CN104182596B - 一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法 - Google Patents

Abstract

一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法，本发明涉及测试数据挖掘系统及方法，本发明要解决人工辨识方法很难对测试数据之间的关联性进行准确识别与提取且工作量较大、使用LabVIEW困难以及Matlab的图形用户界面操作简便、图形美观不如LabVIEW的问题，该系统包括数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块；该系统按照以下步骤进行的：1得到精简数组；2对双精度数值型数据进行图形化显示；3计算改进灰色关联度r^* _i；4将强关联规则数组表达规则进行整理；5得出参量序列之间的关联关系；本发明应用于测试数据挖掘领域。

Description

一种基于LabVIEW与Matlab混合编程的无线数传设备测试数 据挖掘系统及方法

技术领域

本发明涉及LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法领域。

背景技术

飞机在执行任务时要求具有较高的可靠性，且无线数传设备作为遥控指令传输与图像或数据传输的重要平台，其工作性能的有效性与稳定性是飞机正常工作的有效保证。

由于无线数传设备组成复杂、测试数据较多而数据之间往往存在紧密的关联性，但通过人工辨识的方法很难对其关联性进行准确识别与提取且工作量较大，因此，挖掘数据之间的关联性显得十分困难。

图形化虚拟仪器编程软件LabVIEW自身功能强大，环境友善，在测试与测量、过程控制与处理、科学研究和分析等方面有广泛的应用，可满足软件界面友好的快速实现，但是，对于一些需要进行大量数据运算处理的复杂应用，使用LabVIEW单独实现将极其困难。而Matlab具有很强的工程计算功能，它已经成为应用学科中的计算机辅助分析、设计、仿真等不可缺少的基础软件，可轻松完成大量数据的计算任务，但Matlab的图形用户界面(Graphical User Interface，GUI)在操作简便、图形美观等方面均不如LabVIEW。两者各有优势和不足。

发明内容

本发明的目的是为了解决通过人工辨识方法很难对无线数传设备测试数据之间的关联性进行准确识别与提取且工作量较大、对于一些需要进行大量数据运算处理的复杂应用，使用LabVIEW单独实现将极其困难以及Matlab的图形用户界面(Graphical UserInterface，GUI)在操作简便、图形美观等方面均不如LabVIEW而提出的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法。

上述的发明目的是通过以下技术方案实现的：

所述的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统具体包括：数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块；

所述的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法具体是按照以下步骤进行的：

步骤一、利用LabVIEW软件的数据预处理模块对无线数传设备测试数据进行预处理得到精简数组，其中得到精简数组包括：以一维字符串数组形式存储的参量名称数组与以二维双精度数值型数组形式存储的数据数组；

步骤二、利用LabVIEW软件的波形显示模块，将数据预处理模块处理得到的精简数组，利用参量序列提取模块提取新的精简数组，得到参量序列的相应双精度数值型数据，并利用波形显示模块对参量序列的相应双精度数值型数据进行图形化显示；

步骤三、利用灰色关联分析模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的单个参量名称作为反映系统行为特征的参考序列和一维字符串数组形式存储的参量名称作为影响系统行为的比较序列；调用参量序列提取模块将指定参量序列即参考序列和比较序列提取并形成新的精简数组，灰色关联分析模块调用Matlab生成的灰色关联分析功能动态链接库，根据新的精简数组计算参考序列和影响系统行为的比较序列的改进灰色关联度r^* _i，其中，反映系统行为特征的数据序列，称为反映系统行为特征的参考序列；影响系统行为的因素组成的数据序列，称为影响系统行为的比较序列；设参考序列包括n个元素为Y＝{Y(k)|k＝1,2,…,n}；比较序列包括m个序列，每个序列包含n个元素为X_i(k)＝{X_i(k)|k＝1,2,…,n}i＝1,2,…,m；灰色关联分析模块将改进灰色关联度值r^* _i从大到小进行排序并显示排序结果，挖掘出原始测试数据中各参量序列之间的关联关系；

步骤四、利用模糊关联规则挖掘模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的参量名称作为分析序列；调用参量序列提取模块将分析序列形成新的精简数组，在模糊关联规则挖掘模块中设定模糊关联规则挖掘算法的支持度下限和置信度下限；模糊关联规则挖掘模块调用Matlab生成的模糊关联规则挖掘功能动态链接库，并根据参量序列名称对应的双精度数值型数据、支持度下限和置信度下限计算关联规则，返回分析序列相应的强关联规则数组，模糊关联规则挖掘模块将动态链接库返回强关联规则数组，根据该数组表达规则进行整理；

