CN120825488A - 基于天通一号卫星通信的远程数据采集方法 - Google Patents
基于天通一号卫星通信的远程数据采集方法Info
- Publication number
- CN120825488A CN120825488A CN202511337382.1A CN202511337382A CN120825488A CN 120825488 A CN120825488 A CN 120825488A CN 202511337382 A CN202511337382 A CN 202511337382A CN 120825488 A CN120825488 A CN 120825488A
- Authority
- CN
- China
- Prior art keywords
- curve
- image
- segment
- audio
- 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.)
- Granted
Links
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了基于天通一号卫星通信的远程数据采集方法,涉及数据传输领域,解决了现有远程数据采集方法存在效率低下的问题,包括步骤S1:对需要进行卫星通信的待传输数据进行实时获取,将所获取的待传输数据分割为音频待传输数据以及待传输图像数据,对音频待传输数据进行循环内容筛分,根据筛分结果得到音频传输采集数据,步骤S2:根据音频传输采集数据对待传输图像数据进行重复图像筛分,根据筛分结果获取传输图像筛分数据,步骤S3:根据音频传输采集数据以及图像传输采集数据对待传输数据进行远程传输,本发明能够提高远程数据采集方法的针对性和采集传输效率。
Description
技术领域
本发明属于数据传输领域,涉及卫星通信技术,具体是基于天通一号卫星通信的远程数据采集方法。
背景技术
现有的远程数据采集方法在对采集数据进行卫星通信传输时,存在以下缺陷:
1、现有的远程数据采集方法在对音频数据进行卫星传输时,通常需要对音频内容中的重复语句进行删减来保证远程音频数据传输效率,现有的技术通常只对音频语义内容进行重复性分析,未进一步分析音频语句中的音频曲线来对音频语句进行重复性监测,难以准确识别不同情绪化的音频语句,无法对有效音频内容进行充分保留,从而易导致远程音频传输内容出现偏差;
2、现有的远程数据采集方法在对图像数据进行卫星传输时,未将图像数据区分为独立图像和视频流图像,无法对独立图像和视频流图像分别进行重复性监测,使得图像重复性检测过程缺乏针对性,易导致图像重复性监测过程效率低下,从而影响图像远程传输效率。
为此,我们提出基于天通一号卫星通信的远程数据采集方法。
发明内容
针对现有技术存在的不足,本发明目的是提供基于天通一号卫星通信的远程数据采集方法,本发明旨在提高远程数据采集方法的针对性以及通信数据远程传输效率。
为了实现上述目的,本发明采用了如下技术方案:基于天通一号卫星通信的远程数据采集方法,包括以下步骤:
步骤S1:对需要进行卫星通信的待传输数据进行实时获取,将所获取的待传输数据分割为音频待传输数据以及待传输图像数据,对音频待传输数据进行循环内容筛分,根据筛分结果得到音频传输采集数据;
步骤S2:根据音频传输采集数据对待传输图像数据进行重复图像筛分,根据筛分结果获取传输图像筛分数据;
步骤S3:根据音频传输采集数据以及图像传输采集数据对待传输数据进行远程传输。
进一步地,所述步骤S1中,还包括以下步骤:
步骤S11:获取样本空间区域,对样本空间区域所产生的待传输音频数据以及待传输图像数据进行获取;
步骤S12:对待传输音频进行关键音频筛分,根据筛分结果获取传输音频筛分数据;
步骤S13:将待传输图像数据以及传输音频筛分数据设置为音频传输采集数据;
所述步骤S12中,还包括以下步骤:
步骤S121:使用语音识别工具对待传输音频中存在目标类型音频的音频片段进行截取,得到多个目标音频片段;
步骤S122:在所获取的多个目标音频片段中任意选取一个样本目标音频片段,对样本目标音频片段进行音频频谱识别,根据识别结果对样本目标音频片段进行筛分,得到样本目标音频片段所对应的片段筛分音频;
步骤S123:分别获取每一段目标音频片段所对应的片段筛分音频,得到传输音频筛分数据。
进一步地,所述步骤S122中,还包括以下步骤:
步骤S1221:对样本目标音频片段除目标类型音频之外的音频进行消音,得到消音目标片段;
步骤S1222:对消音目标片段在时间序列所产生的频率变化曲线进行获取,得到频率时间曲线,并在所获取的频率时间变化曲线在平面直角坐标系中进行标记,得到目标音频曲线坐标图;
步骤S1223:将频率时间曲线拆分为若干个初始子段曲线,并在所获取的多个初始子段曲线中任意选取一个样本子段曲线;
步骤S1224:将样本子段曲线与特征子段曲线进行几何覆盖度分析,根据分析结果获取特征子段曲线所对应的曲线覆盖相似度;
步骤S1225:根据曲线覆盖相似度对样本子段曲线进行循环片段筛分,根据筛分结果获取样本子段曲线所对应的循环音频片段;
步骤S1226:对每一段初始子段曲线进行循环音频片段采集,将存在循环音频片段的初始子段曲线划分为循环子段曲线;
步骤S1227:在消音目标片段中,对循环子段曲线所对应的原始音频片段筛分为有效音频片段,将循环子段曲线所对应的循环音频片段筛分为无效音频片段,并对无效音频片段进行删除,得到样本目标音频片段所对应的片段筛分音频。
进一步地,所述步骤S1224中,还包括以下步骤:
对样本子段曲线进行正交移动,使样本曲线中点与特征曲线中点进行重合,将样本子段曲线左端点设置为第一样本端点,将样本子段曲线右端点设置为第二样本端点,将特征子段曲线左端点设置为第一特征端点,将特征子段曲线右端点设置为第二特征端点;
