CN116669093B - 一种5g网络传输数据智能管理*** - Google Patents
一种5g网络传输数据智能管理*** Download PDFInfo
- Publication number
- CN116669093B CN116669093B CN202310853683.4A CN202310853683A CN116669093B CN 116669093 B CN116669093 B CN 116669093B CN 202310853683 A CN202310853683 A CN 202310853683A CN 116669093 B CN116669093 B CN 116669093B
- Authority
- CN
- China
- Prior art keywords
- criminal investigation
- investigation data
- transmission
- type
- data
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 440
- 238000011840 criminal investigation Methods 0.000 claims abstract description 447
- 238000012544 monitoring process Methods 0.000 claims abstract description 60
- 230000008054 signal transmission Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 11
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 208000032370 Secondary transmission Diseases 0.000 claims 1
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于网络传输数据智能管理技术领域,涉及到一种5G网络传输数据智能管理***,本发明通过实时监测信号传输畅通度实现了对数据传输网络状态的考量,以此作为刑侦数据传输顺序的排布依据,该方式避免了出现在传输网络状态不佳时仍上传容量大的刑侦数据的现象,不仅提高了刑侦数据上传的效率,并且确保了数据上传的质量,在一定程度上降低了数据传输损坏的发生率,并通过基于刑侦数据类型启动相应类型数据的传输质量自检测算法自动进行检测,相对于现有技术,该方式不仅确保了检测的准确度,且极大程度上避免了漏检测现象的发生,一方面提高了数据传输后的可用性、准确性,另一方面在检测数据工作中节省了大量人力资源。
Description
技术领域
本发明属于网络传输数据智能管理技术领域,涉及到一种5G网络传输数据智能管理***。
背景技术
当今世界正向移动化转型,人们每年都在消耗更多数据,尤其是视频、图片、音乐和媒体的日益普及并增加导致现在的频段越来越拥挤,5G在处理此类数据传输问题时表现的更加优异,为了提高在刑侦过程中数据传输的高效性、完整性,对刑侦数据的传输进行智能管理显得极为重要。
目前,现有技术针对5G网络传输数据智能管理还存在一系列不足,具体体现在以下几个层面:(1)在刑侦现场采集完所需证据后,需要将数据及时上传至***中,但现有技术中对数据的传输往往按照数据采集的先后顺序进行上传,缺乏对数据传输网络状态的考量,在网络状态不佳时上传容量较大的刑侦数据,不仅降低了刑侦数据上传的效率,且影响了数据上传的质量,在一定程度上增大了数据传输损坏的发生率,无形之中推迟了后续工作的进程。
(2)数据上传至***后需要检测***中的数据质量是否达标,对数据的传输进行评价反馈,确保数据在后续工作中的可用性,但现有技术中通过人工检测对上传至***后的数据进行检测,该方式过于主观且耗时,在无法确保检测准确度的同时,对若干条的数据进行检测容易出现漏检测的问题,一方面降低了数据传输后的可用性、准确性,另一方面在检测数据工作中浪费了大量人力资源。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种5G网络传输数据智能管理***,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案实现:提供一种5G网络传输数据智能管理***,包括:刑侦数据调取模块,用于调取刑侦现场形成的刑侦数据。
刑侦数据属性参数识别模块,用于提取各条刑侦数据的存储格式,由此识别各条刑侦数据的类型,同时获取各条刑侦数据的容量。
传输网络信号指征监测模块,用于实时监测刑侦数据传输网络信号指征。
刑侦数据传输顺序动态排布模块,用于基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布。
刑侦数据传输执行模块,用于依据动态排布的刑侦数据传输顺序执行各条刑侦数据的传输操作。
刑侦数据传输质量检测模块,用于在各条刑侦数据传输完毕后对其进行传输质量自检测。
刑侦数据传输质量评价模块,用于基于各条刑侦数据的传输质量自检测结果评价传输质量系数。