步骤五、根据步骤二、三和四进行关联分析的结果，得出各参量序列之间的关联关系，即完成了一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法。

发明效果

随着现代科技工业技术尤其是信息技术的迅速发展，大量复杂系统的复杂性、综合化、智能化程度不断提高，同时，系统的可靠性也变得越来越重要。因此，复杂系统故障诊断和故障预测逐渐被应用于各个领域。本发明在对无线数传设备测试数据进行必要分析的前提下，进行基于信息化数据驱动的故障预测与健康管理测试软件集成系统的数据挖掘部分软件开发。

为了满足用户友好型界面编辑以及对大量测试数据的分析处理，本发明的无线数传设备测试数据挖掘软件系统采用LabVIEW与Matlab混合编程的方式实现，充分利用LabVIEW软件界面友好与Matlab工程计算能力强大的优点。运用现有的数据挖掘算法进行计算机辅助处理，将复杂的数据运算交由计算机完成，极大地减少了人工工作量，可以实现数据之间关联性的有效且快速挖掘，使得对无线数传设备测试数据的进一步分析以及提取表征系统退化趋势的健康因子成为可能。

本发明中具有健康管理功能的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法测试软件的设计目标立足于分析无线数传设备测试系统所采集的测试数据文件，采用数据挖掘算法实现对测试数据之间的关联性分析，为根据对无线数传设备测试数据的数据挖掘结果，进行进一步分析，提炼出能表征系统退化趋势的健康因子，进而完成无线数传设备的故障预测与健康管理测试软件集成系统的开发工作做准备，最终用以对无线数传设备健康状态进行诊断与故障预测。本发明将LabVIEW与Matlab联合使用，使它们在功能上互补。

在长期的实际应用中，发现改进后的灰色关联分析算法相比于传统灰色关联分析算法更加合理，因此，在后续的数据分析中，只采用此改进后的灰色关联分析算法对数据进行关联度的计算。

本发明的数据挖掘效果示例图如图6、图10、图13所示。其中图6中实现了原始测试数据的快速呈现，即图6所示的波形；图10所示为应用灰色关联分析算法分析无线数传设备测试数据的示例图，其分析结果呈现在关联分析结果表格当中，由此可得出指定参考序列与指定比较序列的直观关联结果；图13所示为应用模糊关联规则挖掘算法分析无线数传设备测试数据的示例图，其分析结果呈现在模糊关联规则分析结果表格中，由此可得出指定分析序列之间模糊关联规则。由以上效果可得出，本发明能够在少量人工工作量的前提下很好地完成无线数传设备测试数据的数据挖掘任务。

附图说明

图1是具体实施方式一提出的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统中各模块之间的关系图；

图2是具体实施方式六提出的隶属度函数示意图；

图3是具体实施方式二提出的原始测试数据预处理方案示意图；

图4是具体实施方式二提出的预处理后数据的参量序列提取方案示意图；

图5是具体实施方式二提出的参量序列数据波形查看功能调用成功示意图；

图6是具体实施方式二提出的波形查看功能正确示意图；

图7是具体实施方式二提出的灰色关联分析部分面板设计图；

图8是具体实施方式二提出的灰色关联分析功能模块方案示意图；

图9是具体实施方式二提出的原始测试数据载入操作成功后的灰色关联分析功能模块面板；

图10是具体实施方式二提出的灰色关联分析验证结果示意图；

图11是具体实施方式二提出的模糊关联规则部分面板设计图；

图12是具体实施方式二提出的模糊关联规则挖掘功能模块方案示意图；

图13是具体实施方式二提出的模糊关联规则挖掘验证结果示意图；

图14是具体实施方式四提出的原始测试数据预处理部分程序流程图；

图15是具体实施方式五提出的改进后灰色关联分析计算框图。

具体实施方式

具体实施方式一：本实施方式的一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统，具体包括：

数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块；

其中，原始测试数据经过数据预处理模块之后得到精简数组，根据精简数组分别在波形显示模块、灰色关联分析模块、模糊关联规则挖掘模块中指定参量序列名称，调用参量序列提取模块以减少显示模块、灰色关联分析模块和模糊关联规则挖掘模块计算量，提高显示波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块处理速度；参量序列提取模块根据指定参量序列名称提取并形成新的精简数组，波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块将新的精简数组挖掘出原始测试数据中各参量序列之间的关联关系如图1所示；

