一种山区大雾识别方法、系统及计算机设备
文献发布时间:2024-04-18 19:59:31
技术领域
本发明涉及图像数据处理领域,特别涉及一种山区大雾识别方法、系统及计算机设备。
背景技术
随着我国水陆空立体交通网的发展,大雾这种全方位影响航空航运、公路交通的高危天气现象,也逐渐受到气象部门的重点关注,尤其是山区河谷地形中,由于地势低、水源汇合等因素,更容易具有近地面稳定层结、风速较小、高湿的水汽条件这三个大雾发生和维持的必备天气因子,即更容易形成大雾天气,其周边的交通线路和生活区域也就更容易受到大雾天气的影响,所以如何准确识别山区大雾,以及时发出预警预报是亟待解决的问题。
目前气象部门对大雾的实况监测主要是使用气象观测站对能见度进行观测,进而判断大雾天气的有无和浓度,但是气象观测站受限于地区经济条件和地区建筑条件,使其在全国的众多省市地区中仍处于数量不足的状态,观测站的观测结果不但受非大雾原因造成的低能见度情况影响较大,而且其本身观测的空间分辨率低,使得在我国大部分地区通常使用一个观测站的观测数据代表一个县域的大雾情况,造成了预报结果不够精确不具有代表性的问题,尤其是在山区河谷中常常出现大雾且其具有少动和局地生消的特点,如果观测站的距离较远则会完全漏掉对这类大雾的监测,所以气象部门通常对观测站的能见度数据进行空间插值处理,在相邻的两个站点都监测到低能见度时,使用能见度空间插值一般会处理成一片连起来的雾,但实际情况往往是两片完全没有联系的雾区,所以基于稀疏的观测站点进行空间插值得到的低能见度区很可能和真实的雾区分布完全不同,因此具有信息源可靠、空间分辨率高、观测范围广、能连续监测等优点的卫星遥感监测,是提高大雾天气识别准确度的重要研究方向。
但是,现有技术中使用卫星遥感监测大雾天气,依然无法满足准确识别山区大雾的要求,首先是卫星遥感监测现有方案本身的识别准确率不高,同时现有方案应用于监测山区大雾时对于云和雾的区分较难,尤其是低云,其和雾在卫星遥感指标上的差异不大,进一步导致了误识别情况的出现,进一步造成了识别准确率低的问题。
发明内容
基于此,本发明的目的是提供一种山区大雾识别方法、系统及计算机设备,通过将待识别地区的多源数据预处理成为具有多维度信息的待识别地区图像网格数据,进而再根据待识别地区图像网格数据划分独立识别区域、设定大雾区域阈值,实现高精度的大雾区域初步识别,最终通过多维度数据判断并去除误识别云区,并对待识别地区图像网格数据进行单个格点的精修,以获取最终识别的大雾区域图像,实现了山区大雾的准确识别,避免了云雾区域误识别的问题,极大地提高了山区大雾识别的准确度。
本发明提出的山区大雾识别方法,包括:
获取待识别地区的多源数据并进行预处理,所述多源数据包含地温数据、地形数据和卫星遥感数据;
根据所述地形数据,对所述待识别地区进行独立识别区域的划分,所述独立识别区域包含山峰区域、中间区域和河谷区域;
根据所述卫星遥感数据,获取所述山峰区域的光通道反射率值,并根据所述山峰区域的光通道反射率值进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,若所述独立识别区域的光通道反射率值大于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域;
根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域;
将所述精确识别大雾区域进行精修,以获取最终识别大雾区域。
综上,根据上述山区大雾识别方法,通过将待识别地区的多源数据预处理成为具有多维度信息的待识别地区图像网格数据,进而再根据待识别地区图像网格数据划分独立识别区域、设定大雾区域阈值,实现高精度的大雾区域初步识别,最终通过多维度数据判断并去除误识别云区,并对待识别地区图像网格数据进行单个格点的精修,以获取最终识别的大雾区域图像,实现了山区大雾的准确识别,避免了云雾区域误识别的问题,极大地提高了山区大雾识别的准确度。具体为,首先获取待识别地区的包含地温数据、地形数据和卫星遥感数据的多源数据并进行预处理,以获取具有多维度信息的待识别地区图像网格数据,并根据地形数据进行独立识别区域的划分,以排除非山区河谷区域的影响,再进一步根据卫星遥感数据对大雾区域阈值进行设定,以实现大雾区域的初步识别,再根据地温数据和卫星遥感数据进行误识别区域的综合判断并剔除误识别区域,以排除误识别云区的对雾区识别的影响,实现大雾区域的精确识别,最终通过对单个格点的精修,进一步提高识别精度,以获取最终识别的大雾区域图像,极大地提高了山区大雾识别的准确度。