刑侦网络传输状态异常评判模块,用于依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常。
刑侦数据传输优势类型识别模块,用于依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型。
云数据库,用于存储各种刑侦数据类型对应的若干存储格式、存储单位信号传输畅通度对应的适宜传输数据容量、存储正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数,并存储标准传输质量达标度。
作为一种优选,所述各条刑侦数据的类型包括视频、图片和音频。
作为一种优选,所述传输网络信号指征包括传输网络信号网速与传输网络信号基站允许接入的用户数量。
作为一种优选,所述基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布,其具体排布方法为:第一步,根据传输网络信号指征计算当前监测时间点的信号传输畅通度其中ψ表示当前监测时间点的信号传输畅通度,v表示当前监测时间点的传输网络信号网速,v′表示参考传输网络信号网速,p表示当前监测时间点的基站接入用户数量,p′表示基站允许接入的用户数量,e为自然常数,λ1、λ2为传输网络信号网速和连接网络用户数量占比的权重因子。
第二步,从云数据库中提取单位信号传输畅通度对应的适宜传输数据容量,基于当前监测时间点的信号传输畅通度计算出当前监测时间点信号传输畅通度对应的适宜传输数据容量。
第三步,将各条刑侦数据的容量与当前监测时间点对应的适宜传输数据容量进行对比,计算各条刑侦数据在当前监测时间点的传输适配度,计算公式为其中ξc表示第c条刑侦数据在当前监测时间点的传输适配度,c表示刑侦数据的编号,c=1,2,...d,τc为第c条刑侦数据的容量,τ为当前监测时间点的适宜传输数据容量。
第四步,将各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到当前监测时间点对应的刑侦数据传输顺序排布结果。
第五步,同理按照前三步在下一监测时间点计算得到各条刑侦数据的传输适配度,各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到下一监测时间点对应的刑侦数据传输顺序排布结果。
第六步,获取当前正在传输的刑侦数据,并维持该刑侦数据的正常传输,进而将其他刑侦数据按照下一监测时间点对应的刑侦数据传输顺序排布结果重新排布。
作为一种优选,所述在各条刑侦数据传输完毕后对其进行传输质量自检测,其具体方法为:基于各条刑侦数据的类型调取相应类型的传输质量自检测算法执行自检测操作,其中视频类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取视频类型刑侦数据的容量和分辨率。
将视频类型刑侦数据在后台进行自播放,得到播放时长。
图片类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取图片类型刑侦数据的容量和分辨率。
将图片类型刑侦数据聚焦到所拍摄物体上,并提取所拍摄物体的外形轮廓,进而将其与传输前相应数据所拍摄物体的外形轮廓进行重合对比,得到重合轮廓面积,与此同时利用表达式得到图片类型刑侦数据的传输完整度。
音频类型刑侦数据的传输质量自检测算法如下。
从数据属性中提取音频类型刑侦数据的容量。
将音频类型刑侦数据在后台进行自播放,得到播放时长。
将音频类型刑侦数据进行音频波形图转化,并将其与传输前的音频类型刑侦数据对应的音频波形图进行对比,从中识别传输中断频次及其对应的传输中断时长。
作为一种优选,所述基于各条刑侦数据的传输质量自检测结果评价传输质量系数,其中传输质量系数包括视频类型刑侦数据传输质量系数、图片类型刑侦数据传输质量系数以及音频类型刑侦数据传输质量系数,其中视频类型刑侦数据传输质量系数的评价方法为:提取视频类型刑侦数据在传输前的容量、分辨率以及视频时长。
将视频类型刑侦数据的传输质量自检测结果与视频类型刑侦数据在传输前的容量、分辨率以及视频时长进行对比计算得到各条视频类型刑侦数据的传输质量系数其中ωg表示第g条视频类型刑侦数据的传输质量系数,g表示视频类型刑侦数据的编号,其中g=1,2,...,h,αg表示第g条视频类型刑侦数据的容量,αg′表示第g条视频类型刑侦数据传输前的容量,χg表示第g条视频类型刑侦数据的分辨率,χg′表示第g条视频类型刑侦数据传输前的分辨率,tg表示第g条视频类型刑侦数据的播放时长,tg′表示第g条视频类型刑侦数据的视频时长,β1、β2、β3分别表示视频类型刑侦数据容量、分辨率以及时长的影响因子。
作为一种优选,所述图片类型刑侦数据传输质量系数,其评价方法为:提取图片类型刑侦数据在传输前的容量、分辨率。
将图片类型刑侦数据的传输质量自检测结果与图片类型刑侦数据在传输前的容量、分辨率进行对比,分析计算得到各条图片类型刑侦数据的传输质量系数其中i表示图片类型刑侦数据的编号,i=1,2,...j,αi表示第i条图片类型刑侦数据的容量,αi′表示第i条图片类型刑侦数据传输前的容量,χi表示第i条图片类型刑侦数据的分辨率,χi′表示第i条图片类型刑侦数据传输前的分辨率,Si表示第i条图片类型刑侦数据的传输完整度,ε1、ε2、ε3分别表示图片类型刑侦数据容量、分辨率以及传输完整度的修正因子。
