产学研创新服务平台(全国)
专利申请类型:发明专利;专利名称:一种射频信号测试方法及系统、测试仪
专利类型:发明专利
专利申请号:CN202410789622.0
专利申请(专利权)人:成都嘉晨科技有限公司
权利人地址:四川省成都市双流区西南航空港经济开发区黄甲街道双兴大道1号D区23栋
专利发明(设计)人:杜德彬,陈晨,侯德坤,左自国,张刚,王海,张少俊
专利摘要:本发明涉及射频技术领域,具体而言,涉及一种射频信号测试方法及系统、测试仪。采用本发明所提供的方法,主要包括了通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;通过空间距离和功率衰减训练模型获得检测端的理论功率值;判断当前检测端所在位置除目标射频信号是否还有其余射频信号;三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正。通过上述方法,对在检测中的环境干扰因素进行修正,得到相对于原始数据更加准确的功率数值,尽可能的减小检测误差,通过更加准确的数据来测试射频信号是否正常,最终得到检测是否通过的结果。
主权利要求:
1.一种射频信号测试方法,其特征在于,包括:
获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;
获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;
获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;
若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;
若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;
判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;
若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;
根据第三差值是否处于所述差值阈值内,输出检测结果。
2.根据权利要求1所述的一种射频信号测试方法,其特征在于,所述通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离包括;
建立空间坐标系,通过第一位置信息和第二位置信息分别获得检测端和被检测端位于直角坐标系的坐标位置;
式中,为空间距离, , , 分别为第一位置信息在空间坐标系中的xyz轴坐标值,, , 分别为第二位置信息在空间坐标系中的xyz轴坐标值。
3.根据权利要求2所述的一种射频信号测试方法,其特征在于,所述建立功率衰减训练模型,包括:将历史标准射频信号及功率检测数据输入MobileNetV3网络中,通过卷积运算进行数据归整,提取特征信息;
获取ASPP模块,将MobileNetV3的网络输出分别输入到不同通道中;
获取注意力机制模块,重新分配数据权重,剔除无用信息;
将主干网络中提取出的中浅层信息与经过注意力机制模块处理后的信息进行融合,随后与主干网络的深层信息一起进行4倍上采样,再与低层与中深层的信息进行融合;
通过一个3×3的卷积运算和一个4倍上采样运算输出结果。
4.根据权利要求3所述的一种射频信号测试方法,其特征在于,所述对第一实际功率值进行修正得到第二实际功率包括:分别获取与目标射频信号相同的射频信号达到检测端的时间,统计达到检测端的不同的时间的个数,得到与目标射频信号相同的射频信号的个数;
获取目标射频信号的电压值、与目标射频信号相同的射频信号的电压值和检测端的电阻值;
式中, 为第一实际功率, 为第二实际功率, 为第 个与目标射频信号相同的射频信号的电压,为检测端的电阻值, ,为与目标射频信号相同的射频信号的个数, 为权重系数。
5.根据权利要求4所述的一种射频信号测试方法,其特征在于,所述权重系数包括:式中, 为与目标射频信号相同的功率最小的射频信号的功率值, 为与目标射频信号相同的功率最大的射频信号的功率值。
6.根据权利要求1所述的一种射频信号测试方法,其特征在于,所述获取检测端与被检测端之间的三维空间模型包括:通过无人机获取航测影像,对航测影像所获取的几何数据进行处理得到第一处理图像;
式中,为摄像过程地物的最大水平距离值,h代表无人机飞行高度,a为相机倾斜角度,b为相机可视角度,d为无人机和地物之间的最小距离;
对第一处理图像进行修正得到第二处理图像,通过第二图像采用工业建模软件进行三维空间模型的建立;
通过三维空间模型构建纹理映射曲面。
7.根据权利要求6所述的一种射频信号测试方法,其特征在于,所述对第一处理图像进行修正得到第二处理图像包括:式中, 为修正之后的横坐标, 为修正后的纵坐标, 和 分别为原点值, 、、 分别为倾斜摄影测量过程中产生的畸变参数,r为倾斜摄像机拍摄中的径向半径。
8.根据权利要求4所述的一种射频信号测试方法,其特征在于,所述通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正包括;或;
式中, 为第j个障碍物到被检测端的距离,m为障碍物的个数,k为衰减因子。
9.一种射频信号测试系统,其特征在于,包括:
位置信息获取模块,被配置为获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;
神经网络模型模块,被配置为获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;
第一判断模块,被配置为获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;
第二判断模块,被配置为若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;根据第三差值是否处于所述差值阈值内,输出检测结果;
主控模块,所述主控模块与所述位置信息获取模块、神经网络模型模块、第一判断模块和第二判断模块连接,用于执行权利要求1至8中任一项所述的一种射频信号测试方法。
10.一种测试仪,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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8中任一项所述的一种射频信号测试方法。 说明书 : 一种射频信号测试方法及系统、测试仪技术领域[0001] 本发明涉及射频信号处理技术领域,具体而言,涉及一种射频信号测试方法及系统、测试仪。背景技术[0002] 射频器件的主要代表有滤波器、低噪声放大器和功率放大器,射频信号是通过射频信号源产生的,射频信号源通常是一个由晶体振荡器或其他振荡器产生射频信号的设备。晶体振荡器通常使用电流或电压的变化来产生振荡频率,而其他振荡器则使用其他原理来产生射频信号。这些设备通过将直流电能转换成高频电能来产生射频信号,并经过一系列的调制和放大来产生所需的射频信号。[0003] 但在目前的现有技术中,在射频信号的测试方便一般采用特定的设备来检测,其中最常用的是功率计。功率计是一种专门用于测量射频信号功率的仪器,它可以测量输入导线或无线电频率的功率水平。但是在检测的过程中仍存在些问题,在受到外部环境影响的时候,会对检测产生干扰,导致检测数据不准确。发明内容[0004] 本发明的目的是提供一种射频信号测试方法及系统、测试仪,来解决上述现有技术中的问题。[0005] 本发明的实施例通过以下技术方案实现:[0006] 第一方面,本发明提供了一种射频信号测试方法,包括:[0007] 获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;[0008] 获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;[0009] 获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;[0010] 若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;[0011] 若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;[0012] 判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;[0013] 若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;[0014] 根据第三差值是否处于所述差值阈值内,输出检测结果。[0015] 在本发明的一实施例中,所述通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离包括;[0016] 建立空间坐标系,通过第一位置信息和第二位置信息分别获得检测端和被检测端位于直角坐标系的坐标位置;[0017][0018] 式中,为空间距离, , , 分别为第一位置信息在空间坐标系中的xyz轴坐标值, , , 分别为第二位置信息在空间坐标系中的xyz轴坐标值。[0019] 在本发明的一实施例中,所述建立功率衰减训练模型,包括:[0020] 将历史标准射频信号及功率检测数据输入MobileNetV3网络中,通过卷积运算进行数据归整,提取特征信息;[0021] 获取ASPP模块,将MobileNetV3的网络输出分别输入到不同通道中;[0022] 获取注意力机制模块,重新分配数据权重,剔除无用信息;[0023] 将主干网络中提取出的中浅层信息与经过注意力机制模块处理后的信息进行融合,随后与主干网络的深层信息一起进行4倍上采样,再与低层与中深层的信息进行融合;[0024] 通过一个3×3的卷积运算和一个4倍上采样运算输出结果。[0025] 在本发明的一实施例中,所述对第一实际功率值进行修正得到第二实际功率包括:[0026] 分别获取与目标射频信号相同的射频信号达到检测端的时间,统计达到检测端的不同的时间的个数,得到与目标射频信号相同的射频信号的个数;[0027] 获取目标射频信号的电压值、与目标射频信号相同的射频信号的电压值和检测端的电阻值;[0028][0029] 式中, 为第一实际功率, 为第二实际功率, 为第 个与目标射频信号相同的射频信号的电压,为检测端的电阻值, ,为与目标射频信号相同的射频信号的个数, 为权重系数。[0030] 在本发明的一实施例中,所述权重系数包括:[0031][0032] 式中, 为与目标射频信号相同的功率最小的射频信号的功率值, 为与目标射频信号相同的功率最大的射频信号的功率值。