CN110390160A - 一种时序信号的周期检测方法、装置及相关设备 - Google Patents

一种时序信号的周期检测方法、装置及相关设备 Download PDF

Info

Publication number
CN110390160A
CN110390160A CN201910655638.1A CN201910655638A CN110390160A CN 110390160 A CN110390160 A CN 110390160A CN 201910655638 A CN201910655638 A CN 201910655638A CN 110390160 A CN110390160 A CN 110390160A
Authority
CN
China
Prior art keywords
clock signal
detection
signal
granularity
candidate periodic
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
Application number
CN201910655638.1A
Other languages
English (en)
Other versions
CN110390160B (zh
Inventor
谢全泉
梁鑫辉
苏楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Beijing Electronic Information Industry Co Ltd
Original Assignee
Inspur Beijing Electronic Information Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspur Beijing Electronic Information Industry Co Ltd filed Critical Inspur Beijing Electronic Information Industry Co Ltd
Priority to CN201910655638.1A priority Critical patent/CN110390160B/zh
Publication of CN110390160A publication Critical patent/CN110390160A/zh
Application granted granted Critical
Publication of CN110390160B publication Critical patent/CN110390160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • G06F30/32Circuit design at the digital level
    • G06F30/33Design verification, e.g. functional simulation or model checking
    • G06F30/3308Design verification, e.g. functional simulation or model checking using simulation
    • G06F30/3312Timing analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Synchronisation In Digital Transmission Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种时序信号的周期检测方法,包括对获取的待检测时序信号进行长度检测,获得信号长度;根据所述信号长度选择相应的检测周期粒度;以所述检测周期粒度为单位,生成预设数量个候选周期;根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期;该方法具有更为广泛的适用性,可以实现各种未知时序信号的周期检测。本申请还公开了一种时序信号的周期检测装置、设备及计算机可读存储介质,均具有上述有益效果。