作为一种优选,所述音频类型刑侦数据传输质量系数,其评价方法为:提取音频类型刑侦数据在传输前的容量以及音频时长。
将音频类型刑侦数据的传输质量自检测结果与音频类型刑侦数据在传输前的容量以及音频时长进行对比,分析计算各条音频类型刑侦数据的传输质量系数,计算公式为其中ηk表示第k条音频类型刑侦数据的传输质量系数,k表示音频类型刑侦数据的编号,k=1,2,...,l,αk表示第k条音频类型刑侦数据的容量,αk′表示第k条音频类型刑侦数据传输前的容量,μ表示音频类型刑侦数据容量的影响因子,/>为第k条音频类型刑侦数据的第m次传输中断所对应的传输中断时长,m表示传输中断编号,m=1,2,...n,σk为第k条音频类型刑侦数据的音频时长,Δσ为预设的音频类型刑侦数据中断时长占比的影响因子。
作为一种优选,所述依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常,其评判方法为:步骤一,按照各条刑侦数据的类型将所有传输的刑侦数据进行分类,得到视频类型对应的若干条刑侦数据、图片类型对应的若干条刑侦数据以及音频类型对应的若干条刑侦数据。
步骤二,将视频类型对应若干条刑侦数据的传输质量系数进行均值计算,得到视频类型刑侦数据对应的平均传输质量系数同理得到图片类型刑侦数据对应的平均传输质量系数/>音频类型刑侦数据对应的平均传输质量系数
步骤三,从云数据库中提取正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数。
步骤四,基于当前传输状态下与正常传输状态下的各类型刑侦数据对应的平均传输质量系数进行对比,计算得到传输质量达标度,计算公式为
其中φ表示为当前传输状态下传输质量达标度,分别表示正常传输状态下视频类型刑侦数据、图片类型刑侦数据、音频类型刑侦数据相对应的平均传输质量系数。
步骤五,提取云数据库中存储的标准传输质量达标度,将当前传输状态下传输质量达标度与标准传输质量达标度进行对比,若当前传输状态下传输质量达标度大于等于标准传输质量达标度时,评判当前刑侦网络传输状态正常,反之评判当前刑侦网络传输状态异常。
作为一种优选,所述依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型,其识别方法为:将各类刑侦数据按照平均传输质量系数由大到小的顺序进行排列,并取排在第一位的刑侦数据类型作为当前刑侦数据传输的优势类型。
相较于现有技术,本发明的有益效果如下:(1)本发明通过实时监测信号传输畅通度实现了对数据传输网络状态的考量,以此作为刑侦数据传输顺序的排布依据,该方式避免了出现在传输网络状态不佳时仍上传容量大的刑侦数据的现象,不仅提高了刑侦数据上传的效率,并且确保了数据上传的质量,在一定程度上降低了数据传输损坏的发生率,无形之中推进了后续工作的进程,提高破案的效率。
(2)本发明通过基于刑侦数据的类型启动相应类型数据的传输质量自检测算法自动进行检测,相对于现有技术中通过人工检测对上传至***后的数据进行检测,该方式不仅确保了检测的准确度,且极大程度上避免了漏检测现象的发生,一方面提高了数据传输后的可用性、准确性,另一方面在检测数据工作中节省了大量人力资源。
(3)本发明在基于评判当前刑侦网络传输状态是否存在异常的基础上,进行当前刑侦数据传输优势类型的识别,扩展了刑侦数据传输管理的功能,为后续重现当前刑侦数据传输状态下的数据传输提供了可靠参照,通过此方法可大大提高刑侦数据传输的效率,进而减少数据上传所需要的时间,促进了后续工作的展开。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的***模块连接示意图。
具体实施方式
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做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。
请参阅图1所示,本发明提供了一种5G网络传输数据智能管理***,该***包括:刑侦数据调取模块、刑侦数据属性参数识别模块、传输网络信号指征监测模块、刑侦数据传输顺序动态排布模块、刑侦数据传输执行模块、刑侦数据传输质量检测模块、刑侦数据传输质量评价模块、刑侦网络传输状态异常评判模块、刑侦数据传输优势类型识别模块和云数据库。
所述刑侦数据调取模块与刑侦数据属性参数识别模块连接,刑侦数据属性参数识别模块与传输网络信号指征监测模块与刑侦数据传输顺序动态排布模块连接,刑侦数据传输顺序动态排布模块与刑侦数据传输执行模块连接,刑侦数据传输执行模块与刑侦数据传输质量检测模块连接,刑侦数据传输质量检测模块与刑侦数据传输质量评价模块连接,刑侦数据传输质量评价模块分别与刑侦网络传输状态异常评判模块和刑侦数据传输优势类型识别模块相连接,云数据库分别与刑侦数据属性参数识别模块、刑侦数据传输顺序动态排布模块以及刑侦数据传输质量评价模块相连接。
所述刑侦数据调取模块用于调取刑侦现场形成的刑侦数据。
在本发明的具体实施例中,所述各条刑侦数据的类型包括视频、图片和音频。
所述刑侦数据属性参数识别模块用于提取各条刑侦数据的存储格式,由此识别各条刑侦数据的类型,同时获取各条刑侦数据的容量。