对第一样本端点、第二样本端点、第一特征端点以及第二特征端点进行坐标数值比对,根据比对结果获取几何覆盖左端点以及几何覆盖右端点;
过几何覆盖左端点以及几何覆盖右端点分别作与坐标x轴相垂直的直线,得到左端点标记线以及右端点标记线,将样本子段曲线、特征子段曲线、左端点标记线以及右端点标记线所围成的封闭区域设置为封闭相异区域,并对封闭相异区域进行面积数值获取,得到相异区域面积数值。
进一步地,所述步骤S1224中,还包括以下步骤:
对第一样本端点以及第二样本端点进行几何位置分析,根据分析结果划分样本曲线比对区域,并对其进行面积数值获取,得到样本比对区域面积数值;
对第一特征端点以及第二特征端点进行几何位置分析,根据分析结果划分特征曲线比对区域,并对其进行面积数值获取,得到特征比对区域面积数值;
将特征比对区域面积数值、相异区域面积数值以及样本比对区域面积数值通过计算得到特征子段曲线所对应的曲线覆盖相似度;
所述步骤S1225中,还包括以下步骤:
获取区域覆盖相似度基准区间,若特征子段曲线所对应的曲线覆盖相似度处于区域覆盖相似度基准区间,则将特征子段曲线划分为预循环子段曲线,若特征子段曲线所对应的曲线覆盖相似度不处于区域覆盖相似度基准区间,则将特征子段曲线划分为非循环子段曲线。
进一步地,所述步骤S1225中,还包括以下步骤:
若特征子段曲线为预循环子段曲线时,使用特征子段曲线左端的初始子段曲线对特征子段曲线进行拓展,得到第一拓展特征曲线,使用样本子段曲线左端的初始子段曲线对样本子段曲线进行拓展,得到第一拓展样本曲线,对第一拓展特征曲线与第一拓展样本曲线之间的曲线覆盖相似度进行获取,若曲线覆盖相似度处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为预循环子段曲线,若曲线覆盖相似度不处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为非循环子段曲线;
以此类推,直至所获取的第i+1段拓展特征曲线为非循环字段曲线,对第i段拓展特征曲线所覆盖的时段音频为完整目标音频片段,则将第i段拓展特征曲线划分为有效循环曲线,若循环曲线覆盖时长不为完整目标音频片段,则将第i段拓展特征曲线划分为无效循环曲线;
使用样本子段曲线对每一段初始子段曲线进行遍历,得到多段有效循环曲线,分别对每一段有效循环曲线所对应的音频片段进行获取,得到样本子段曲线所对应的循环音频片段。
进一步地,所述步骤S2中,还包括以下步骤:
步骤S21:获取音频传输采集数据,根据音频传输采集数据获取待传输图像数据,并将待传输图像数据划分为独立图像以及视频流图像;
步骤S22:在所获取的多张独立图像中任意选取一个样本独立图像,使用图像监测算法对样本独立图像进行重复性监测,根据监测结果获取样本独立图像所对应的重复独立图像;
步骤S23:分别获取每一个独立图像所对应的重复图像,得到独立图像筛分数据;
步骤S24:对视频流图像进行重复性监测,根据监测结果获取视频流图像筛分数据;
步骤S25:将视频流图像筛分数据以及独立图像筛分数据定义为图像传输采集数据。
进一步地,所述步骤S24中,还包括以下步骤:
步骤S241:对视频流图像进行按帧截取,得到J1视频截取图像至Ja视频截取图像;
步骤S242:将J1视频截取图像与J2视频截取图像进行重复率监测,根据监测结果对J2视频截取图像进行图像类型划分;
步骤S243:若J2视频截取图像设置为相同截取图像,则将J3视频截取图像与J1视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,若J2视频截取图像设置为相异截取图像,则将J3视频截取图像与J2视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,以此类推,直至完成对Ja视频截取图像的类型划分,对相同截取图像进行删除,得到视频流图像筛分数据。
进一步地,所述步骤S242中,还包括以下步骤:
对J1视频截取图像进行图像物体轮廓标记,并根据闭合轮廓所围成的图像区域进行获取,得到多个图像物体区域,并将所获取的多个图像物体区域分别命名为T1物体区域至Tb物体区域;
将J1视频截取图像中的T1物体区域命名为第一图像样本区域,使用边缘检测算法对J2视频截取图像中的样本图像物体区域进行获取,得到第二图像样本区域;
使用J1视频截取图像对J2视频截取图像进行覆盖,在覆盖后的J2视频截取图像中,对第一图像样本区域以及第二图像样本区域的图像重叠区域进行标记,得到第三图像样本区域;
分别对第一图像样本区域以及第三图像样本区域进行像素点数量统计,得到第一区域像素点数量值以及第三区域像素点数量值,计算第三区域像素点数量值与第一区域像素点数量值的比值,得到T1区域重复度;
分别对T2物体区域至Tb物体区域所对应的区域重复度进行获取,得到T2区域重复度至Tb区域重复度;
获取T1物体区域至Tb物体区域与J1视频截取图像的面积之比,得到T1区域面积占比至Tb区域面积占比;
将T1区域面积占比至Tb区域面积占比以及T1区域重复度至Tb区域重复度通过计算得到J2视频截取图像所对应的图像重复度;
获取图像重复度预设区间,若图像重复度处于图像重复度预设区间,则将J2视频截取图像设置为相同截取图像,若图像重复度不处于图像重复度预设区间,则将J2视频截取图像设置为相异截取图像。
进一步地,所述步骤S3中,还包括以下步骤:
获取音频传输采集数据,根据音频传输采集数据获取音频待传输数据、待传输图像数据以及传输音频筛分数据;
使用卫星通信技术对音频待传输数据进行远程传输时,使用传输音频筛分数据对音频待传输数据进行数据替代并传输;
使用卫星通信技术对待传输图像数据进行远程传输,具体如下:
获取图像传输采集数据,根据图像传输采集数据获取视频流图像筛分数据以及独立图像筛分数据;