[0033] 在本发明的一实施例中,所述获取检测端与被检测端之间的三维空间模型包括:[0034] 通过无人机获取航测影像,对航测影像所获取的几何数据进行处理得到第一处理图像;[0035][0036][0037] 式中,为摄像过程地物的最大水平距离值,h代表无人机飞行高度,a为相机倾斜角度,b为相机可视角度,d为无人机和地物之间的最小距离;[0038] 对第一处理图像进行修正得到第二处理图像,通过第二图像采用工业建模软件进行三维空间模型的建立;[0039] 通过三维空间模型构建纹理映射曲面。[0040] 在本发明的一实施例中,所述对第一处理图像进行修正得到第二处理图像包括:[0041][0042] 式中, 为修正之后的横坐标, 为修正后的纵坐标, 和 分别为原点值, 、 、 分别为倾斜摄影测量过程中产生的畸变参数,r为倾斜摄像机拍摄中的径向半径。[0043] 在本发明的一实施例中,所述通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正包括;[0044][0045] 或;[0046][0047] 式中, 为第j个障碍物到被检测端的距离,m为障碍物的个数,k为衰减因子。[0048] 第二方面,本发明提供了一种射频信号测试系统,包括:[0049] 位置信息获取模块,被配置为获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;[0050] 神经网络模型模块,被配置为获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;[0051] 第一判断模块,被配置为获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;[0052] 第二判断模块,被配置为若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;根据第三差值是否处于所述差值阈值内,输出检测结果;[0053] 主控模块,所述主控模块与所述位置信息获取模块、神经网络模型模块、第一判断模块和第二判断模块连接,用于执行上述的一种射频信号测试方法。[0054] 第三方面,本发明提供了一种测试仪,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种射频信号测试方法。[0055] 本发明实施例的技术方案至少具有如下优点和有益效果:[0056] 采用本发明所提供的方法,主要包括了通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;通过空间距离和功率衰减训练模型获得检测端的理论功率值;判断当前检测端所在位置除目标射频信号是否还有其余射频信号;三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正。通过上述方法,对在检测中的环境干扰因素进行修正,得到相对于原始数据更加准确的功率数值,尽可能的减小检测误差,通过更加准确的数据来测试射频信号是否正常,最终得到检测是否通过的结果。附图说明[0057] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。[0058] 图1为本发明的流程示意图。具体实施方式[0059] 为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。[0060] 本申请的说明书和权利要求书及上述附图中的术语“第一、第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。在本申请中出现的对步骤进行的命名或者编号,并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤,已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序,只要能达到相同或者相类似的技术效果即可。[0061] 本申请中所出现的模块的划分,是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行。[0062] 请参照图1,本发明提供了一种射频信号测试方法,包括:[0063] S101:获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;[0064] 在本实施例中,可以通过GPS定位直接获得检测端的第一位置信息和被检测端的第二位置信息,其中,检测端可以为测试射频信号功率的相关仪器,被检测端则为发出射频信号的设备,在本发明的使用环境中,检测端和被检测端具有一定的距离,非检测端与被检测端直接连接的测试环境,通过在外部各个位置的检测去测试被检测端所发出的射频信号是否正常。[0065] S102:获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;[0066] 通过测试合格的被检测端去采集必要的正常的射频信号数据,来为后面的测试做一定的标准,通过功率衰减训练模型,来计算出,在检测端在不同的距离所检测到的射频信号功率的理论值,通过理论值作为参考的依据。