需要说明的是,云数据库中存储各种刑侦数据类型对应的若干存储格式,示例性的如视频类型刑侦数据对应的存储格式有AVI、MP4、MOV等,音频类型刑侦数据对应的存储格式有MP3、WAV、FLAC等,图片类型刑侦数据对应的存储格式有PNG、GIF、JPEG等,通过提取各条刑侦数据的存储格式与云数据库中各种刑侦数据类型对应的若干存储格式进行匹配,得到各条刑侦数据的类型。
进一步需要说明的是,刑侦数据的容量指的是数据占用空间。
所述传输网络信号指征监测模块用于实时监测刑侦数据传输网络信号指征。
在本发明的具体实施例中,所述传输网络信号指征包括传输网络信号网速与传输网络信号基站允许接入的用户数量。
所述刑侦数据传输顺序动态排布模块用于基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布。
在本发明的具体实施例中,所述基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布,其具体排布方法为:第一步,根据传输网络信号指征计算当前监测时间点的信号传输畅通度其中ψ表示当前监测时间点的信号传输畅通度,v表示当前监测时间点的传输网络信号网速,v′表示参考传输网络信号网速,p表示当前监测时间点的基站接入用户数量,p′表示基站允许接入的用户数量,e为自然常数,λ1、λ2为传输网络信号网速和连接网络用户数量占比的权重因子。
第二步,从云数据库中提取单位信号传输畅通度对应的适宜传输数据容量,基于当前监测时间点的信号传输畅通度计算出当前监测时间点信号传输畅通度对应的适宜传输数据容量。
需要说明的是,云数据库中存储的单位信号传输畅通度对应的适宜传输数据容量记为Q,则当前监测时间点信号传输畅通度对应的适宜传输数据容量ψ适宜=ψ*Q。
第三步,将各条刑侦数据的容量与当前监测时间点对应的适宜传输数据容量进行对比,计算各条刑侦数据在当前监测时间点的传输适配度,计算公式为其中ξc表示第c条刑侦数据在当前监测时间点的传输适配度,c表示刑侦数据的编号,c=1,2,...d,τc为第c条刑侦数据的容量,τ为当前监测时间点的适宜传输数据容量。
第四步,将各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到当前监测时间点对应的刑侦数据传输顺序排布结果。
第五步,同理按照前三步在下一监测时间点计算得到各条刑侦数据的传输适配度,各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到下一监测时间点对应的刑侦数据传输顺序排布结果。
第六步,获取当前正在传输的刑侦数据,并维持该刑侦数据的正常传输,进而将其他刑侦数据按照下一监测时间点对应的刑侦数据传输顺序排布结果重新排布。
通过实时监测信号传输畅通度实现了对数据传输网络状态的考量,以此作为刑侦数据传输顺序的排布依据,该方式避免了出现在传输网络状态不佳时仍上传容量大的刑侦数据的现象,不仅提高了刑侦数据上传的效率,并且确保了数据上传的质量,在一定程度上降低了数据传输损坏的发生率,无形之中推进了后续工作的进程,提高破案的效率。
所述刑侦数据传输执行模块用于依据动态排布的刑侦数据传输顺序执行各条刑侦数据的传输操作。
所述刑侦数据传输质量检测模块用于在各条刑侦数据传输完毕后对其进行传输质量自检测。
所述在各条刑侦数据传输完毕后对其进行传输质量自检测,其具体方法为:基于各条刑侦数据的类型调取相应类型的传输质量自检测算法执行自检测操作,其中视频类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取视频类型刑侦数据的容量和分辨率。
将视频类型刑侦数据在后台进行自播放,得到播放时长。
图片类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取图片类型刑侦数据的容量和分辨率。
将图片类型刑侦数据聚焦到所拍摄物体上,并提取所拍摄物体的外形轮廓,进而将其与传输前相应数据所拍摄物体的外形轮廓进行重合对比,得到重合轮廓面积,与此同时利用表达式得到图片类型刑侦数据的传输完整度。
音频类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取音频类型刑侦数据的容量。
将音频类型刑侦数据在后台进行自播放,得到播放时长。
将音频类型刑侦数据进行音频波形图转化,并将其与传输前的音频类型刑侦数据对应的音频波形图进行对比,从中识别传输中断频次及其对应的传输中断时长。
需要说明的是,将各条音频类型刑侦数据的音频波形图与对应的传输前的音频波形图进行对比,记出现中断的此时为传输中断频次,各次中断对应的时长为传输中断时长。
所述刑侦数据传输质量评价模块用于基于各条刑侦数据的传输质量自检测结果评价传输质量系数。
在本发明的具体实施例中,所述基于各条刑侦数据的传输质量自检测结果评价传输质量系数,其中传输质量系数包括视频类型刑侦数据传输质量系数、图片类型刑侦数据传输质量系数以及音频类型刑侦数据传输质量系数,其中视频类型刑侦数据传输质量系数的评价方法为:提取视频类型刑侦数据在传输前的容量、分辨率以及视频时长。