使用卫星通信技术对音频待传输数据中的独立图像进行远程传输时,使用独立图像筛分数据对独立图像进行数据替代并传输;
使用卫星通信技术对音频待传输数据中的视频流图像进行远程传输时,使用视频流图像筛分数据对独立图像进行数据替代并传输。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明在对音频语义内容进行重复性分析的同时,通过分析音频语句中的音频曲线来对音频语句进行进一步地重复性监测,能够有效识别不同情绪化的音频语句,实现对有效音频内容进行充分保留,从而保证远程音频传输内容的准确性和传输效率;
2、本发明通过将图像数据区分为独立图像和视频流图像,针对独立图像和视频流图像分别进行重复性监测,能够提高图像重复性检测的针对性,从而保证图像重复性监测效率,提高图像远程传输效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的实施步骤图;
图2为本发明的封闭相异区域示意图;
图3为本发明的样本曲线比对区域示意图;
图4为本发明的特征曲线比对区域示意图。
具体实施方式
下面将结合实施例对本发明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。
实施例一
请参阅图1,本发明提供一种技术方案:基于天通一号卫星通信的远程数据采集方法,包括以下步骤:
步骤S1:对需要进行卫星通信的待传输数据进行实时获取,并将所获取的待传输数据分割为音频待传输数据以及待传输图像数据,对音频待传输数据进行循环内容筛分,根据筛分结果得到音频传输采集数据;
所述步骤S1中,还包括以下步骤:
对需要进行远程数据采集的空间区域进行获取,得到多个数据产生空间区域,并在所获取的多个数据产生空间区域中任意选取一个样本空间区域,对样本空间区域在当前时刻所产生的待传输数据进行获取,对待传输数据中的音频数据进行获取,得到待传输音频数据,对待传输数据中的图像数据进行获取,得到待传输图像数据;
此处需要说明的是:
在本申请中,所采集并传输的远程数据仅包括图像数据和音频数据;
在本申请中,此处所涉及的待传输音频数据包括纯音频数据以及视频数据中的音频部分,此处所涉及的待传输图像数据包括从纯图像数据以及视频数据中所截取的图像。
对待传输音频进行关键音频筛分,根据筛分结果获取传输音频筛分数据;
具体如下:
使用语音识别工具将待传输音频与目标类型音频进行音频类型比对,对存在目标类型音频的音频片段进行截取,得到多个目标音频片段;
此处需要说明的是:
此处所涉及的目标类型音频包括但不限于人声、植物环境音、动物环境音,在本申请中,此处所涉及的目标类型音频具体为人声。
在所获取的多个目标音频片段中任意选取一个样本目标音频片段,对样本目标音频片段进行音频频谱识别,根据识别结果对样本目标音频片段进行筛分,得到样本目标音频片段所对应的片段筛分音频;
具体如下:
使用消音程序对样本目标音频片段除目标类型音频之外的音频进行消音,得到消音目标片段;
对消音目标片段在时间序列所产生的频率变化曲线进行获取,得到频率时间曲线,并在所获取的频率时间变化曲线在平面直角坐标系中进行标记,得到目标音频曲线坐标图;
此处需要说明的是:
在本申请中,此处所涉及的频率变化曲线在目标音频曲线坐标图中的横坐标为时间序列,纵坐标为频率数值;
将频率时间曲线拆分为若干个初始子段曲线,并在所获取的多个初始子段曲线中任意选取一个样本子段曲线;
此处需要说明的是:
在本申请中,此处所涉及的初始子段曲线所对应的时间长度具体为目标类型音频所对应的能够可靠检测、识别或分析目标类型音频事件所需的最短时间长度。
在目标音频曲线坐标图中,对样本子段曲线所对应的曲线中心点进行获取,得到样本曲线中点,对目标音频曲线坐标图中除样本子段曲线的初始子段曲线中任意选取一个特征子段曲线,对特征子段曲线所对应的曲线中心点进行获取,得到特征曲线中点,
将样本子段曲线与特征子段曲线进行几何覆盖度分析,根据分析结果获取特征子段曲线所对应的曲线覆盖相似度;
具体如下:
对样本子段曲线进行正交移动,使样本曲线中点与特征曲线中点进行重合,将样本子段曲线左端点设置为第一样本端点,将样本子段曲线右端点设置为第二样本端点,将特征子段曲线左端点设置为第一特征端点,将特征子段曲线右端点设置为第二特征端点;
对第一样本端点以及第一特征端点进行横坐标数值获取,得到第一样本横坐标数值以及第一特征横坐标数值,若第一样本横坐标数值小于等于第一特征横坐标数值,则将第一样本横坐标数值设置为几何覆盖左端点,若第一样本横坐标数值大于第一特征横坐标数值,则将第一特征横坐标数值设置为几何覆盖左端点;
对第二样本端点以及第二特征端点进行横坐标数值获取,得到第二样本横坐标数值以及第二特征横坐标数值,若第二样本横坐标数值小于等于第二特征横坐标数值,则将第二特征横坐标数值设置为几何覆盖左端点,若第二样本横坐标数值大于第二特征横坐标数值,则将第二样本横坐标数值设置为几何覆盖右端点;
请参阅图2,过几何覆盖左端点以及几何覆盖右端点分别作与坐标x轴相垂直的直线,得到左端点标记线以及右端点标记线,将样本子段曲线、特征子段曲线、左端点标记线以及右端点标记线所围成的封闭区域设置为封闭相异区域,并对封闭相异区域进行面积数值获取,得到相异区域面积数值;
请参阅图3,过第一样本端点以及第二样本端点分别与坐标x轴相垂直的直线,得到第一样本端点垂线以及第二样本端点垂线,对第一样本端点进行纵坐标数值获取,得到第一样本纵坐标数值,对第二样本端点进行纵坐标数值获取,得到第二样本纵坐标数值,将第一样本纵坐标数值以及第二样本纵坐标数值进行数值比对,若第一样本纵坐标数值小于等于第二样本纵坐标数值,则过第一样本端点作平行于坐标x轴的直线,得到样本横向基准线,若第一样本纵坐标数值大于第二样本纵坐标数值,则过第二样本端点作平行于坐标x轴的直线,得到样本横向基准线,将第一样本端点垂线、第二样本端点垂线、样本横向基准线以及样本子段曲线所组成的封闭区域设置为样本曲线比对区域,并对样本曲线比对区域进行面积数值获取,得到样本比对区域面积数值;