进一步的,所述获取待识别地区的多源数据并进行预处理,所述多源数据包含地温数据、地形数据和卫星遥感数据的步骤包括:
获取地温数据、地形数据和卫星遥感数据,所述地温数据包含地表温度和质控码,所述地形数据包含流域分布数据和地形高度数据,所述卫星遥感数据包含可见光通道数据和长波红外通道数据;
将所述地温数据、所述地形数据和所述卫星遥感数据转换成预先设定的空间分辨率阈值的待识别地区图像网格数据。
进一步的,所述根据所述地形数据,对所述待识别地区进行独立识别区域的划分,所述独立识别区域包含山峰区域、中间区域和河谷区域的步骤包括:
根据地形数据,将待识别地区中的非山区地形区域剔除,并将剔除后剩余的所述待识别地区划分为多个独立识别区域;
将所述独立识别区域中的所有格点依照地形高度值由大到小进行排序;
将预设高值区的格点划分为山峰区域,将预设低值区的格点划分为河谷区域,将剩余格点划分为中间区域。
进一步的,所述根据所述卫星遥感数据,获取所述山峰区域的光通道反射率值,并根据所述山峰区域的光通道反射率值进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,若所述独立识别区域的光通道反射率值大于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域的步骤包括:
根据卫星遥感数据,获取山峰区域的光通道反射率值并依照大小顺序对所述光通道反射率值进行排序;
获取所述山峰区域的所述光通道反射率值的中位数值,并将所述中位数值的两倍设定为大雾区域阈值;
获取所有独立识别区域的所述光通道反射率值,判断所述独立识别区域的所述光通道反射率值是否大于等于所述大雾区域阈值,若所述独立识别区域的所述光通道反射率值大于等于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域。
进一步的,所述根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域的步骤包括:
根据卫星遥感数据,获取初步识别大雾区域的长波红外通道数据;
根据地温数据,对所述长波红外通道数据进行转换处理为与所述地温数据单位格式一致的长波红外通道温度数据;
根据所述地温数据和所述长波红外通道温度数据,获取所述初步识别大雾区域的温差数据;
获取所述初步识别大雾区域中的山峰区域的所述温差数据并依照大小顺序对所述温差数据进行排序;
获取所述山峰区域的所述温差数据的中位数值,并将所述中位数值增加预设温度值,以获取云雾边界阈值;
判断所述初步识别大雾区域的所述温差数据是否大于等于所述云雾边界阈值,若所述初步识别大雾区域的所述温差数据大于等于所述云雾边界阈值,则判定所述初步识别大雾区域为误识别云区域,若所述初步识别大雾区域的所述温差数据小于所述云雾边界阈值,则判定所述初步识别大雾区域为精确识别大雾区域。
进一步的,所述将所述精确识别大雾区域进行精修,以获取最终识别大雾区域的步骤之前还包括:
将所有独立识别区域拼接回待识别地区,以获取待精修地区。
进一步的,所述将所述精确识别大雾区域进行精修,以获取最终识别大雾区域的步骤包括:
获取精确识别大雾区域的所有格点,并对每个所述格点的相邻格点进行求和,相邻格点求和公式为:
,
其中a表示被求和的原始格点,m、n表示原始格点经度和纬度方向的网格值,A表示求和计算后格点,i、j分别表示计算后格点经度和纬度方向的网格值,i1、i2分别为经度方向累加起始网站值和终止网站值,j1、j2分别为纬度方向累加起始网站值和终止网站值,当i=0时:i1=i、i2=i+1,当0
对计算获取的所述相邻格点进行统计,并判断所述相邻格点的值是否小于等于预设孤立噪点阈值,若所述相邻格点的值小于等于所述预设孤立噪点阈值,则判定所述相邻格点为孤立噪点并将所述孤立噪点剔除。
本发明提出的一种山区大雾识别系统,包括:
采集模块,用于获取待识别地区的多源数据并进行预处理,所述多源数据包含地温数据、地形数据和卫星遥感数据;