[0067] S103:获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;[0068] S104:若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;[0069] 在本步骤中,若第一差值在差值阈值内,则输出的检测结果则为合格,若第一差值未在差值阈值内,则说明此时的射频信号不正常或者是受到其他因素的干扰,则进行下文所提供的修正内容进行判定。[0070] 其中,关于差值阈值的设置,可以根据本领域的常规设置来确定,一般设置为常规的计算误差。[0071] S105:若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;[0072] S106:判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;[0073] 其中,若第二差值处于所述差值阈值内,则输出的检测结果则为合格。[0074] S107:若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;根据第三差值是否处于所述差值阈值内,输出检测结果。[0075] 在未检测到有其余的射频信号,或者有其余射频信号但无相同的射频信号,再或者第二差值未处于所述差值阈值内,则进行考虑障碍物对检测的影响,来进一步的对所得的数据进行修正。[0076] 采用本发明所提供的方法,主要包括了通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;通过空间距离和功率衰减训练模型获得检测端的理论功率值;判断当前检测端所在位置除目标射频信号是否还有其余射频信号;三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正。通过上述方法,对在检测中的环境干扰因素进行修正,得到相对于原始数据更加准确的功率数值,尽可能的减小检测误差,通过更加准确的数据来测试射频信号是否正常,最终得到检测是否通过的结果。[0077] 本发明的一个实例性实施方式,所述通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离包括;[0078] 建立空间坐标系,通过第一位置信息和第二位置信息分别获得检测端和被检测端位于直角坐标系的坐标位置;[0079][0080] 式中,为空间距离, , , 分别为第一位置信息在空间坐标系中的xyz轴坐标值, , , 分别为第二位置信息在空间坐标系中的xyz轴坐标值。[0081] 本发明的一个实例性实施方式,所述建立功率衰减训练模型,包括:[0082] S201:将历史标准射频信号及功率检测数据输入MobileNetV3网络中,通过卷积运算进行数据归整,提取特征信息;[0083] DeepLabV3十是目前最新的语义分割网络架构之一,它在DeepLabV3的基础上增加了一个解码器模块来细化分割结果。DeepLabV3+的编码器部分通过骨干网络Xception模型中不同通道的深度可分离卷积层提取图像特征信息,利用空间金字塔池化模块中不同速率的并行空洞卷积获取高层语义信息,并通过1X1卷积进行通道压缩;解码器部分将骨干网络中提取出的低级特征与经过4倍双线性插值上采样的高级特征进行融合,再利用3X3卷积恢复空间信息和4倍双线性插值上采样精细目标边界,得到分割结果。[0084] S202:获取ASPP模块,将MobileNetV3的网络输出分别输入到不同通道中;[0085] 其中,在参数选择上为使边界的处理更加细致,采用更小的空洞率组合,使其能够获得不同空洞率处理后的信息,以达到多分辨率的效果。[0086] S203:获取注意力机制模块,重新分配数据权重,剔除无用信息;[0087] S204:将主干网络中提取出的中浅层信息与经过注意力机制模块处理后的信息进行融合,随后与主干网络的深层信息一起进行4倍上采样,再与低层与中深层的信息进行融合;通过一个3×3的卷积运算和一个4倍上采样运算输出结果。[0088] 在本实施例中,完整的步骤为,构建M‑DeepLab网络模型,获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,制作数据集,并将数据集划分为训练集和测试集,用训练集数据对网络进行训练,并运用测试集对网络超参数进行优化,获得可用于射频信号功率模拟的M‑DeepLab网络,利用训练好的模型进行。[0089] 需要说明的是,本功率衰减训练模型是就要神经网络模型搭建,包括神经元是神经网络的基本单元,每层神经网络都由若干个神经元组成,每个神经元都能接收来自外部或者其他神经元运算后的数据,激活函数和损失函数等必要模块,本方案不再详细叙述。[0090] 本发明的一个实例性实施方式,对第一实际功率值进行修正得到第二实际功率包括:[0091] 分别获取与目标射频信号相同的射频信号达到检测端的时间,统计达到检测端的不同的时间的个数,得到与目标射频信号相同的射频信号的个数;获取目标射频信号的电压值、与目标射频信号相同的射频信号的电压值和检测端的电阻值;[0092][0093] 式中, 为第一实际功率, 为第二实际功率, 为第 个与目标射频信号相同的射频信号的电压,为检测端的电阻值, ,为与目标射频信号相同的射频信号的个数, 为权重系数。