请参阅图4,过第一特征端点以及第二特征端点分别与坐标x轴相垂直的直线,得到第一特征端点垂线以及第二特征端点垂线,对第一特征端点进行纵坐标数值获取,得到第一特征纵坐标数值,对第二特征端点进行纵坐标数值获取,得到第二特征纵坐标数值,将第一特征纵坐标数值以及第二特征纵坐标数值进行数值比对,若第一特征纵坐标数值小于等于第二特征纵坐标数值,则过第一特征端点作平行于坐标x轴的直线,得到特征横向基准线,若第一特征纵坐标数值大于第二特征纵坐标数值,则过第二特征端点作平行于坐标x轴的直线,得到特征横向基准线,将第一特征端点垂线、第二特征端点垂线、特征横向基准线以及特征子段曲线所组成的封闭区域设置为特征曲线比对区域,并对特征曲线比对区域进行面积数值获取,得到特征比对区域面积数值;
将特征比对区域面积数值、相异区域面积数值以及样本比对区域面积数值通过计算得到特征子段曲线所对应的曲线覆盖相似度;
对特征子段曲线所对应的曲线覆盖相似度进行计算,具体公式如下:
;
其中,Fxd为特征子段曲线所对应的曲线覆盖相似度,Sxy为相异区域面积数值,Stq为特征比对区域面积数值,Syq为样本比对区域面积数值;
获取区域覆盖相似度基准区间,若特征子段曲线所对应的曲线覆盖相似度处于区域覆盖相似度基准区间,则将特征子段曲线划分为预循环子段曲线,若特征子段曲线所对应的曲线覆盖相似度不处于区域覆盖相似度基准区间,则将特征子段曲线划分为非循环子段曲线;
此处需要说明的是:
在本申请中,对划分为预循环子段曲线的历史特征子段曲线进行获取,分别获取每一段历史特征子段曲线所对应的曲线覆盖相似度,并对所得的多个曲线覆盖相似度进行数值大小比对,将数值最小的曲线覆盖相似度标记为区域覆盖相似度基准区间下限,将数值最大的曲线覆盖相似度标记为区域覆盖相似度基准区间上限。
若特征子段曲线为预循环子段曲线时,使用特征子段曲线左端的初始子段曲线对特征子段曲线进行拓展,得到第一拓展特征曲线,使用样本子段曲线左端的初始子段曲线对样本子段曲线进行拓展,得到第一拓展样本曲线,对第一拓展特征曲线与第一拓展样本曲线之间的曲线覆盖相似度进行获取,若曲线覆盖相似度处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为预循环子段曲线,若曲线覆盖相似度不处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为非循环子段曲线;
若第一拓展特征曲线为预循环子段曲线时,使用特征子段曲线右端的初始子段曲线对第一拓展特征曲线进行拓展,得到第二拓展特征曲线,使用第一样本特征曲线右端的初始子段曲线对第一样本特征曲线进行拓展,得到第二拓展样本曲线,对第二拓展特征曲线与第二拓展样本曲线之间的曲线覆盖相似度进行获取,若曲线覆盖相似度处于区域覆盖相似度基准区间,则将第二拓展特征曲线划分为预循环子段曲线,若曲线覆盖相似度不处于区域覆盖相似度基准区间,则将第二拓展特征曲线划分为非循环子段曲线;
此处需要说明的是:
此处所涉及的“第一样本特征曲线为预循环子段曲线时,使用第一样本特征曲线右端的初始子段曲线对第一样本特征曲线进行拓展,得到第一拓展样本曲线”具体为将与第一样本特征曲线右端相连接的初始子段曲线与第一样本特征曲线进行合并,从而实现第一样本特征曲线的拓展,得到第二拓展样本曲线;
此处所涉及的“第一拓展特征曲线为预循环子段曲线时,使用特征子段曲线右端的初始子段曲线对第一拓展特征曲线进行拓展,得到第二拓展特征曲线”具体为将与第一拓展特征曲线右端相连接的初始子段曲线与第一拓展特征曲线进行合并,从而实现第一拓展特征曲线的拓展,得到第二拓展特征曲线。
重复上述过程,直至所获取的第i+1段拓展特征曲线为非循环字段曲线,对第i段拓展特征曲线所覆盖的时段音频为完整目标音频片段,则将第i段拓展特征曲线划分为有效循环曲线,若循环曲线覆盖时长不为完整目标音频片段,则将第i段拓展特征曲线划分为无效循环曲线;
此处需要说明的是:
在本申请中,由于目标类型音频具体为人声,此处所涉及的完整目标音频片段具体为一个完整的人声发声语言片段。
在本申请中,第二拓展特征曲线使用特征子段曲线右端的初始子段曲线对第一拓展特征曲线进行拓展,第三拓展特征曲线使用特征子段曲线左端的初始子段曲线对第二拓展特征曲线进行拓展,由此交替进行,拓展样本曲线与拓展特征曲线拓展曲线选取位置保持一致。
使用样本子段曲线对每一段初始子段曲线进行遍历,得到多段有效循环曲线,分别对每一段有效循环曲线所对应的音频片段进行获取,得到样本子段曲线所对应的循环音频片段;
重复对样本子段曲线所对应的循环音频片段的获取过程,对每一段初始子段曲线进行循环音频片段采集,将存在循环音频片段的初始子段曲线划分为循环子段曲线;
在消音目标片段中,对循环子段曲线所对应的原始音频片段筛分为有效音频片段,将循环子段曲线所对应的循环音频片段筛分为无效音频片段,并对无效音频片段进行删除,得到样本目标音频片段所对应的片段筛分音频;
重复对样本目标音频片段所对应的片段筛分音频,分别获取每一段目标音频片段所对应的片段筛分音频,得到传输音频筛分数据;
将待传输图像数据以及传输音频筛分数据设置为音频传输采集数据;
此处需要说明的是:
上述步骤S1基于音频曲线的深度分析可动态优化传输链路,降低电磁干扰与信号衰减对音质的损耗,尤其在远程通信场景中显著提升了传输的清晰度与稳定性,同时通过压缩冗余数据减少带宽占用,实现效率与质量的双重提升。此外,情绪化语句识别技术赋予系统感知语音情感特征的能力,通过分析语调、语速等细微变化,精准捕捉用户情绪状态,为个性化交互提供了关键支撑。这一技术融合不仅推动了音频处理从单一功能向智能化、场景化升级。
步骤S2:根据音频传输采集数据对待传输图像数据进行重复图像筛分,根据筛分结果获取传输图像筛分数据;