将视频类型刑侦数据的传输质量自检测结果与视频类型刑侦数据在传输前的容量、分辨率以及视频时长进行对比计算得到各条视频类型刑侦数据的传输质量系数其中ωg表示第g条视频类型刑侦数据的传输质量系数,g表示视频类型刑侦数据的编号,其中g=1,2,...,h,αg表示第g条视频类型刑侦数据的容量,αg′表示第g条视频类型刑侦数据传输前的容量,χg表示第g条视频类型刑侦数据的分辨率,χg′表示第g条视频类型刑侦数据传输前的分辨率,tg表示第g条视频类型刑侦数据的播放时长,tg′表示第g条视频类型刑侦数据的视频时长,β1、β2、β3分别表示视频类型刑侦数据容量、分辨率以及时长的影响因子。
需要说明的是,传输前视频以及图片的分辨率由刑侦勘探使用的摄像设备的像素决定,通过提取摄像设备的像素可得到视频类型刑侦数据以及图片类型刑侦数据在传输前的分辨率。
在上述方案基础上,所述图片类型刑侦数据传输质量系数,其评价方法为:提取图片类型刑侦数据在传输前的容量、分辨率。
将图片类型刑侦数据的传输质量自检测结果与图片类型刑侦数据在传输前的容量、分辨率进行对比,分析计算得到各条图片类型刑侦数据的传输质量系数其中i表示图片类型刑侦数据的编号,i=1,2,...j,αi表示第i条图片类型刑侦数据的容量,αi′表示第i条图片类型刑侦数据传输前的容量,χi表示第i条图片类型刑侦数据的分辨率,χi′表示第i条图片类型刑侦数据传输前的分辨率,Si表示第i条图片类型刑侦数据的传输完整度,ε1、ε2、ε3分别表示图片类型刑侦数据容量、分辨率以及传输完整度的修正因子。
在上述方案的基础上,所述音频类型刑侦数据传输质量系数,其评价方法为:提取音频类型刑侦数据在传输前的容量以及音频时长。
将音频类型刑侦数据的传输质量自检测结果与音频类型刑侦数据在传输前的容量以及音频时长进行对比,分析计算各条音频类型刑侦数据的传输质量系数,计算公式为其中ηk表示第k条音频类型刑侦数据的传输质量系数,k表示音频类型刑侦数据的编号,k=1,2,...,l,αk表示第k条音频类型刑侦数据的容量,αk′表示第k条音频类型刑侦数据传输前的容量,μ表示音频类型刑侦数据容量的影响因子,/>为第k条音频类型刑侦数据的第m次传输中断所对应的传输中断时长,m表示传输中断编号,m=1,2,...n,σk为第k条音频类型刑侦数据的音频时长,Δσ为预设的音频类型刑侦数据中断时长占比的影响因子。
本发明通过基于刑侦数据的类型启动相应类型数据的传输质量自检测算法自动进行检测,相对于现有技术中通过人工检测对上传至***后的数据进行检测,该方式不仅确保了检测的准确度,且极大程度上避免了漏检测现象的发生,一方面提高了数据传输后的可用性、准确性,另一方面在检测数据工作中节省了大量人力资源。
所述刑侦网络传输状态异常评判模块用于依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常。
在本发明的具体实施例中,所述依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常,其评判方法为:步骤一,按照各条刑侦数据的类型将所有传输的刑侦数据进行分类,得到视频类型对应的若干条刑侦数据、图片类型对应的若干条刑侦数据以及音频类型对应的若干条刑侦数据。
步骤二,将视频类型对应若干条刑侦数据的传输质量系数进行均值计算,得到视频类型刑侦数据对应的平均传输质量系数同理得到图片类型刑侦数据对应的平均传输质量系数/>音频类型刑侦数据对应的平均传输质量系数
步骤三,从云数据库中提取正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数。
步骤四,基于当前传输状态下与正常传输状态下的各类型刑侦数据对应的平均传输质量系数进行对比,计算得到传输质量达标度,计算公式为
其中φ表示为当前传输状态下传输质量达标度,分别表示正常传输状态下视频类型刑侦数据、图片类型刑侦数据、音频类型刑侦数据相对应的平均传输质量系数。
步骤五,提取云数据库中存储的标准传输质量达标度,将当前传输状态下传输质量达标度与标准传输质量达标度进行对比,若当前传输状态下传输质量达标度大于等于标准传输质量达标度时,评判当前刑侦网络传输状态正常,反之评判当前刑侦网络传输状态异常。
所述刑侦数据传输优势类型识别模块用于依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型。
在本发明的具体实施例中,所述依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型,其识别方法为:将各类刑侦数据按照平均传输质量系数由大到小的顺序进行排列,并取排在第一位的刑侦数据类型作为当前刑侦数据传输的优势类型。
本发明在基于评判当前刑侦网络传输状态是否存在异常的基础上,进行当前刑侦数据传输优势类型的识别,扩展了刑侦数据传输管理的功能,为后续重现当前刑侦数据传输状态下的数据传输提供了可靠参照,通过此方法可大大提高刑侦数据传输的效率,进而减少数据上传所需要的时间,促进了后续工作的展开。
所述云数据库用于存储各种刑侦数据类型对应的若干存储格式、存储单位信号传输畅通度对应的适宜传输数据容量、存储正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数,并存储标准传输质量达标度。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.一种5G网络传输数据智能管理***,其特征在于,该***包括:
刑侦数据调取模块,用于调取刑侦现场形成的刑侦数据;
刑侦数据属性参数识别模块,用于提取各条刑侦数据的存储格式,由此识别各条刑侦数据的类型,同时获取各条刑侦数据的容量;
传输网络信号指征监测模块,用于实时监测刑侦数据传输网络信号指征;
刑侦数据传输顺序动态排布模块,用于基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布;
刑侦数据传输执行模块,用于依据动态排布的刑侦数据传输顺序执行各条刑侦数据的传输操作;
刑侦数据传输质量检测模块,用于在各条刑侦数据传输完毕后对其进行传输质量自检测;
刑侦数据传输质量评价模块,用于基于各条刑侦数据的传输质量自检测结果评价传输质量系数;
刑侦网络传输状态异常评判模块,用于依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常;
刑侦数据传输优势类型识别模块,用于依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型;
云数据库,用于存储各种刑侦数据类型对应的存储格式、存储单位信号传输畅通度对应的适宜传输数据容量、存储正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数,并存储标准传输质量达标度;
所述各条刑侦数据的类型包括视频、图片和音频;所述传输网络信号指征包括传输网络信号网速与传输网络信号基站允许接入的用户数量;
所述基于实时监测的刑侦数据传输网络信号指征和各条刑侦数据的容量进行刑侦数据传输顺序动态排布,其具体排布方法为:
第一步,根据传输网络信号指征计算当前监测时间点的信号传输畅通度,其中/>表示当前监测时间点的信号传输畅通度,/>表示当前监测时间点的传输网络信号网速,/>表示参考传输网络信号网速,/>表示当前监测时间点的基站接入用户数量,/>表示基站允许接入的用户数量,/>为自然常数,/>为传输网络信号网速和连接网络用户数量占比的权重因子;
第二步,从云数据库中提取单位信号传输畅通度对应的适宜传输数据容量,基于当前监测时间点的信号传输畅通度计算出当前监测时间点信号传输畅通度对应的适宜传输数据容量;
第三步,将各条刑侦数据的容量与当前监测时间点对应的适宜传输数据容量进行对比,计算各条刑侦数据在当前监测时间点的传输适配度,计算公式为,其中/>表示第/>条刑侦数据在当前监测时间点的传输适配度,/>表示刑侦数据的编号,,/>为第/>条刑侦数据的容量,/>为当前监测时间点的适宜传输数据容量;
第四步,将各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到当前监测时间点对应的刑侦数据传输顺序排布结果;
第五步,同理按照前三步在下一监测时间点计算得到各条刑侦数据的传输适配度,各条刑侦数据按照传输适配度由大到小的顺序进行排列,得到下一监测时间点对应的刑侦数据传输顺序排布结果;
第六步,获取当前正在传输的刑侦数据,并维持该刑侦数据的正常传输,进而将其他刑侦数据按照下一监测时间点对应的刑侦数据传输顺序排布结果重新排布;
所述在各条刑侦数据传输完毕后对其进行传输质量自检测,其具体方法为:
基于各条刑侦数据的类型调取相应类型的传输质量自检测算法执行自检测操作,其中视频类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取视频类型刑侦数据的容量和分辨率;
将视频类型刑侦数据在后台进行自播放,得到播放时长;
图片类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取图片类型刑侦数据的容量和分辨率;
将图片类型刑侦数据聚焦到所拍摄物体上,并提取所拍摄物体的外形轮廓,进而将其与传输前相应数据所拍摄物体的外形轮廓进行重合对比,得到重合轮廓面积,与此同时利用表达式得到图片类型刑侦数据的传输完整度;
音频类型刑侦数据的传输质量自检测算法如下:
从数据属性中提取音频类型刑侦数据的容量;
将音频类型刑侦数据在后台进行自播放,得到播放时长;
将音频类型刑侦数据进行音频波形图转化,并将其与传输前的音频类型刑侦数据对应的音频波形图进行对比,从中识别传输中断频次及其对应的传输中断时长;
所述基于各条刑侦数据的传输质量自检测结果评价传输质量系数,其中传输质量系数包括视频类型刑侦数据传输质量系数、图片类型刑侦数据传输质量系数以及音频类型刑侦数据传输质量系数,其中视频类型刑侦数据传输质量系数的评价方法为:
提取视频类型刑侦数据在传输前的容量、分辨率以及视频时长;
将视频类型刑侦数据的传输质量自检测结果与视频类型刑侦数据在传输前的容量、分辨率以及视频时长进行对比计算得到各条视频类型刑侦数据的传输质量系数,其中/>表示第/>条视频类型刑侦数据的传输质量系数,/>表示视频类型刑侦数据的编号,其中,/>表示第/>条视频类型刑侦数据的容量,/>表示第/>条视频类型刑侦数据传输前的容量,/>表示第/>条视频类型刑侦数据的分辨率,/>表示第/>条视频类型刑侦数据传输前的分辨率,/>表示第/>条视频类型刑侦数据的播放时长,/>表示第/>条视频类型刑侦数据的视频时长,/>分别表示视频类型刑侦数据容量、分辨率以及时长的影响因子;