Description

一种时序信号的周期检测方法、装置及相关设备
技术领域
本申请涉及计算机技术领域,特别涉及一种时序信号的周期检测方法,还涉及一种时序信号的周期检测装置、设备以及计算机可读存储介质。
背景技术
在现实世界的生产生活中,时序信号是一种普遍的存在,例如语音、视频、销量统计、人流量统计等,对时序信号的分析能够更好的帮助人们认识物理世界。
时序信号中的周期特征是时序分析的关键指标之一,但真实的时序信号中的周期特征往往无法准确得知,因此,对时序信号的周期进行检测就显得十分必要。在现有技术中,常用的时序信号的周期检测方法是根据预估周期和误判检测来确定信号周期,其中,误判检测需要通过对当前时序信号的预估周期和上一时序信号的信号周期进行比较分析实现,可见,现有的时序信号的周期检测方法的实现需要预先提供一个基准周期,而对于一个完全未知的时序信号,基于该方法却无法实现周期检测,因此,现有的时序信号的周期检测方法无法实现全面检测,存在一定的局限性。
因此,如何提供一种适用性更为广泛的时序信号的检测方法,以实现对各类时序信号的周期检测是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种时序信号的周期检测方法,该时序信号的周期检测方法具有更为广泛的适用性,可以实现各种未知时序信号的周期检测;本申请的另一目的是提供一种时序信号的周期检测装置、设备以及计算机可读存储介质,也具有上述有益效果。
为解决上述技术问题,本申请提供了一种时序信号的周期检测方法,所述时序信号的周期检测方法包括:
对获取的待检测时序信号进行长度检测,获得信号长度;
根据所述信号长度选择相应的检测周期粒度;
以所述检测周期粒度为单位,生成预设数量个候选周期;
根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;
计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;
选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期。
优选的,所述根据所述信号长度选择相应的检测周期粒度,包括:
当所述信号长度未超出第一预设时间时,选取所述检测周期粒度为分钟;
当所述信号长度超出所述第一预设时间,且未超出第二预设时间时,选取所述检测周期粒度为小时;
当所述信号长度超出所述第二预设时间,且未超出第三预设时间时,选取所述检测周期粒度为天;
当所述信号长度超出所述第三预设时间时,选取所述检测周期粒度为月。
优选的,所述以所述检测周期粒度为单位,生成预设数量个候选周期,包括:
将所述信号长度的一半作为最大阈值,以所述检测周期粒度为单位,计算所述检测周期粒度的整数倍,生成所述预设数量个候选周期,其中,最大候选后期不超出所述最大阈值。
优选的,所述时序信号的周期检测方法还包括:
将各所述候选周期存储至预设候选周期列表。
优选的,所述根据各所述dtw值计算所述子序列集合的加权平均值,包括:
根据所述dtw值组成对应的dtw向量;
按照时间升序对各所述dtw向量进行赋权,对赋权后的各所述dtw向量进行加权计算,获得所述子序列集合的加权平均值。
为解决上述技术问题,本申请还提供了一种时序信号的周期检测装置,所述时序信号的周期检测装置包括:
信号长度检测模块,用于对获取的待检测时序信号进行长度检测,获得信号长度;
周期粒度选择模块,用于根据所述信号长度选择相应的检测周期粒度;
候选周期生成模块,用于以所述检测周期粒度为单位,生成预设数量个候选周期;
时序信号切分模块,用于根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;
加权平均值计算模块,用于计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;
信号周期确定模块,用于选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期。
优选的,所述候选周期生成模块具体用于将所述周期信号长度的一半作为最大阈值,以所述检测周期粒度为单位,计算所述检测周期粒度的整数倍,生成所述预设数量个候选周期,其中,最大候选后期不超出所述最大阈值。
优选的,所述时序信号的周期检测装置还包括:
候选周期存储模块,用于将各所述候选周期存储至预设候选周期列表。
为解决上述技术问题,本申请还提供了一种时序信号的周期检测设备,所述时序信号的周期检测设备包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任意一种时序信号的周期检测方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一种时序信号的周期检测方法的步骤。
本申请所提供的一种时序信号的周期检测方法,包括对获取的待检测时序信号进行长度检测,获得信号长度;根据所述信号长度选择相应的检测周期粒度;以所述检测周期粒度为单位,生成预设数量个候选周期;根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期。
可见,本申请所提供的时序信号的周期检测方法,通过进行检测周期粒度判定生成了多个候选周期,通过遍历候选周期对待检测时序信号进行切分,并对切分后的子序列进行dtw加权计算,选取最小子序列的dtw加权平均值对应的候选周期作为待检测时序信号的信号周期,可见,该种实现方式无需预先提供基准信号,仅基于待检测时序信号本身即可实现周期检测,即可以实现任意未知时序信号的周期检测,具有更为全面广泛的适用性;另外,通过对待检测时序信号进行切分计算,能够得到更为准确的待检测时序信号的信号周期,不易发生遗漏;另外,由于进行了检测周期粒度的判定,有效地减小了计算量,提高了检测效率。
本申请所提供的一种时序信号的周期检测装置、设备以及计算机可读存储介质,均具有上述有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请所提供的一种时序信号的周期检测方法的流程示意图;