所述步骤S2中,还包括以下步骤:
获取音频传输采集数据,根据音频传输采集数据获取待传输图像数据,并将待传输图像数据划分为独立图像以及视频流图像;
在所获取的多张独立图像中任意选取一个样本独立图像,使用图像监测算法对样本独立图像进行重复性监测,根据监测结果获取样本独立图像所对应的重复独立图像;
此处需要说明的是:
在本申请中,此处所涉及的图像监测算法为图像特征点检测算法。
重复对样本独立图像所对应的重复独立图像的获取过程,分别获取每一个独立图像所对应的重复图像,得到独立图像筛分数据;
对视频流图像进行重复性监测,根据监测结果获取视频流图像筛分数据;
具体如下:
对视频流图像进行按帧截取,得到多个视频截取图像,并对多个视频截取图像按照截取时间的先后顺序分别标记为J1视频截取图像至Ja视频截取图像;
此处需要说明的是:
在本申请中,J1视频截取图像至Ja视频截取图像中的J1、J2、J3……Ja分别对视频截取图像编号;
将J1视频截取图像与J2视频截取图像进行重复率监测,根据监测结果对J2视频截取图像进行图像类型划分;
具体如下:
使用边缘监测算法对J1视频截取图像进行图像物体轮廓标记,并根据闭合轮廓所围成的图像区域进行获取,得到多个图像物体区域,并将所获取的多个图像物体区域分别命名为T1物体区域至Tb物体区域;
此处需要说明的是:
在本申请中,T1物体区域至Tb物体区域中的T1、T2、T3……Tb为图像物体区域。
将J1视频截取图像中的T1物体区域命名为第一图像样本区域,使用边缘检测算法对J2视频截取图像中的样本图像物体区域进行获取,得到第二图像样本区域;
使用J1视频截取图像对J2视频截取图像进行覆盖,在覆盖后的J2视频截取图像中,对第一图像样本区域以及第二图像样本区域的图像重叠区域进行标记,得到第三图像样本区域;
分别对第一图像样本区域以及第三图像样本区域进行像素点数量统计,得到第一区域像素点数量值以及第三区域像素点数量值,计算第三区域像素点数量值与第一区域像素点数量值的比值,得到T1区域重复度;
重复对T1区域重复度的获取过程,分别对T2物体区域至Tb物体区域所对应的区域重复度进行获取,得到T2区域重复度至Tb区域重复度;
对T1物体区域至Tb物体区域进行面积数值获取,得到T1区域面积数值至Tb区域面积数值,对J1视频截取图像进行图像面积数值获取,得到区域合计面积数值,分别获取T1区域面积数值至Tb区域面积数值与区域合计面积数值的比值,得到T1区域面积占比至Tb区域面积占比;
将T1区域面积占比至Tb区域面积占比以及T1区域重复度至Tb区域重复度通过计算得到J2视频截取图像所对应的图像重复度;
对J2视频截取图像所对应的图像重复度进行计算,具体公式如下:
;
其中,Tcf为J2视频截取图像所对应的图像重复度,Qzi为Ti区域重复度,Mzi为Ti区域面积占比,b为图像物体区域所对应的数量值,且b为大于0的整数;
此处需要说明的是:
在本申请中,此处所涉及的Ti区域重复度可以为T1区域重复度至Tb区域重复度中的任意一个区域重复度,此处所涉及的Ti区域面积占比可以为T1区域重复度至Tb区域重复度中的任意一个区域重复度。
获取图像重复度预设区间,若J2视频截取图像所对应的图像重复度处于图像重复度预设区间,则将J2视频截取图像设置为相同截取图像,若J2视频截取图像所对应的图像重复度不处于图像重复度预设区间,则将J2视频截取图像设置为相异截取图像;
此处需要说明的是:
对样本独立图像中的重复独立图像进行获取,得到多个重复独立图像,分别获取每一张重复独立图像所对应的最小图像重复度,得到多个预设图像重复度,并对所得的多个预设图像重复度进行数值大小比对,将数值最大的预设图像重复度设置为图像重复度预设区间上限,将数值最小的预设图像重复度设置为图像重复度预设区间下限,得到图像重复度预设区间。
若J2视频截取图像设置为相同截取图像,则将J3视频截取图像与J1视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,若J2视频截取图像设置为相异截取图像,则将J3视频截取图像与J2视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,以此类推,直至完成对Ja视频截取图像的类型划分,并对相同截取图像进行删除,得到视频流图像筛分数据;
将视频流图像筛分数据以及独立图像筛分数据定义为图像传输采集数据;
步骤S3:根据音频传输采集数据以及图像传输采集数据对待传输数据进行远程传输;
所述步骤S3中,还包括以下步骤:
获取音频传输采集数据,根据音频传输采集数据获取音频待传输数据、待传输图像数据以及传输音频筛分数据;
使用卫星通信技术对音频待传输数据进行远程传输时,使用传输音频筛分数据对音频待传输数据进行数据替代并传输;
使用卫星通信技术对待传输图像数据进行远程传输,具体如下:
获取图像传输采集数据,根据图像传输采集数据获取视频流图像筛分数据以及独立图像筛分数据;
使用卫星通信技术对音频待传输数据中的独立图像进行远程传输时,使用独立图像筛分数据对独立图像进行数据替代并传输;
使用卫星通信技术对音频待传输数据中的视频流图像进行远程传输时,使用视频流图像筛分数据对独立图像进行数据替代并传输;
此处需要说明的是:
此处所涉及的音频传输采集数据包括待传输图像数据以及传输音频筛分数据。
在本申请中,此处所涉及的卫星通信技术均基于天通一号卫星进行通信传输。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.基于天通一号卫星通信的远程数据采集方法,其特征在于,包括:
步骤S1:对需要进行卫星通信的待传输数据进行实时获取,将所获取的待传输数据分割为音频待传输数据以及待传输图像数据,对音频待传输数据进行循环内容筛分,根据筛分结果得到传输音频筛分数据,将待传输图像数据以及传输音频筛分数据设置为音频传输采集数据;