所述图片类型刑侦数据传输质量系数,其评价方法为:
提取图片类型刑侦数据在传输前的容量、分辨率;
将图片类型刑侦数据的传输质量自检测结果与图片类型刑侦数据在传输前的容量、分辨率进行对比,分析计算得到各条图片类型刑侦数据的传输质量系数,其中/>表示图片类型刑侦数据的编号,/>,/>表示第/>条图片类型刑侦数据的容量,/>表示第/>条图片类型刑侦数据传输前的容量,/>表示第/>条图片类型刑侦数据的分辨率,/>表示第/>条图片类型刑侦数据传输前的分辨率,/>表示第/>条图片类型刑侦数据的传输完整度,分别表示图片类型刑侦数据容量、分辨率以及传输完整度的修正因子;
所述音频类型刑侦数据传输质量系数,其评价方法为:
提取音频类型刑侦数据在传输前的容量以及音频时长;
将音频类型刑侦数据的传输质量自检测结果与音频类型刑侦数据在传输前的容量以及音频时长进行对比,分析计算各条音频类型刑侦数据的传输质量系数,计算公式为,其中/>表示第/>条音频类型刑侦数据的传输质量系数,/>表示音频类型刑侦数据的编号,/>,/>表示第/>条音频类型刑侦数据的容量,/>表示第/>条音频类型刑侦数据传输前的容量,/>表示音频类型刑侦数据容量的影响因子,/>为第/>条音频类型刑侦数据的第/>次传输中断所对应的传输中断时长,/>表示传输中断编号,/>,/>为第/>条音频类型刑侦数据的音频时长,/>为预设的音频类型刑侦数据中断时长占比的影响因子;
所述依据各条刑侦数据的传输质量系数和类型评判当前刑侦网络传输状态是否存在异常,其评判方法为:
步骤一,按照各条刑侦数据的类型将所有传输的刑侦数据进行分类,得到视频类型对应的条刑侦数据、图片类型对应的/>条刑侦数据以及音频类型对应的/>条刑侦数据;
步骤二,将视频类型对应条刑侦数据的传输质量系数进行均值计算,得到视频类型刑侦数据对应的平均传输质量系数/>,同理得到图片类型刑侦数据对应的平均传输质量系数/>,音频类型刑侦数据对应的平均传输质量系数/>;
步骤三,从云数据库中提取正常传输状态下视频类型刑侦数据对应的平均传输质量系数、图片类型刑侦数据对应的平均传输质量系数以及音频类型刑侦数据对应的平均传输质量系数;
步骤四,基于当前传输状态下与正常传输状态下的各类型刑侦数据对应的平均传输质量系数进行对比,计算得到传输质量达标度,计算公式为,其中/>表示为当前传输状态下传输质量达标度,/>分别表示正常传输状态下视频类型刑侦数据、图片类型刑侦数据、音频类型刑侦数据相对应的平均传输质量系数;
步骤五,提取云数据库中存储的标准传输质量达标度,将当前传输状态下传输质量达标度与标准传输质量达标度进行对比,若当前传输状态下传输质量达标度大于等于标准传输质量达标度时,评判当前刑侦网络传输状态正常,反之评判当前刑侦网络传输状态异常。
2.根据权利要求1所述的一种5G网络传输数据智能管理***,其特征在于:所述依据各条刑侦数据的传输质量系数和类型识别出当前刑侦数据传输的优势类型,其识别方法为:将各类刑侦数据按照平均传输质量系数由大到小的顺序进行排列,并取排在第一位的刑侦数据类型作为当前刑侦数据传输的优势类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310853683.4A CN116669093B (zh) | 2023-07-12 | 2023-07-12 | 一种5g网络传输数据智能管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310853683.4A CN116669093B (zh) | 2023-07-12 | 2023-07-12 | 一种5g网络传输数据智能管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116669093A CN116669093A (zh) | 2023-08-29 |
CN116669093B true CN116669093B (zh) | 2024-04-09 |
Family
ID=87712000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310853683.4A Active CN116669093B (zh) | 2023-07-12 | 2023-07-12 | 一种5g网络传输数据智能管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116669093B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819578A (zh) * | 2012-07-24 | 2012-12-12 | 武汉大千信息技术有限公司 | 视频侦查嫌疑目标分析***及方法 |
KR20210080128A (ko) * | 2019-12-21 | 2021-06-30 | 박지후 | 5G 통신망과 Digital 방송 통신망을 사용한 UHD 영상 송수신 통신 기능의 차량 인포테인먼트 시스템 |
CN114697098A (zh) * | 2022-03-22 | 2022-07-01 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种网络安全检测***及检测方法 |