图2为本申请所提供的另一种时序信号的周期检测方法的流程示意图;
图3为本申请所提供的一种时序信号的周期检测装置的结构示意图;
图4为本申请所提供的一种时序信号的周期检测设备的结构示意图。
具体实施方式
本申请的核心是提供一种时序信号的周期检测方法,该时序信号的周期检测方法具有更为广泛的适用性,可以实现各种未知时序信号的周期检测;本申请的另一核心是提供一种时序信号的周期检测装置、设备以及计算机可读存储介质,也具有上述有益效果。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
请参考图1,图1为本申请所提供的一种时序信号的周期检测方法的流程示意图,该时序信号的周期检测方法可以包括:
S101:对获取的待检测时序信号进行长度检测,获得信号长度;
本步骤旨在实现待检测时序信号的长度检测,具体的,对于获取到的待检测时序信号,检测其长度信息,获得信号长度,其中,待检测时序信号可以为用户基于用户终端输入的需要进行周期检测的时序信号。
可以理解的是,上述对待检测时序信号进行长度检测的实现方法并不唯一,可采用已有技术中的任意一种,如基于LabView的信号长度检测,本申请对此不做限定。
S102:根据信号长度选择相应的检测周期粒度;
本步骤旨在实现检测周期粒度的选择,具体的,对于不同的信号长度,可预设不同的检测周期粒度,例如,对于信号长度较长的待检测时序信号,可以选取“月”作为检测周期粒度,对于信号长度较短的待检测时序信号,可以选取“分钟”作为检测周期粒度,也就是说,可以根据时序信号的信号长度设定其对应的检测周期粒度。由此,在确定待检测时序信号的信号长度后,即可选择其对应的检测周期粒度,进而实现后续周期检测。
优选的,上述根据信号长度选择相应的检测周期粒度,可以包括:当信号长度未超出第一预设时间时,选取检测周期粒度为分钟;当信号长度超出第一预设时间,且未超出第二预设时间时,选取检测周期粒度为小时;当信号长度超出第二预设时间,且未超出第三预设时间时,选取检测周期粒度为天;当信号长度超出第三预设时间时,选取检测周期粒度为月。
本申请实施例提供了一种较为具体的信号长度与检测周期粒度的对应方法,以下根据上述优选实施例进行举例说明:当信号长度未超出两天时,选取检测周期粒度为分钟;当信号长度超出两天,且未超出七天时,选取检测周期粒度为小时;当信号长度超出七天,且未超出一年时,选取检测周期粒度为天;当信号长度超出一年时,选取检测周期粒度为月。
可以理解的是,以上对应方法仅为本实施例提供的一种实现方式,并不唯一,还可以根据实际需求选定检测周期粒度为秒、周、季度等。
S103:以检测周期粒度为单位,生成预设数量个候选周期;
本步骤旨在实现候选周期的生成,具体基于选定的检测周期粒度实现,上述预设数量的具体取值由设定的候选周期生成规则确定,其中,候选周期生成规则具体根据检测周期粒度确定,如以检测周期粒度为单位,将检测周期粒度的倍数作为候选周期等。
优选的,上述以检测周期粒度为单位,生成预设数量个候选周期,可以包括:将信号长度的一半作为最大阈值,以检测周期粒度为单位,计算检测周期粒度的整数倍,生成预设数量个候选周期,其中,最大候选后期不超出最大阈值。
本申请实施例提供了一种较为具体的候选周期的生成方法,以下根据上述优选实施例进行举例说明:假设某待检测时序信号的信号长度为一个月,则最大阈值为15天,由于其对应的检测周期粒度为天,那么最小检测周期粒度为1天,在最大候选周期不超出最大阈值15天的情况下,计算检测周期粒度1天的整数倍,得到候选周期有1天,2天,3天……15天,即该信号长度为一个月的待检测时序信号的候选周期为1天,2天,3天……15天。
优选的,该时序信号的周期检测方法还可以包括:将各候选周期存储至预设候选周期列表。
具体的,可预先构建候选周期列表,用于对待检测时序信号的候选周期进行存储,即在生成各个候选周期后,直接将其存储至候选周期列表中即可,以便在后续周期检测流程中,可以直接在候选周期列表中进行候选周期遍历,更加方便快捷。
S104:根据各候选周期对待检测时序信号进行切分,获得预设数量个子序列集合;
本步骤旨在基于生成的各个候选周期实现对待检测时序信号的切分,获得预设数量个子序列集合。同样以上一举例为例,信号长度为一个月的待检测时序信号的候选周期为1天,2天,3天……15天,那么,以候选周期为1天对待检测时序信号进行切分,将会获得30个子序列,组成一个子序列集合;以候选周期为2天对待检测时序信号进行切分,将会获得15个子序列,组成一个子序列组合;以此类推,以候选周期为15天对待检测时序信号进行切分,将会获得2个子序列,组成一个子序列组合,由此,获得15个子序列组合。
S105:计算各子序列集合中任意相邻两个子序列的dtw值,并根据各dtw值计算子序列集合的加权平均值;
具体的,本步骤旨在实现各个子序列集合的加权平均值的计算,具体的,可以对每个子序列集合中的任意两个相邻的子序列计算dtw值,即第一个子序列和第二个子序列之间的dtw值,第二个子序列与第三个子序列之间的dtw值,以此类推,倒数第二个子序列与倒数第一个子序列之间的dtw值,进而根据各个dtw值计算获得整个子序列集合的加权平均值。其中,dtw值的计算具体根据DTW(Dynamic Time Warping,动态时间归整)算法实现。
优选的,上述根据各dtw值计算子序列集合的加权平均值,可以包括:根据dtw值组成对应的dtw向量;按照时间升序对各dtw向量进行赋权,对赋权后的各dtw向量进行加权计算,获得子序列集合的加权平均值。
本申请实施例提供了一种具体的子序列集合的加权平均值的计算方法,在利用dtw值组成dtw向量后,对各个dtw向量赋权,该赋权过程可按照时间升序实现,即时间越早的权值越小,时间越近的权值越大,以提高周期检测结果的准确性,进一步,对赋权后的各个dtw向量进行加权计算,即可获得对应子序列集合的加权平均值。
S106:选取加权平均值取最小值时对应的候选周期作为待检测时序信号的信号周期。
本步骤旨在实现对待检测时序信号的信号周期的确定,在S105的基础上,获得了各组子序列集合的加权平均值,此处,即可选取加权平均值取最小值时对应的候选周期作为待检测时序信号的信号周期。