对待传输音频的音频片段进行截取,得到目标音频片段,并选取样本目标音频;对除目标类型音频之外的样本目标音频片段进行消音,得到消音目标片段,对消音目标片段的频率时间曲线选取初始样本子段曲线,并将其与特征子段曲线进行几何覆盖度分析,得到曲线覆盖相似度,对样本子段曲线进行循环片段筛分,获取循环音频片段;并对其所对应的频率曲线进行获取,得到循环子段曲线,对循环子段曲线所对应的无效音频片段进行删除,得到样本目标音频片段所对应的片段筛分音频;获取每一段目标音频片段所对应的片段筛分音频,得到传输音频筛分数据;
步骤S2:根据音频传输采集数据对待传输图像数据进行重复图像筛分,根据筛分结果获取传输图像筛分数据;
根据音频传输采集数据获取独立图像以及视频流图像,对视频流图像进行按帧截取,并进行重复率监测,进行图像类型划分,若视频截取图像设置为相同截取图像,则将下一个视频截取图像与前一个视频截取图像进行重复度分析,并根据分析结果对下一个视频截取图像进行类型划分;
若视频截取图像设置为相异截取图像,则将下一个视频截取图像与视频截取图像进行重复度分析,对下一个视频截取图像进行类型划分;直至完成对所有视频截取图像的类型划分;
步骤S3:根据音频传输采集数据以及图像传输采集数据对待传输数据进行远程传输。
2.根据权利要求1所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S1中,还包括以下步骤:
步骤S11:对待传输音频数据以及待传输图像数据进行获取;
步骤S12:对待传输音频进行关键音频筛分,根据筛分结果获取传输音频筛分数据;
步骤S13:将待传输图像数据以及传输音频筛分数据设置为音频传输采集数据;
所述步骤S12中,还包括以下步骤:
步骤S121:使用语音识别工具对待传输音频中存在目标类型音频的音频片段进行截取,得到多个目标音频片段;
步骤S122:在所获取的多个目标音频片段中任意选取一个样本目标音频片段,对样本目标音频片段进行音频频谱识别,根据识别结果对样本目标音频片段进行筛分,得到样本目标音频片段所对应的片段筛分音频;
步骤S123:分别获取每一段目标音频片段所对应的片段筛分音频,得到传输音频筛分数据。
3.根据权利要求2所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S122中,还包括以下步骤:
步骤S1221:对样本目标音频片段除目标类型音频之外的音频进行消音,得到消音目标片段;
步骤S1222:对消音目标片段在时间序列所产生的频率变化曲线进行获取,得到频率时间曲线,并在所获取的频率时间变化曲线在平面直角坐标系中进行标记,得到目标音频曲线坐标图;
步骤S1223:将频率时间曲线拆分为若干个初始子段曲线,并在所获取的多个初始子段曲线中任意选取一个样本子段曲线;
步骤S1224:将样本子段曲线与特征子段曲线进行几何覆盖度分析,根据分析结果获取特征子段曲线所对应的曲线覆盖相似度;
步骤S1225:根据曲线覆盖相似度对样本子段曲线进行循环片段筛分,根据筛分结果获取样本子段曲线所对应的循环音频片段;
步骤S1226:对每一段初始子段曲线进行循环音频片段采集,将存在循环音频片段的初始子段曲线划分为循环子段曲线;
步骤S1227:在消音目标片段中,对循环子段曲线所对应的原始音频片段筛分为有效音频片段,将循环子段曲线所对应的循环音频片段筛分为无效音频片段,并对无效音频片段进行删除,得到样本目标音频片段所对应的片段筛分音频。
4.根据权利要求3所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S1224中,还包括以下步骤:
对样本子段曲线进行正交移动,使样本曲线中点与特征曲线中点进行重合,将样本子段曲线左端点设置为第一样本端点,将样本子段曲线右端点设置为第二样本端点,将特征子段曲线左端点设置为第一特征端点,将特征子段曲线右端点设置为第二特征端点;
对第一样本端点、第二样本端点、第一特征端点以及第二特征端点进行坐标数值比对,根据比对结果获取几何覆盖左端点以及几何覆盖右端点;
过几何覆盖左端点以及几何覆盖右端点分别作与坐标x轴相垂直的直线,得到左端点标记线以及右端点标记线,将样本子段曲线、特征子段曲线、左端点标记线以及右端点标记线所围成的封闭区域设置为封闭相异区域,并对封闭相异区域进行面积数值获取,得到相异区域面积数值。
5.根据权利要求4所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S1224中,还包括以下步骤:
对第一样本端点以及第二样本端点进行几何位置分析,根据分析结果划分样本曲线比对区域,并对其进行面积数值获取,得到样本比对区域面积数值;
对第一特征端点以及第二特征端点进行几何位置分析,根据分析结果划分特征曲线比对区域,并对其进行面积数值获取,得到特征比对区域面积数值;
将特征比对区域面积数值、相异区域面积数值以及样本比对区域面积数值通过计算得到特征子段曲线所对应的曲线覆盖相似度;
所述步骤S1225中,还包括以下步骤:
获取区域覆盖相似度基准区间,若特征子段曲线所对应的曲线覆盖相似度处于区域覆盖相似度基准区间,则将特征子段曲线划分为预循环子段曲线,若特征子段曲线所对应的曲线覆盖相似度不处于区域覆盖相似度基准区间,则将特征子段曲线划分为非循环子段曲线。
6.根据权利要求5所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S1225中,还包括以下步骤:
若特征子段曲线为预循环子段曲线时,使用特征子段曲线左端的初始子段曲线对特征子段曲线进行拓展,得到第一拓展特征曲线,使用样本子段曲线左端的初始子段曲线对样本子段曲线进行拓展,得到第一拓展样本曲线,对第一拓展特征曲线与第一拓展样本曲线之间的曲线覆盖相似度进行获取,若曲线覆盖相似度处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为预循环子段曲线,若曲线覆盖相似度不处于区域覆盖相似度基准区间,则将第一拓展特征曲线划分为非循环子段曲线;
直至所获取的第i+1段拓展特征曲线为非循环字段曲线,对第i段拓展特征曲线所覆盖的时段音频为完整目标音频片段,将第i段拓展特征曲线划分为有效循环曲线,若循环曲线覆盖时长不为完整目标音频片段,将第i段拓展特征曲线划分为无效循环曲线;
使用样本子段曲线对每一段初始子段曲线进行遍历,得到多段有效循环曲线,分别对每一段有效循环曲线所对应的音频片段进行获取,得到样本子段曲线所对应的循环音频片段。
7.根据权利要求1所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S2中,还包括以下步骤:
步骤S21:获取音频传输采集数据,根据音频传输采集数据获取待传输图像数据,并将待传输图像数据划分为独立图像以及视频流图像;
步骤S22:在所获取的多张独立图像中任意选取一个样本独立图像,使用图像监测算法对样本独立图像进行重复性监测,根据监测结果获取样本独立图像所对应的重复独立图像;
步骤S23:分别获取每一个独立图像所对应的重复图像,得到独立图像筛分数据;
步骤S24:对视频流图像进行重复性监测,根据监测结果获取视频流图像筛分数据;
步骤S25:将视频流图像筛分数据以及独立图像筛分数据定义为图像传输采集数据。
8.根据权利要求7所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S24中,还包括以下步骤:
步骤S241:对视频流图像进行按帧截取,得到J1视频截取图像至Ja视频截取图像;
步骤S242:将J1视频截取图像与J2视频截取图像进行重复率监测,根据监测结果对J2视频截取图像进行图像类型划分;
步骤S243:若J2视频截取图像设置为相同截取图像,则将J3视频截取图像与J1视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,若J2视频截取图像设置为相异截取图像,则将J3视频截取图像与J2视频截取图像进行重复度分析,并根据分析结果对J3视频截取图像进行类型划分,以此类推,直至完成对Ja视频截取图像的类型划分,对相同截取图像进行删除,得到视频流图像筛分数据。
9.根据权利要求8所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S242中,还包括以下步骤:
对J1视频截取图像进行图像物体轮廓标记,并根据闭合轮廓所围成的图像区域进行获取,得到多个图像物体区域,并将所获取的多个图像物体区域分别命名为T1物体区域至Tb物体区域;
将J1视频截取图像中的T1物体区域命名为第一图像样本区域,使用边缘检测算法对J2视频截取图像中的样本图像物体区域进行获取,得到第二图像样本区域;
使用J1视频截取图像对J2视频截取图像进行覆盖,在覆盖后的J2视频截取图像中,对第一图像样本区域以及第二图像样本区域的图像重叠区域进行标记,得到第三图像样本区域;
分别对第一图像样本区域以及第三图像样本区域进行像素点数量统计,得到第一区域像素点数量值以及第三区域像素点数量值,计算第三区域像素点数量值与第一区域像素点数量值的比值,得到T1区域重复度;
分别对T2物体区域至Tb物体区域所对应的区域重复度进行获取,得到T2区域重复度至Tb区域重复度;
获取T1物体区域至Tb物体区域与J1视频截取图像的面积之比,得到T1区域面积占比至Tb区域面积占比;
将T1区域面积占比至Tb区域面积占比以及T1区域重复度至Tb区域重复度通过计算得到J2视频截取图像所对应的图像重复度;
获取图像重复度预设区间,若图像重复度处于图像重复度预设区间,则将J2视频截取图像设置为相同截取图像,若图像重复度不处于图像重复度预设区间,则将J2视频截取图像设置为相异截取图像。
10.根据权利要求1所述的基于天通一号卫星通信的远程数据采集方法,其特征在于,所述步骤S3中,还包括以下步骤:
获取音频传输采集数据,根据音频传输采集数据获取音频待传输数据、待传输图像数据以及传输音频筛分数据;
使用卫星通信技术对音频待传输数据进行远程传输时,使用传输音频筛分数据对音频待传输数据进行数据替代并传输;
使用卫星通信技术对待传输图像数据进行远程传输,具体如下:
获取图像传输采集数据,根据图像传输采集数据获取视频流图像筛分数据以及独立图像筛分数据;
使用卫星通信技术对音频待传输数据中的独立图像进行远程传输时,使用独立图像筛分数据对独立图像进行数据替代并传输;
使用卫星通信技术对音频待传输数据中的视频流图像进行远程传输时,使用视频流图像筛分数据对独立图像进行数据替代并传输。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511337382.1A CN120825488B (zh) | 2025-09-18 | 基于天通一号卫星通信的远程数据采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511337382.1A CN120825488B (zh) | 2025-09-18 | 基于天通一号卫星通信的远程数据采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN120825488A true CN120825488A (zh) | 2025-10-21 |
| CN120825488B CN120825488B (zh) | 2026-01-02 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08330971A (ja) * | 1995-05-30 | 1996-12-13 | Victor Co Of Japan Ltd | オーディオ信号の圧縮伸張方法 |