所述的精简数组包括所有原始测试数据的以一维字符串数组形式存储的参量名称数组与以二维双精度数值型数组形式存储的数据数组，如图9中载入数据表格所示；

所述的新的精简数组是对精简数组的进一步删减，只保留指定的参量序列名称及其对应的双精度数值型数据；

在灰色关联分析部分，要求能导入单个待分析测试数据文件，以及提取待分析数据各个序列，用户可对灰色关联分析中的参考序列和比较序列进行自由设置，软件完成计算用户指定参考序列与各个比较序列之间的灰色关联度，并对其关联程度大小进行排序，将分析结果返回给用户；

灰色关联分析是灰色系统理论的基本理论之一，是灰色系统分析和处理随机量的一种方法；它采用曲线几何形状分析比较的方法，根据因素序列曲线几何形状的相似程度，用量化方法评判因素间的关联程度，按照规范性、偶对称性、整体性和接近性这四条原则，确定参考数列(母数列)和若干比较数列(子数列)之间的关联系数和关联度；两个系统或两个因素间关联性大小的度量，称为关联度；关联度描述了一个系统发展过程中，因素间相对变化的情况，也就是变化大小、方向与速率的相对性；二者在发展过程中，相对变化越相似，则关联度越大，数值上越接近1；反之关联度就越小，数值也越接近于0；关联度的大小反映了各因素对目标的影响程度，对数据无规律的情况同样适用，不会出现量化结果与定性分析不符的情况。

本实施方式效果：

本实施方式需要完成无线数传设备测试数据的数据挖掘工作，其中数据挖掘涉及技术有灰色关联分析和模糊关联规则挖掘。

本实施方式的无线数传设备测试软件系统设计目标明确，开发完成后，具有良好的用户界面，操作简洁，有较完善的异常处理机制和提示信息机制，用户只要经过简单的培训就可使用，因此操作方面可行。并且本实施方式运用现有的数据挖掘算法进行计算机辅助处理，将复杂的数据运算交由计算机完成，极大地减少了人工工作量，可以实现数据之间关联性的有效且快速挖掘，使得对无线数传设备测试数据的进一步分析以及提取表征系统退化趋势的健康因子成为可能。

本实施方式的无线数传设备测试软件的功能需求为数据挖掘功能需求和。数据挖掘功能分为灰色关联分析和模糊关联规则挖掘两部分。由于无线数传设备测试数据随时间变化，并且考虑到用户查看测试数据的直观性，本实施方式的无线数传设备测试软件增加了原始测试数据波形查看功能。并且本实施方式将LabVIEW与Matlab联合使用，使它们在功能上互补，使软件开发工作更加便捷、高效。

本实施方式的数据挖掘效果示例图如图6、图10、图13所示。其中图6中实现了原始测试数据的快速呈现，即图6所示的波形；图10所示为应用灰色关联分析算法分析无线数传设备测试数据的示例图，其分析结果呈现在关联分析结果表格当中，由此可得出指定参考序列与指定比较序列的直观关联结果；图13所示为应用模糊关联规则挖掘算法分析无线数传设备测试数据的示例图，其分析结果呈现在模糊关联规则分析结果表格中，由此可得出指定分析序列之间模糊关联规则。由以上效果可得出，本实施方式能够在少量人工工作量的前提下很好地完成无线数传设备测试数据的数据挖掘任务。

具体实施方式二：本实施方式与具体实施方式一不同的是：数据预处理模块：根据数据特点设计出原始测试数据预处理方案，如图3所示，使软件对测试数据的操作更加快捷、准确，软件在载入测试数据后，对数据进行预处理操作，其中，数据进行预处理的结果为将原始测试数据转换为精简数组形式；

参量序列提取模块：根据数据预处理模块处理结果的格式设计出参量序列提取方案，如图4所示，根据用户指定所需提取参量的名称，对预处理后的数据进行提取并形成新的精简数组，从而减少软件后续分析中不必要的计算，提高运算速度；

波形显示模块：如图5，用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，即图6所示的可选显示序列，用户指定所需显示的参量序列名称，即图6所示的自定义显示序列，利用参量序列提取模块提取新的精简数组，对新的精简数组的相应参量序列进行图形化显示，显示结果示例如图6中波形图所示；