初步识别模块,用于根据所述地形数据,对所述待识别地区进行独立识别区域的划分,所述独立识别区域包含山峰区域、中间区域和河谷区域,根据所述卫星遥感数据,获取所述山峰区域的光通道反射率值,并根据所述山峰区域的光通道反射率值进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,若所述独立识别区域的光通道反射率值大于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域;
精确识别模块,用于根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域,将所述精确识别大雾区域进行精修,以获取最终识别大雾区域。
本发明另一方面,还提供一种存储介质,包括所述存储介质存储一个或多个程序,所述程序被执行时实现如上述的山区大雾识别方法。
本发明另一方面还提供一种计算机设备,所述计算机设备包括存储器和处理器,其中:
所述存储器用于存放计算机程序;
所述处理器用于执行所述存储器中存放的所述计算机程序时,实现如上述的山区大雾识别方法。
附图说明
图1为本发明第一实施例提出的山区大雾识别方法的流程图;
图2为本发明第二实施例提出的山区大雾识别方法的流程图;
图3为本发明第三实施例提出的山区大雾识别系统的结构示意图;
图4为本发明第二实施例提出的山区大雾识别方法的完整方案识别结果图;
图5为本发明第二实施例提出的山区大雾识别方法的部分方案识别结果图;
图6为中国气象局国家卫星气象中心的山区大雾识别方法的识别结果图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干个实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,所示为本发明第一实施例提出的山区大雾识别方法的流程图,该种山区大雾识别方法包括步骤S01至步骤S05,其中:
步骤S01:获取待识别地区的多源数据并进行预处理;
需要说明的,本实施例中的多源数据包含地温数据、地形数据和卫星遥感数据,其中地温数据包含有国家气象部门观测站观测的地表温度以及中国气象局下发的质控码,地形数据包含有中国气象局下发高精度分流域地形高度数据,卫星遥感数据包含有中国气象局下发的FY4a气象卫星采集的0.65um可见光通道数据和10.7um长波红外通道数据,本实施例中的预处理是将上述多源数据统一处理成相同空间分辨率的网格数据,其空间分辨率精度为500米。
步骤S02:根据所述地形数据,对所述待识别地区进行独立识别区域的划分;
需要说明的,本实施例中依据高精度的流域地形数据,将4级河流流域作为独立识别区域,并且由本发明方法是针对于山区大雾的识别方法,因此不选取河流下游大范围盆地和平原作为独立识别区域,将上述的非山区河谷地形区域剔除,并将每个独立识别区域中的网格数据的所有格点按照的地形高度值大小排序,将高度值前20%的格点区域划分为山峰区域,后20%的格点区域划分为河谷区域,其余格点区域划分为中间区域。
步骤S03:根据所述卫星遥感数据进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,从而初步识别大雾区域;
需要说明的,本实施例中的大雾区域阈值是根据山峰区域格点的0.65um可见光通道数据进行设定的,因为FY4a气象卫星数据可见光通道有三种,分别为0.47um、0.65um、0.825um,但在分辨率精度上,0.47um和0.825um的可见光通道的分辨率精度最高只有1km的网格分辨率,而0.65um的可见光通道的分辨率精度最高可有0.5km的网格分辨率,同时0.65um的可见光通道对于雾区和非雾区的反射率差异较为明显,在初步识别情况下也能清晰的分辨云雾区域的边界,从而获取识别准确度和识别精度较高的初步识别的山区大雾区域图像,本实施例中的大雾区域阈值设定为山峰区域格点的0.65um可见光通道反射率的中位数的2倍。
步骤S04:根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域;
需要说明的,本实施例步骤S04中使用的所述卫星遥感数据为10.7um长波红外通道数据,根据地温数据和10.7um长波红外通道数据的温差数据进行云雾边界阈值的设定,本实施例中云雾边界阈值设定为山峰区域格点的温差数据中位数+2℃,再基于对流层(中纬度地区平均10-12km高度之下)中,每升高100m,温度下降0.6摄氏度的规律,可实现区分近大雾表层300m以上的误识别云区。