本申请所提供的时序信号的周期检测方法,通过进行检测周期粒度判定生成了多个候选周期,通过遍历候选周期对待检测时序信号进行切分,并对切分后的子序列进行dtw加权计算,选取最小子序列的dtw加权平均值对应的候选周期作为待检测时序信号的信号周期,可见,该种实现方式无需预先提供基准信号,仅基于待检测时序信号本身即可实现周期检测,即可以实现任意未知时序信号的周期检测,具有更为全面广泛的适用性;另外,通过对待检测时序信号进行切分计算,能够得到更为准确的待检测时序信号的信号周期,不易发生遗漏;另外,由于进行了检测周期粒度的判定,有效地减小了计算量,提高了检测效率。
在上述实施例的基础上,本申请实施例提供了一种更为具体的时序信号的周期检测方法,请参考图2,图2为本申请所提供的另一种时序信号的周期检测方法的流程示意图,该时序信号的周期检测方法的实现流程如下:
步骤一、根据待检测时序信号的信号长度确定检测周期粒度;
步骤二、根据检测周期粒度生成符合条件的候选周期列表;
步骤三、对候选周期列表进行遍历;
步骤四、以候选周期为步长对待检测时序信号进行切分,获得多个子序列;
步骤五、计算相邻两个子序列的dtw值,通过加权计算获得加权平均值;
步骤六、取加权平均值取最小值时对应的候选周期作为最终周期,即信号周期。
可见,本申请实施例所提供的时序信号的周期检测方法,通过进行检测周期粒度判定生成了多个候选周期,通过遍历候选周期对待检测时序信号进行切分,并对切分后的子序列进行dtw加权计算,选取最小子序列的dtw加权平均值对应的候选周期作为待检测时序信号的信号周期,可见,该种实现方式无需预先提供基准信号,仅基于待检测时序信号本身即可实现周期检测,即可以实现任意未知时序信号的周期检测,具有更为全面广泛的适用性;另外,通过对待检测时序信号进行切分计算,能够得到更为准确的待检测时序信号的信号周期,不易发生遗漏;另外,由于进行了检测周期粒度的判定,有效地减小了计算量,提高了检测效率。
为解决上述问题,请参考图3,图3为本申请所提供的一种时序信号的周期检测装置的结构示意图,该时序信号的周期检测装置可包括:
信号长度检测模块10,用于对获取的待检测时序信号进行长度检测,获得信号长度;
周期粒度选择模块20,用于根据信号长度选择相应的检测周期粒度;
候选周期生成模块30,用于以检测周期粒度为单位,生成预设数量个候选周期;
时序信号切分模块40,用于根据各候选周期对待检测时序信号进行切分,获得预设数量个子序列集合;
加权平均值计算模块50,用于计算各子序列集合中任意相邻两个子序列的dtw值,并根据各dtw值计算子序列集合的加权平均值;
信号周期确定模块60,用于选取加权平均值取最小值时对应的候选周期作为待检测时序信号的信号周期。
可见,本申请实施例所提供的时序信号的周期检测装置,通过进行检测周期粒度判定生成了多个候选周期,通过遍历候选周期对待检测时序信号进行切分,并对切分后的子序列进行dtw加权计算,选取最小子序列的dtw加权平均值对应的候选周期作为待检测时序信号的信号周期,可见,该种实现方式无需预先提供基准信号,仅基于待检测时序信号本身即可实现周期检测,即可以实现任意未知时序信号的周期检测,具有更为全面广泛的适用性;另外,通过对待检测时序信号进行切分计算,能够得到更为准确的待检测时序信号的信号周期,不易发生遗漏;另外,由于进行了检测周期粒度的判定,有效地减小了计算量,提高了检测效率。
作为一种优选实施例,上述周期粒度选择模块20可具体用于当信号长度未超出第一预设时间时,选取周期粒度为分钟;当信号长度超出第一预设时间,且未超出第二预设时间时,选取周期粒度为小时;当信号长度超出第二预设时间,且未超出第三预设时间时,选取周期粒度为天;当信号长度超出第三预设时间时,选取周期粒度为月。
作为一种优选实施例,上述候选周期生成模块30可具体用于将周期信号长度的一半作为最大阈值,以检测周期粒度为单位,计算检测周期粒度的整数倍,生成预设数量个候选周期,其中,最大候选后期不超出最大阈值。
作为一种优选实施例,该时序信号的周期检测装置还可以包括候选周期存储模块,用于将各候选周期存储至预设候选周期列表。
作为一种优选实施例,上述加权平均值计算模块50可具体用于计算各子序列集合中任意相邻两个子序列的dtw值,并根据dtw值组成对应的dtw向量,按照时间升序对各dtw向量进行赋权,对赋权后的各dtw向量进行加权计算,获得子序列集合的加权平均值。
对于本申请提供的装置的介绍请参照上述方法实施例,本申请在此不做赘述。
为解决上述问题,请参考图4,图4为本申请所提供的一种时序信号的周期检测设备的结构示意图,该时序信号的周期检测设备可包括:
存储器1,用于存储计算机程序;
处理器2,用于执行计算机程序时实现如下步骤:
对获取的待检测时序信号进行长度检测,获得信号长度;根据信号长度选择相应的检测周期粒度;以检测周期粒度为单位,生成预设数量个候选周期;根据各候选周期对待检测时序信号进行切分,获得预设数量个子序列集合;计算各子序列集合中任意相邻两个子序列的dtw值,并根据各dtw值计算子序列集合的加权平均值;选取加权平均值取最小值时对应的候选周期作为待检测时序信号的信号周期。
对于本申请提供的设备的介绍请参照上述方法实施例,本申请在此不做赘述。
为解决上述问题,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下骤:
对获取的待检测时序信号进行长度检测,获得信号长度;根据信号长度选择相应的检测周期粒度;以检测周期粒度为单位,生成预设数量个候选周期;根据各候选周期对待检测时序信号进行切分,获得预设数量个子序列集合;计算各子序列集合中任意相邻两个子序列的dtw值,并根据各dtw值计算子序列集合的加权平均值;选取加权平均值取最小值时对应的候选周期作为待检测时序信号的信号周期。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的时序信号的周期检测方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围要素。

