[0020] 下面将参照附图对本发明的定向信号智能分析平台的实施方案进行详细说明。
[0021] 实施例1
[0022] 图1为根据本发明第一实施方案示出的定向信号智能分析平台的结构示意图，所述平台包括：
[0023] 多层解析部件，包括数据录入设备、范围解析设备、对象解析设备以及灰度解析设备，所述数据录入设备分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接，用于将待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送，所述范围解析设备用于解析所述待分析画面的动态范围上限和动态范围下限，所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数，所述灰度解析设备用于解析所述待分析画面各个像素点分别对应的各个灰度值；
[0024] 信息鉴定部件，分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接，用于将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息；
[0025] 其中，所述深度前馈网络的简图如图3所示，包括多个输入节点构成的输入层，多个隐含节点构成的隐含层以及多个输出节点构成的输出层；
[0026] 其中，在图3中，所述隐含层介于所述输入层和所述输出层之间，且所述隐含层的数量为一个以上；
[0027] 网络重构部件，与所述信息鉴定部件连接，用于在所述信息鉴定部件使用所述深度前馈网络之前，对所述深度前馈网络执行多次训练操作，并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用；
[0028] 其中，对所述深度前馈网络执行的训练操作的次数与所述预设数量的取值正向关联；
[0029] 其中，在所述信息鉴定部件使用所述深度前馈网络之前，对所述深度前馈网络执行多次训练操作，并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用包括：将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息的已知画面的动态范围上限和动态范围下限、已知画面的主要对象的几何形状以及主要对象在所述已知画面中占据的像素点总数以及所述已知画面各个像素点分别对应的各个灰度值输入到深度前馈网络，将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息作为所述深度前馈网络的输出，对所述深度前馈网络执行单次训练操作；
[0030] 其中，在所述多层解析部件中，可以包括不间断供电电源，分别与数据录入设备、范围解析设备、对象解析设备以及灰度解析设备连接；
[0031] 其中，所述不间断供电电源用于分别为数据录入设备、范围解析设备、对象解析设备以及灰度解析设备提供各自需要的供电电压，从而实现对数据录入设备、范围解析设备、对象解析设备以及灰度解析设备的同步不间断供电。
[0032] 实施例2
[0033] 图2为根据本发明第二实施方案示出的定向信号智能分析平台的结构示意图。
[0034] 如图2所示，与图1中的本发明第一实施方案示出的定向信号智能分析平台不同，图2中的本发明第二实施方案示出的定向信号智能分析平台还可以包括：
[0035] 数据存储部件，与所述网络重构部件连接，用于存储完成多次训练操作后的深度前馈网络的各项网络参数。
[0036] 接着，继续对本发明的定向信号智能分析平台的具体结构进行进一步的说明。
[0037] 在根据本发明任一实施方案的定向信号智能分析平台中：
[0038] 所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息中，每一噪声信息为对应噪声类型的编号以及最大噪声幅值；
[0039] 其中，所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息包括：将所述待分析画面中最大噪声幅值超过设定幅值阈值的噪声类型作为主要噪声类型；
[0040] 其中，所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息还包括：当所述待分析画面中主要噪声类型的总数小于预设数量时，对所述待分析画面中主要噪声类型的数量进行补零处理以使得总数等于预设数量。
[0041] 在根据本发明任一实施方案的定向信号智能分析平台中：
[0042] 所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括：所述主要对象类型包括人物、树木、窗体、山川、河流以及公路。
[0043] 在根据本发明任一实施方案的定向信号智能分析平台中：
[0044] 所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括：将所述待分析画面中占据像素点总数最多的对象作为主要对象，将所述主要对象在所述分析画面中占据的各个边沿像素点构成的轮廓作为所述待分析画面的主要对象的几何形状。
[0045] 在根据本发明任一实施方案的定向信号智能分析平台中：
[0046] 所述多层解析部件还包括同步调节设备，分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接，用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制；
[0047] 其中，所述多层解析部件还包括同步调节设备，分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接，用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括：所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制；
[0048] 其中，所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括：在所述矩形波形信号的上升沿同步触发待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送。
[0049] 另外，在所述定向信号智能分析平台中，将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息包括：每一灰度值的取值范围在0‑255之间。
[0050] 采用本发明的定向信号智能分析平台，针对现有技术中画面噪声信息鉴别繁琐复杂的技术问题，通过引入针对性结构设计以及针对性训练的智能模型实现基于待分析画面的动态范围信息、主要对象信息以及灰度信息对待分析画面的预设数量的主要噪声类型分别对应的各个噪声信息的智能鉴定，从而完成画面噪声信息鉴别的归一化处理。
[0051] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