灰色关联分析模块：如图7，设计出灰色关联分析功能模块方案，如图8所示，用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，即如图9所示的参量列表，根据用户设定为比较序列的参量名称与参考序列的参量名称，调用参量序列提取模块得到新的精简数组，完成灰色关联分析功能，计算并排序各比较序列与参考序列的改进灰色关联度，分析结果示例如图10关联分析结果表格所示；

模糊关联规则挖掘模块：如图11，设计出模糊关联规则挖掘功能模块方案，如图12所示，用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，如图13所示的数据参量列表，根据用户设定为分析序列的参量名称，调用参量序列提取模块得到新的精简数组，同时根据用户设定的置信度下限和支持度下限，完成模糊关联规则挖掘功能，计算出各分析序列之间关联规则，分析结果示例如图13中模糊关联规则分析结果表格所示。其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法具体是按照以下步骤进行的：

步骤一、利用LabVIEW软件的数据预处理模块对无线数传设备测试数据进行预处理得到精简数组，其中得到精简数组包括：以一维字符串数组形式存储的参量名称数组与以二维双精度数值型数组形式存储的数据数组；

步骤二、利用LabVIEW软件的波形显示模块，将数据预处理模块处理得到的精简数组，利用参量序列提取模块提取新的精简数组，得到参量序列的相应双精度数值型数据，并利用波形显示模块对参量序列的相应双精度数值型数据进行图形化显示；

步骤三、利用灰色关联分析模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的单个参量名称作为反映系统行为特征的参考序列和一个或者多个以一维字符串数组形式存储的参量名称作为影响系统行为的比较序列；调用参量序列提取模块将指定参量序列即参考序列和比较序列提取并形成新的精简数组，灰色关联分析模块调用Matlab生成的灰色关联分析功能动态链接库，根据新的精简数组计算参考序列和影响系统行为的比较序列的改进灰色关联度r^* _i，其中，反映系统行为特征的数据序列，称为反映系统行为特征的参考序列；影响系统行为的因素组成的数据序列，称为影响系统行为的比较序列；设参考序列包括n个元素为Y＝{Y(k)|k＝1,2,…,n}；比较序列包括m个序列，每个序列包含n个元素为X_i(k)＝{X_i(k)|k＝1,2,…,n}i＝1,2,…,m；灰色关联分析模块将改进灰色关联度值r^* _i从大到小进行排序并显示排序结果，挖掘出原始测试数据中各参量序列之间的关联关系；

步骤四、利用模糊关联规则挖掘模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的参量名称作为分析序列；调用参量序列提取模块将指定参量序列即分析序列形成新的精简数组即参量序列名称及其对应的双精度数值型数据，在模糊关联规则挖掘模块中设定模糊关联规则挖掘算法的支持度下限和置信度下限；模糊关联规则挖掘模块调用Matlab生成的模糊关联规则挖掘功能动态链接库，并根据参量序列名称对应的双精度数值型数据、支持度下限和置信度下限计算关联规则，返回分析序列相应的强关联规则数组，模糊关联规则挖掘模块将动态链接库返回强关联规则数组，根据该数组表达规则进行整理，并以一种易于理解的表达形式呈现给用户，其处理流程；

步骤五、根据步骤二、三和四从不同角度进行关联分析的结果，得出各参量序列之间的关联关系，即完成了一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法。其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤一中利用LabVIEW软件的数据预处理模块对无线数传设备测试数据进行预处理得到精简数组过程为：

(1)将载入的无线数传设备测试数据不等长度的连续的空格字符替换为特定标识符；

(2)根据特定标识符和回车符将经过第(1)步后的载入的无线数传设备测试数据整理为符合LabVIEW读取电子表格控件读取的形式，其中，符合LabVIEW读取电子表格控件读取的形式为数据中相邻两列数据之间以制位符为间隔，相邻两行数据之间以回车符为间隔；

(3)将符合LabVIEW读取电子表格控件读取形式的参量名称与数据进行分离得到独立的以字符串数组形式存储的一维参量名称数组与双精度数值型数组形式存储的二维数据数组，数据预处理流程如图14所示。其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤三中计算改进的灰色关联度具体过程为：