步骤S05:将所述精确识别大雾区域进行精修,以获取最终识别大雾区域;
需要说明的,本实施例中精修前需要把所有独立识别区域拼接回待识别地区图像,再整体的对每个格点及其相邻的格点进行求和统计,相邻点求和公式为:
,
其中a表示被求和的原始格点,m、n表示原始格点经度和纬度方向的网格值,A表示求和计算后格点,i、j分别表示计算后格点经度和纬度方向的网格值,i1、i2分别为经度方向累加起始网站值和终止网站值,j1、j2分别为纬度方向累加起始网站值和终止网站值,当i=0时:i1=i、i2=i+1,当0
综上,根据上述山区大雾识别方法,通过将待识别地区的多源数据预处理成为具有多维度信息的待识别地区图像网格数据,进而再根据待识别地区图像网格数据划分独立识别区域、设定大雾区域阈值,实现高精度的大雾区域初步识别,最终通过多维度数据判断并去除误识别云区,并对待识别地区图像网格数据进行单个格点的精修,以获取最终识别的大雾区域图像,实现了山区大雾的准确识别,避免了云雾区域误识别的问题,极大地提高了山区大雾识别的准确度。具体为,首先获取待识别地区的包含地温数据、地形数据和卫星遥感数据的多源数据并进行预处理,以获取具有多维度信息的待识别地区图像网格数据,并根据地形数据进行独立识别区域的划分,以排除非山区河谷区域的影响,再进一步根据卫星遥感数据对大雾区域阈值进行设定,以实现大雾区域的初步识别,再根据地温数据和卫星遥感数据进行误识别区域的综合判断并剔除误识别区域,以排除误识别云区的对雾区识别的影响,实现大雾区域的精确识别,最终通过对单个格点的精修,进一步提高识别精度,以获取最终识别的大雾区域图像,极大地提高了山区大雾识别的准确度。
请参阅图2,所示为本发明第二实施例提出的山区大雾识别方法的流程图,该种山区大雾识别方法包括步骤S11至步骤S19,其中:
步骤S11:获取地温数据、地形数据和卫星遥感数据并转换成预先设定的空间分辨率阈值的待识别地区图像网格数据;
步骤S12:根据地形数据,将待识别地区中的非山区地形区域剔除,并将剔除后剩余的待识别地区划分为多个独立识别区域;
步骤S13:将独立识别区域中的所有格点依照地形高度值由大到小进行排序,将预设高值区的格点划分为山峰区域,将预设低值区的格点划分为河谷区域,将剩余格点划分为中间区域;
步骤S14:根据卫星遥感数据,获取山峰区域的光通道反射率值并依照大小顺序对光通道反射率值进行排序,获取山峰区域的光通道反射率值的中位数值,并将中位数值的两倍设定为大雾区域阈值;
步骤S15:获取所有独立识别区域的光通道反射率值,判断独立识别区域的光通道反射率值是否大于等于大雾区域阈值,若独立识别区域的光通道反射率值大于等于大雾区域阈值,则判定独立识别区域为初步识别大雾区域;
步骤S16:根据卫星遥感数据,获取初步识别大雾区域的长波红外通道数据,根据地温数据,对长波红外通道数据进行转换处理为与地温数据单位格式一致的长波红外通道温度数据,根据地温数据和长波红外通道温度数据,获取初步识别大雾区域的温差数据;
步骤S17:获取初步识别大雾区域中的山峰区域的温差数据并依照大小顺序对温差数据进行排序,获取山峰区域的温差数据的中位数值,并将中位数值增加预设温度值,以获取云雾边界阈值;
步骤S18:判断初步识别大雾区域的温差数据是否大于等于云雾边界阈值,若初步识别大雾区域的温差数据大于等于云雾边界阈值,则判定初步识别大雾区域为误识别云区域,若初步识别大雾区域的温差数据小于云雾边界阈值,则判定初步识别大雾区域为精确识别大雾区域;
步骤S19:将所有独立识别区域拼接回待识别地区,以获取待精修地区,获取精确识别大雾区域的所有格点,并对每个格点的相邻格点进行求和,对计算获取的相邻格点进行统计,并判断相邻格点的值是否小于等于预设孤立噪点阈值,若相邻格点的值小于等于预设孤立噪点阈值,则判定相邻格点为孤立噪点并将孤立噪点剔除;
需要说明的,本实施例选取江西范围内的山区作为待识别地区的识别目标,并与中国气象局国家卫星气象中心的山区大雾识别结果进行对比,其对比结果如下表1:
表1