Claims (10)

1.一种时序信号的周期检测方法,其特征在于,包括:
对获取的待检测时序信号进行长度检测,获得信号长度;
根据所述信号长度选择相应的检测周期粒度;
以所述检测周期粒度为单位,生成预设数量个候选周期;
根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;
计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;
选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期。
2.如权利要求1所述的时序信号的周期检测方法,其特征在于,所述根据所述信号长度选择相应的检测周期粒度,包括:
当所述信号长度未超出第一预设时间时,选取所述检测周期粒度为分钟;
当所述信号长度超出所述第一预设时间,且未超出第二预设时间时,选取所述检测周期粒度为小时;
当所述信号长度超出所述第二预设时间,且未超出第三预设时间时,选取所述检测周期粒度为天;
当所述信号长度超出所述第三预设时间时,选取所述检测周期粒度为月。
3.如权利要求1所述的时序信号的周期检测方法,其特征在于,所述以所述检测周期粒度为单位,生成预设数量个候选周期,包括:
将所述信号长度的一半作为最大阈值,以所述检测周期粒度为单位,计算所述检测周期粒度的整数倍,生成所述预设数量个候选周期,其中,最大候选后期不超出所述最大阈值。
4.如权利要求1所述的时序信号的周期检测方法,其特征在于,还包括:
将各所述候选周期存储至预设候选周期列表。
5.如权利要求1至4任意一项所述的时序信号的周期检测方法,其特征在于,所述根据各所述dtw值计算所述子序列集合的加权平均值,包括:
根据所述dtw值组成对应的dtw向量;
按照时间升序对各所述dtw向量进行赋权,对赋权后的各所述dtw向量进行加权计算,获得所述子序列集合的加权平均值。
6.一种时序信号的周期检测装置,其特征在于,包括:
信号长度检测模块,用于对获取的待检测时序信号进行长度检测,获得信号长度;
周期粒度选择模块,用于根据所述信号长度选择相应的检测周期粒度;
候选周期生成模块,用于以所述检测周期粒度为单位,生成预设数量个候选周期;
时序信号切分模块,用于根据各所述候选周期对所述待检测时序信号进行切分,获得所述预设数量个子序列集合;
加权平均值计算模块,用于计算各所述子序列集合中任意相邻两个子序列的dtw值,并根据各所述dtw值计算所述子序列集合的加权平均值;
信号周期确定模块,用于选取所述加权平均值取最小值时对应的候选周期作为所述待检测时序信号的信号周期。
7.如权利要求6所述的时序信号的周期检测方法,其特征在于,所述候选周期生成模块具体用于将所述周期信号长度的一半作为最大阈值,以所述检测周期粒度为单位,计算所述检测周期粒度的整数倍,生成所述预设数量个候选周期,其中,最大候选后期不超出所述最大阈值。
8.如权利要求6或7所述的时序信号的周期检测方法,其特征在于,还包括:
候选周期存储模块,用于将各所述候选周期存储至预设候选周期列表。
9.一种时序信号的周期检测设备,其特征在于,还包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任意一项所述的时序信号的周期检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的时序信号的周期检测方法的步骤。
CN201910655638.1A 2019-07-19 2019-07-19 一种时序信号的周期检测方法、装置及相关设备 Active CN110390160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910655638.1A CN110390160B (zh) 2019-07-19 2019-07-19 一种时序信号的周期检测方法、装置及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910655638.1A CN110390160B (zh) 2019-07-19 2019-07-19 一种时序信号的周期检测方法、装置及相关设备