| CN102461184A (zh) * | 2009-06-23 | 2012-05-16 | Lg电子株式会社 | 三维图像提供装置、显示装置及其方法 |
| US20200066294A1 (en) * | 2019-10-31 | 2020-02-27 | Ron Zass | Detecting repetitions in audio data |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08330971A (ja) * | 1995-05-30 | 1996-12-13 | Victor Co Of Japan Ltd | オーディオ信号の圧縮伸張方法 |
| CN102461184A (zh) * | 2009-06-23 | 2012-05-16 | Lg电子株式会社 | 三维图像提供装置、显示装置及其方法 |
| US20200066294A1 (en) * | 2019-10-31 | 2020-02-27 | Ron Zass | Detecting repetitions in audio data |
Non-Patent Citations (1)
| Title |
|---|
| XAVIER ANGUERA: "MASK:robust local feature for audio fingerprinting", IEEE, 13 September 2012 (2012-09-13) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11398235B2 (en) | Methods, apparatuses, systems, devices, and computer-readable storage media for processing speech signals based on horizontal and pitch angles and distance of a sound source relative to a microphone array | |
| US8131792B1 (en) | Apparatus and method for correlating synchronous and asynchronous data streams | |
| CN101567969A (zh) | 基于麦克风阵列声音制导的智能视频导播方法 | |
| CN107526437A (zh) | 一种基于音频多普勒特征量化的手势识别方法 | |
| CN118762013A (zh) | KIA Net网络模型及其图像、高精度晶圆缺陷检测与分割方法 | |
| CN109997186B (zh) | 一种用于分类声环境的设备和方法 | |
| CN110544479A (zh) | 一种去噪的语音识别方法及装置 | |
| CN110580915B (zh) | 基于可穿戴式设备的声源目标识别系统 | |
| CN118112572A (zh) | 一种软硬件融合的无线感知人体行为检测系统 | |
| Wang et al. | A novel underground pipeline surveillance system based on hybrid acoustic features | |
| CN120825488B (zh) | 基于天通一号卫星通信的远程数据采集方法 | |
| CN120825488A (zh) | 基于天通一号卫星通信的远程数据采集方法 | |
| US8462984B2 (en) | Data pattern recognition and separation engine | |
| Liao et al. | Recurrent neural unit with frequency attention for specific emitter identification | |
| CN113921000B (zh) | 一种噪声环境下在线指令词语音识别方法及系统 | |
| Park et al. | Pretrained network-based sound event recognition for audio surveillance applications | |
| CN115828065A (zh) | 基于dtw算法的电磁屏蔽式智能割草机边界内外识别方法 | |
| CN115345198A (zh) | 一种电磁异常信号检测方法及系统 | |
| KR100653173B1 (ko) | 다중경로 혼합신호 분리계수의 교환 모호성을 해소하는방법 및 그 장치 | |
| CN115616082B (zh) | 一种基于杂音检测的键盘缺陷分析方法 | |
| CN117129998B (zh) | 一种基于近超声的非视距信号识别方法 | |
| CN119906615B (zh) | 基于频率调制的无线通信信号增强方法 | |
| CN116150602B (zh) | 一种多跨度分解、提取特征信号的方法、设备及存储设备 | |
| CN110515039A (zh) | 一种基于时间频率域的语音追踪及定位方法 | |
| Kadu et al. | User Specific Real-Time Noise Cancellation using Deep Learning |
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 |