(1)利用无量纲化方法处理预处理后的数据，以初值化处理方法进行处理，将灰色关联分析模块调用参量序列提取模块得到的新的精简数组中各参量序列对应的双精度数值型数据除以该双精度数值型数据的第一个值得到新的无量纲数据，即：

其中，X_i(k)为参量序列名称对应的双精度数值型数据，参量序列名称对应的双精度数值型数据为m列n行；Y＝{Y(k)|k＝1,2,...,n}为参考序列，X_i＝{X_i(k)|k＝1,2,...,n}为比较序列；

(2)计算y(k)与x_i(k)的关联系数ξ_i(k)为：

记△_i(k)＝|y(k)-x_i(k)|，则

ρ∈(0,∞)称为分辨系数，其作用在于提高关联系数间的差异显著性；ρ越小，分辨力越大，一般ρ∈(0,1)，具体取值可视情况而定，通常取ρ＝0.5；

(3)影响系统行为的比较序列与反映系统行为特征的参考序列间的关联度用比较序列各个时刻的关联系数的平均值r_i表示为：

(4)利用关联系数序列稳定度对传统灰色关联度计算模型进行了改进，得到如下新灰色关联度计算模型：

改进后的灰色关联度计算流程如图15所示；改进灰色关联度的计算由Matlab生成的灰色关联分析功能动态链接库完成。其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤四中模糊关联规则挖掘的具体过程为：

(1)设定隶属度函数类型及模糊属性设定的个数；模糊属性的个数设定为3，即按照模糊属性设定的个数将属性划分为3个模糊集合，分别为序列最小值min、序列平均值mean、序列最大值max，隶属度函数类型如图2所示；

按照图2中的隶属度函数类型，图2中三条黑色实线分别代表min、mean、max的隶属度函数曲线，假设属性数值为图2中黑色椭圆中垂直实线所示，则其对应于三个属性的隶属度函数值分别对应于三条水平虚线，以此完成连续数值的模糊化；

(2)数据模糊化：按照(1)的模糊集个数设定及隶属度函数类型将原始测试数据根据隶属度函数(图2中min、mean、max所对应的三条线)进行模糊化；

(3)设定模糊关联规则挖掘算法的支持度下限与置信度下限；

(4)按照快速项目集挖掘算法(FDMA)的步骤根据设定的支持度计算频繁项集，并根据置信度得到强关联规则。其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤四中利用LabVIEW软件将动态链接库返回强关联规则数组，根据该数组表达规则进行整理具体过程为：

(1)强关联规则数组结构：强关联规则数组的每一行数据表示一条强关联规则；每一条强关联规则包括：关联规则原因项集、关联规则结果项集、关联规则支持度和关联规则置信度；将各关联规则原因项集和各关联规则结果项集分别由两个连续数组元素表示，两个连续数组元素中第一个元素表示项集所在序列序号，第二个元素表示项集所属的模糊集合，其中，模糊集合包括：序列最小值(min)、序列平均值(mean)、序列最大值(max)，将序列最小值表示为1，将序列平均值表示为2、将序列最大值表示为3，关联规则原因项集、关联规则结果项集、关联规则支持度、关联规则置信度之间以0元素进行分隔；

(2)易于理解的表达形式呈现：根据(1)中强关联规则数组结构，将每一条强关联规则连接成一串字符串，其表达形式如图13中模糊关联规则分析结果列表所示，在关联规则原因项集与关联规则结果项集之间添加“→”符号，将表示模糊集合的元素相应表示为Min、Mean、Max；关联规则支持度前添加“支持度：”，关联规则置信度前添加“置信度：”，从而完成了强关联规则的易于理解形式表达。其它步骤及参数与具体实施方式一至六之一相同。

Claims (6)

1.一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统，其特征在于：一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统具体包括：数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块；

其中，原始测试数据经过数据预处理模块之后得到精简数组，根据精简数组分别在波形显示模块、灰色关联分析模块、模糊关联规则挖掘模块中指定参量序列名称，调用参量序列提取模块；参量序列提取模块根据指定参量序列名称提取并形成新的精简数组，波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块将新的精简数组挖掘出原始测试数据中各参量序列之间的关联关系；

