼容, no. 04 * |
叶宗林: "电磁环境监测的质量保证", 核电子学与探测技术, no. 1, pages 71 * |
周红华;黄辰;肖伟剑;陈向进;兰景权;许志刚;汪倍吉;: "移动通信基站电磁辐射环境影响仿真预测与评价", 环境影响评价, no. 03 * |
孟辉,冯志明,王晓晔: "一种快速的时间序列相似性算法的研究及其在股票管理中的应用", 河北工业大学学报, no. 05, pages 51 * |
洪文学: "《基于多元统计图表示原理的信息融合和模式识别技术》", 国防工业出版社, pages: 156 * |
韩丹;蒋豪;杨晓嘉;: "民航雷达电磁环境评估方法", 电讯技术, no. 05 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092414A (zh) * | 2023-09-14 | 2023-11-21 | 广东智环创新环境科技有限公司 | 一种基于监测数据的电磁环境风险预警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113641994B (zh) | 基于图数据的数据处理方法及*** | |
CN115993488A (zh) | 一种电磁环境的智能监测方法及*** | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
JP7389860B2 (ja) | セキュリティ情報の処理方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN103177189A (zh) | 一种众源位置签到数据质量分析方法 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN116563841B (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
CN113890833B (zh) | 网络覆盖预测方法、装置、设备及存储介质 | |
CN113220748B (zh) | 一种构建配电网设备负荷热力图及数据分析的方法和*** | |
CN112003733B (zh) | 一种智慧园区物联网综合管理方法及管理平台 | |
CN115169089A (zh) | 基于核密度估计和copula的风电功率概率预测方法和装置 | |
Xuegang et al. | Missing Data Reconstruction Based on Spectral k‐Support Norm Minimization for NB‐IoT Data | |
CN111950912A (zh) | 设备的健康度的评价方法、装置、设备及计算机存储介质 | |
CN112188388A (zh) | 一种基于机器学习的混合室内定位方法 | |
CN112637768B (zh) | 基于蜂窝网络的移动终端定位方法及装置 | |
CN117834455B (zh) | 一种电力物联网数据传输仿真方法和*** | |
CN116233747B (zh) | 一种基于迁移学习更新指纹库的ble定位方法、装置 | |
CN118037472B (zh) | 财务数据处理方法及相关装置 | |
CN117472589B (zh) | 一种园区网络服务管理方法及*** | |
CN113094803A (zh) | Beacon设备丢失概率的计算方法、装置、设备及存储介质 | |
CN118211758A (zh) | 一种环境监测数据获取方法、装置、设备及存储介质 | |
CN115827808A (zh) | 定位方法、装置、非易失性存储介质及处理器 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230421 |
|
RJ01 | Rejection of invention patent application after publication |