[0094] 更具体的是,权重系数包括:[0095][0096] 式中, 为与目标射频信号相同的功率最小的射频信号的功率值, 为与目标射频信号相同的功率最大的射频信号的功率值。[0097] 本发明的一个实例性实施方式,获取检测端与被检测端之间的三维空间模型包括:[0098] S301:通过无人机获取航测影像,对航测影像所获取的几何数据进行处理得到第一处理图像;[0099] 在具体的三维实景模型构建中,目标地物的图像需要通过无人机倾斜摄影的方式来进行获取。在此过程中,为实现数据处理精度的良好保障,可按照下式对倾斜摄像获取的几何数据进行处理:[0100][0101][0102] 式中,为摄像过程地物的最大水平距离值,h代表无人机飞行高度,a为相机倾斜角度,b为相机可视角度,d为无人机和地物之间的最小距离;[0103] 可采用多张连续高度重叠形式的倾斜影像模型来进行空中三角测量。在此过程中,除了需要应用到倾斜摄影获取图像的POS数据,还需要添加一些和影有关的其他POS数据。为确保数据精度,可采用自由网光束平差法以及匹配影像同名点等方式来进行匹配结果获取,可将控制点的具体内容作为依据,反复对获取到的数据进行计算,使最终获得的数据和规定的精度标准相符,以此来实现数据资料的准确获取。[0104] S302:对第一处理图像进行修正得到第二处理图像,通过第二图像采用工业建模软件进行三维空间模型的建立;[0105] 在本实施例中,可以采用CityEngine进行建模,是一种基于CGA规则进行程序化建模的三维建模软件,支持导入多种格式的GIS数据,并且可以通过编写CGA规则实现二维GIS数据到三维场景的转变,建模速度快,规则复用性好,建模细节参数可控。[0106] S303:通过三维空间模型构建纹理映射曲面。[0107] 具体的,在这个纹理映射曲面中,纹理映射方法就是对三维地物(x,y,z)表面点以及二维纹理(u,v)空间点之间的关系进行获取。通过这样的方式,便可建立起一个参数化形式的纹理映射曲面。在[0,1]这一范围内,可用多个参数和多种求值程序来对其纹理映射结果进行计算,并将具体的计算结果和实际的纹理空间作为依据,完成三维实景模型中的纹理映射结果加工。通过这样的方式,便可将目标地物的所有纹理都精准映射到所构建的三维实景模型中。[0108] 本发明的一个实例性实施方式,所述对第一处理图像进行修正得到第二处理图像包括:[0109][0110] 式中, 为修正之后的横坐标, 为修正后的纵坐标, 和 分别为原点值, 、 、 分别为倾斜摄影测量过程中产生的畸变参数,r为倾斜摄像机拍摄中的径向半径。[0111] 经式进行图像处理之后,倾斜摄影数据更具完整性,可避免畸变参数对影像数据后续处理结果产生不良影响。[0112] 本发明的一个实例性实施方式,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正包括;[0113][0114] 或;[0115][0116] 式中, 为第j个障碍物到被检测端的距离,m为障碍物的个数,k为衰减因子。[0117] 本发明还提供了一种射频信号测试系统,包括:[0118] 位置信息获取模块,被配置为获取检测端的第一位置信息和被检测端的第二位置信息,通过第一位置信息和第二位置信息得到检测端与被检测端的空间距离;[0119] 神经网络模型模块,被配置为获取被检测端的历史标准射频信号及在历史标准射频信号下检测端与被检测端不同距离的功率检测数据,建立功率衰减训练模型,通过空间距离和功率衰减训练模型获得检测端的理论功率值;[0120] 第一判断模块,被配置为获取检测端的第一实际功率值,获取理论功率值与第一实际功率值的第一差值,并设置差值阈值,判断第一差值是否处于所述差值阈值内;若第一差值处于所述差值阈值内,则输出检测结果,若第一差值未处于所述差值阈值内,则判断当前检测端所在位置除目标射频信号是否还有其余射频信号;若有其余射频信号,则判断其余射频信号是否有与目标射频信号相同的射频信号,若有相同的射频信号,则对第一实际功率值进行修正得到第二实际功率;判断第二实际功率与理论功率值的第二差值是否处于所述差值阈值内,若第二差值处于所述差值阈值内,则输出检测结果;[0121] 第二判断模块,被配置为若无其余射频信号,或,有其余射频信号但无相同的射频信号,或,第二差值未处于所述差值阈值内,则获取检测端与被检测端之间的三维空间模型,获取三维空间模型中被检测端到检测端之间的障碍物基础信息,通过障碍物基础信息对第二实际功率值或未修正的第一实际功率值进行修正,得到第三实际功率值,所述第三实际功率值与理论功率值得到第三差值;根据第三差值是否处于所述差值阈值内,输出检测结果;[0122] 主控模块,所述主控模块与所述位置信息获取模块、神经网络模型模块、第一判断模块和第二判断模块连接,用于执行上述的一种射频信号测试方法。[0123] 集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read—OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。[0124] 以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
专利地区:四川
专利申请日期:2024-06-19
专利公开日期:2024-08-16
专利公告号:CN118368001B