所述的精简数组包括所有原始测试数据的以一维字符串数组形式存储的参量名称数组与以二维双精度数值型数组形式存储的数据数组；

所述的新的精简数组是对精简数组的进一步删减，只保留指定的参量序列名称及其对应的双精度数值型数据；

数据预处理模块用于对数据进行预处理操作，其中，数据进行预处理的结果为将原始测试数据转换为精简数组形式；

参量序列提取模块用于根据用户指定提取参量的名称，对预处理后的数据进行提取并形成新的精简数组；

波形显示模块用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，用户指定所需显示的参量序列名称，利用参量序列提取模块提取新的精简数组，对新的精简数组的相应参量序列进行图形化显示；

灰色关联分析模块用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，根据用户设定为比较序列的参量名称与参考序列的参量名称，调用参量序列提取模块得到新的精简数组，完成灰色关联分析功能，计算并排序各比较序列与参考序列的改进灰色关联度，关联分析结果表格所示；

模糊关联规则挖掘模块用于将数据预处理模块处理的精简数组的以一维字符串数组形式存储的参量名称数组呈现给用户选择，根据用户设定为分析序列的参量名称，调用参量序列提取模块得到新的精简数组，同时根据用户设定的置信度下限和支持度下限，计算出各分析序列之间关联规则。

2.一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法，其特征在于：一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法具体是按照以下步骤进行的：

步骤一、利用LabVIEW软件的数据预处理模块对无线数传设备测试数据进行预处理得到精简数组，其中得到精简数组包括：以一维字符串数组形式存储的参量名称数组与以二维双精度数值型数组形式存储的数据数组；

步骤二、利用LabVIEW软件的波形显示模块，将数据预处理模块处理得到的精简数组，利用参量序列提取模块提取新的精简数组，得到参量序列的相应双精度数值型数据，并利用波形显示模块对参量序列的相应双精度数值型数据进行图形化显示；

步骤三、利用灰色关联分析模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的单个参量名称作为反映系统行为特征的参考序列和一维字符串数组形式存储的参量名称作为影响系统行为的比较序列；调用参量序列提取模块将指定参量序列即参考序列和比较序列提取并形成新的精简数组，灰色关联分析模块调用Matlab生成的灰色关联分析功能动态链接库，根据新的精简数组计算参考序列和影响系统行为的比较序列的改进灰色关联度r^* _i，其中，反映系统行为特征的数据序列，称为反映系统行为特征的参考序列；影响系统行为的因素组成的数据序列，称为影响系统行为的比较序列；设参考序列包括n个元素为Y＝{Y(k)|k＝1,2,…,n}；比较序列包括m个序列，每个序列包含n个元素为X_i(k)＝{X_i(k)|k＝1,2,…,n}i＝1,2,…,m；灰色关联分析模块将改进灰色关联度值r^* _i从大到小进行排序并显示排序结果，挖掘出原始测试数据中各参量序列之间的关联关系；

步骤四、利用模糊关联规则挖掘模块选取数据预处理模块处理得到的精简数组中以一维字符串数组形式存储的参量名称作为分析序列；调用参量序列提取模块将分析序列形成新的精简数组，在模糊关联规则挖掘模块中设定模糊关联规则挖掘算法的支持度下限和置信度下限；模糊关联规则挖掘模块调用Matlab生成的模糊关联规则挖掘功能动态链接库，并根据参量序列名称对应的双精度数值型数据、支持度下限和置信度下限计算关联规则，返回分析序列相应的强关联规则数组，模糊关联规则挖掘模块将动态链接库返回强关联规则数组，根据该数组表达规则进行整理；

步骤五、根据步骤二、三和四进行关联分析的结果，得出各参量序列之间的关联关系，即完成了一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法。

3.根据权利要求2所述一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法，其特征在于：步骤一中利用LabVIEW软件的数据预处理模块对无线数传设备测试数据进行预处理得到精简数组过程为：

(1)将载入的无线数传设备测试数据不等长度的连续的空格字符替换为特定标识符；

(2)根据特定标识符和回车符将经过第(1)步后的载入的无线数传设备测试数据整理为符合LabVIEW读取电子表格控件读取的形式，其中，符合LabVIEW读取电子表格控件读取的形式为数据中相邻两列数据之间以制位符为间隔，相邻两行数据之间以回车符为间隔；

(3)将符合LabVIEW读取电子表格控件读取形式的参量名称与数据进行分离得到独立的以字符串数组形式存储的一维参量名称数组与双精度数值型数组形式存储的二维数据数组。

4.根据权利要求2所述一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法，其特征在于：步骤三中计算改进的灰色关联度具体过程为：