上表可见,本发明的完整识别方案(即表中精修识别)其准确率高达98.3%,相比于中国气象局国家卫星气象中心(即表中卫星中心)的准确率46.6%,要高出了51.7%,是其一倍有余,精确率更是高出了69.4%,虚警率也是仅有1.9%,远远低于了卫星中心,即便是本发明的部分方案,即步骤中所述的初步识别,也即表中的未精修识别,也是远远的领先于我国权威气象单位——中国气象局国家卫星气象中心的现行山区大雾识别方案,请参阅图4、图5、图6,可以直观的看到本发明完整方案和部分方案相对于卫星中心获取的山区大雾识别区域图像,是具有显著进步的,极大地提高了山区大雾区域的识别准确度。
综上,根据上述山区大雾识别方法,通过将待识别地区的多源数据预处理成为具有多维度信息的待识别地区图像网格数据,进而再根据待识别地区图像网格数据划分独立识别区域、设定大雾区域阈值,实现高精度的大雾区域初步识别,最终通过多维度数据判断并去除误识别云区,并对待识别地区图像网格数据进行单个格点的精修,以获取最终识别的大雾区域图像,实现了山区大雾的准确识别,避免了云雾区域误识别的问题,极大地提高了山区大雾识别的准确度。具体为,首先获取待识别地区的包含地温数据、地形数据和卫星遥感数据的多源数据并进行预处理,以获取具有多维度信息的待识别地区图像网格数据,并根据地形数据进行独立识别区域的划分,以排除非山区河谷区域的影响,再进一步根据卫星遥感数据对大雾区域阈值进行设定,以实现大雾区域的初步识别,再根据地温数据和卫星遥感数据进行误识别区域的综合判断并剔除误识别区域,以排除误识别云区的对雾区识别的影响,实现大雾区域的精确识别,最终通过对单个格点的精修,进一步提高识别精度,以获取最终识别的大雾区域图像,极大地提高了山区大雾识别的准确度。
请参阅图3,所示为本发明第三实施例提出的山区大雾识别系统的结构示意图,该系统包括:
采集模块10,用于获取待识别地区的多源数据并进行预处理,所述多源数据包含地温数据、地形数据和卫星遥感数据;
初步识别模块20,用于根据所述地形数据,对所述待识别地区进行独立识别区域的划分,所述独立识别区域包含山峰区域、中间区域和河谷区域,根据所述卫星遥感数据,获取所述山峰区域的光通道反射率值,并根据所述山峰区域的光通道反射率值进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,若所述独立识别区域的光通道反射率值大于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域;
精确识别模块30,用于根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域,将所述精确识别大雾区域进行精修,以获取最终识别大雾区域。
进一步的,采集模块10包括:
多源数据采集单元101,用于获取待识别地区的多源数据并进行预处理,所述多源数据包含地温数据、地形数据和卫星遥感数据。
进一步的,初步识别模块20包括:
独立识别区域划分单元201,用于根据所述地形数据,对所述待识别地区进行独立识别区域的划分,所述独立识别区域包含山峰区域、中间区域和河谷区域;
大雾区域初步识别单元202,用于根据所述卫星遥感数据,获取所述山峰区域的光通道反射率值,并根据所述山峰区域的光通道反射率值进行大雾区域阈值的设定,以判断每个所述独立识别区域的光通道反射率值是否大于所述大雾区域阈值,若所述独立识别区域的光通道反射率值大于所述大雾区域阈值,则判定所述独立识别区域为初步识别大雾区域。
进一步的,精确识别模块30包括:
大雾区域精确识别单元301,用于根据所述地温数据和所述卫星遥感数据,对所述初步识别大雾区域进行误识别区域去除,以获取精确识别大雾区域;
精修单元302,用于将所述精确识别大雾区域进行精修,以获取最终识别大雾区域。
本发明另一方面还提出计算机存储介质,其上存储有一个或多个程序,该程序给处理器执行时实现上述的山区大雾识别方法。
本发明另一方面还提出一种计算机设备,包括存储器和处理器,其中所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述的山区大雾识别方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
- 一种信息技术咨询服务展示装置
- 一种信息技术咨询系统
- 一种计算机技术咨询和评估供应链系统
- 一种基于互联网的信息技术咨询服务系统
- 一种技术咨询用办公台
- 一种技术咨询用办公台