CN115604474A (zh) * | 2022-09-09 | 2023-01-13 | 深圳市研宏光电科技有限公司(Cn) | 基于5g数据传输***的高清无线视频传输设备 |
CN115665682A (zh) * | 2022-09-20 | 2023-01-31 | 数安云信(宁夏)科技有限公司 | 一种基于5g物联网的无线数据采集、视频监控***及方法 |
-
2023
- 2023-07-12 CN CN202310853683.4A patent/CN116669093B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819578A (zh) * | 2012-07-24 | 2012-12-12 | 武汉大千信息技术有限公司 | 视频侦查嫌疑目标分析***及方法 |
KR20210080128A (ko) * | 2019-12-21 | 2021-06-30 | 박지후 | 5G 통신망과 Digital 방송 통신망을 사용한 UHD 영상 송수신 통신 기능의 차량 인포테인먼트 시스템 |
CN114697098A (zh) * | 2022-03-22 | 2022-07-01 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种网络安全检测***及检测方法 |
CN115604474A (zh) * | 2022-09-09 | 2023-01-13 | 深圳市研宏光电科技有限公司(Cn) | 基于5g数据传输***的高清无线视频传输设备 |
CN115665682A (zh) * | 2022-09-20 | 2023-01-31 | 数安云信(宁夏)科技有限公司 | 一种基于5g物联网的无线数据采集、视频监控***及方法 |
Non-Patent Citations (1)
Title |
---|
人工智能环境下音频信号完整度检测***设计;毕春艳;陈莹莹;;现代电子技术;20200415(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116669093A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990335B (zh) | 一种电网无人机巡检影像缺陷智能识别自学习训练方法、*** | |
CN111191576B (zh) | 人员行为目标检测模型构建方法、智能分析方法及*** | |
CN101221760B (zh) | 一种音频匹配方法及*** | |
KR20170140188A (ko) | 오디오 컨텐츠 인식 방법 및 장치 | |
CN111104555A (zh) | 基于注意力机制的视频哈希检索方法 | |
CN110046568B (zh) | 一种基于时间感知结构的视频动作识别方法 | |
CN117041359B (zh) | 一种信息数据高效压缩传输方法 | |
CN112151067B (zh) | 一种基于卷积神经网络的数字音频篡改被动检测方法 | |
CN112349057A (zh) | 基于深度学习的室内烟雾和火灾检测方法 | |
CN111429943A (zh) | 音频中音乐及音乐相对响度的联合检测方法 | |
JP6397378B2 (ja) | 特徴量生成方法、特徴量生成装置、及び特徴量生成プログラム | |
US11615132B2 (en) | Feature amount generation method, feature amount generation device, and feature amount generation program | |
CN111400428B (zh) | 一种知识图谱体系搭建方法 | |
CN116669093B (zh) | 一种5g网络传输数据智能管理*** | |
CN114459760A (zh) | 一种强噪声环境下的滚动轴承故障诊断方法及*** | |
CN116453033A (zh) | 一种视频监控场景下高精度低算量的人群密度估计方法 | |
CN113408630A (zh) | 一种变电站指示灯状态识别方法 | |
CN114626426A (zh) | 基于K-means优化算法的工业设备行为检测方法 | |
CN111666263A (zh) | 一种数据湖环境下异构数据管理的实现方法 | |
CN116543339A (zh) | 一种基于多尺度注意力融合的短视频事件检测方法及装置 | |
CN112148904B (zh) | 一种报警联动录像的索引方法及装置 | |
CN111475674A (zh) | 用于暴力行为检测的深度学习模型训练数据集构造方法及*** | |
CN117152142B (zh) | 一种轴承缺陷检测模型构建方法及*** | |
CN111785296B (zh) | 基于重复旋律的音乐分段边界识别方法 | |
CN113793602B (zh) | 一种未成年人的音频识别方法和*** |
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 |