(1)利用无量纲化方法处理预处理后的数据，以初值化处理方法进行处理，将灰色关联分析模块调用参量序列提取模块得到的新的精简数组中各参量序列对应的双精度数值型数据除以该双精度数值型数据的第一个值得到新的无量纲数据，即：

$\left\{\begin{array}{c}{x}_i\left(k\right)=\frac{X_i\left(k\right)}{X_i\left(1\right)}\\ y\left(k\right)=\frac{Y\left(k\right)}{Y\left(1\right)}\end{array}\right.,k=1,2,\mathrm{...},n;i=1,2,\mathrm{...},m---(2-1)$

其中，X_i(k)为参量序列名称对应的双精度数值型数据，参量序列名称对应的双精度数值型数据为m列n行；Y＝{Y(k)|k＝1,2,...,n}为参考序列，X_i＝{X_i(k)|k＝1,2,...,n}为比较序列；

(2)计算y(k)与x_i(k)的关联系数ξ_i(k)为：

${\mathrm{\ξ}}_i\left(k\right)=\frac{\underset{i}{min}\underset{k}{min}|y\left(k\right)-x_i\left(k\right)|+\mathrm{\ρ}\underset{i}{\max }\underset{k}{\max }|y\left(k\right)-x_i\left(k\right)|}{|y\left(k\right)-x_i\left(k\right)|+\mathrm{\ρ}\underset{i}{\max }\underset{k}{\max }|y\left(k\right)-x_i\left(k\right)|}---(2-2)$

记△_i(k)＝|y(k)-x_i(k)|，则

${\mathrm{\ξ}}_i\left(k\right)=\frac{\underset{i}{min}\underset{k}{min}{\mathrm{\Δ}}_i\left(k\right)+\mathrm{\ρ}\underset{i}{max}\underset{k}{max}{\mathrm{\Δ}}_i\left(k\right)}{{\mathrm{\Δ}}_i\left(k\right)+\mathrm{\ρ}\underset{i}{max}\underset{k}{max}{\mathrm{\Δ}}_i\left(k\right)}---(2-3)$

ρ∈(0,∞)称为分辨系数；

(3)影响系统行为的比较序列与反映系统行为特征的参考序列间的关联度用比较序列各个时刻的关联系数的平均值r_i表示为：

$r_i=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{\mathrm{\ξ}}_i\left(k\right),k=1,2,\mathrm{...},n---(2-4)$

(4)利用关联系数序列稳定度对传统灰色关联度计算模型进行了改进，得到如下新灰色关联度计算模型：

${r^{*}}_i=\frac{r_i}{1+S\left(r_i\right)}---(2-5)$

改进灰色关联度的计算由Matlab生成的灰色关联分析功能动态链接库完成。

5.根据权利要求2所述一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法，其特征在于：步骤四中模糊关联规则挖掘的具体过程为：

(1)设定隶属度函数类型及模糊属性设定的个数；按照模糊属性设定的个数将属性划分为3个模糊集合，分别为序列最小值min、序列平均值mean、序列最大值max；

(2)数据模糊化：按照(1)的模糊集个数设定及隶属度函数类型将原始测试数据根据隶属度函数进行模糊化；

(3)设定模糊关联规则挖掘算法的支持度下限与置信度下限；

(4)按照快速项目集挖掘算法的步骤根据设定的支持度计算频繁项集，并根据置信度得到强关联规则。

6.根据权利要求2所述一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘方法，其特征在于：步骤四中利用LabVIEW软件将动态链接库返回强关联规则数组，根据该数组表达规则进行整理具体过程为：

(1)强关联规则数组结构：强关联规则数组的每一行数据表示一条强关联规则；每一条强关联规则包括：关联规则原因项集、关联规则结果项集、关联规则支持度和关联规则置信度；将各关联规则原因项集和各关联规则结果项集分别由两个连续数组元素表示，两个连续数组元素中第一个元素表示项集所在序列序号，第二个元素表示项集所属的模糊集合，其中，模糊集合包括：序列最小值、序列平均值、序列最大值，将序列最小值表示为1，将序列平均值表示为2、将序列最大值表示为3，关联规则原因项集、关联规则结果项集、关联规则支持度、关联规则置信度之间以0元素进行分隔；

(2)根据(1)中强关联规则数组结构，将每一条强关联规则连接成一串字符串。