Publications (2)

Publication Number Publication Date
CN110390160A true CN110390160A (zh) 2019-10-29
CN110390160B CN110390160B (zh) 2022-03-22

Family

ID=68286938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910655638.1A Active CN110390160B (zh) 2019-07-19 2019-07-19 一种时序信号的周期检测方法、装置及相关设备

Country Status (1)

Country Link
CN (1) CN110390160B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695829A (zh) * 2020-06-17 2020-09-22 南京星邺汇捷网络科技有限公司 一种指标波动周期计算方法、装置、存储介质及电子设备
CN114579554A (zh) * 2022-03-08 2022-06-03 京东科技信息技术有限公司 运维时间序列数据处理方法及装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101127037A (zh) * 2006-08-15 2008-02-20 临安微创网格信息工程有限公司 基于时序向量差异序列法聚类的周期关联规则发现算法
JP2008185615A (ja) * 2007-01-26 2008-08-14 Canon Inc 可変長フレームの符号化方法、可変長フレームの復号化方法、及びコンピュータプログラム
CN106648446A (zh) * 2015-10-30 2017-05-10 阿里巴巴集团控股有限公司 一种用于时序数据的存储方法、装置及电子设备
CN107316200A (zh) * 2016-04-26 2017-11-03 阿里巴巴集团控股有限公司 一种分析用户行为周期的方法和装置
CN107451598A (zh) * 2017-06-27 2017-12-08 浙江工业大学 一种基于最小平均距离的动态时间规整方法
CN108415910A (zh) * 2017-02-09 2018-08-17 中国传媒大学 基于时间序列的话题发展聚类分析系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101127037A (zh) * 2006-08-15 2008-02-20 临安微创网格信息工程有限公司 基于时序向量差异序列法聚类的周期关联规则发现算法
JP2008185615A (ja) * 2007-01-26 2008-08-14 Canon Inc 可変長フレームの符号化方法、可変長フレームの復号化方法、及びコンピュータプログラム
CN106648446A (zh) * 2015-10-30 2017-05-10 阿里巴巴集团控股有限公司 一种用于时序数据的存储方法、装置及电子设备
CN107316200A (zh) * 2016-04-26 2017-11-03 阿里巴巴集团控股有限公司 一种分析用户行为周期的方法和装置
CN108415910A (zh) * 2017-02-09 2018-08-17 中国传媒大学 基于时间序列的话题发展聚类分析系统和方法
CN107451598A (zh) * 2017-06-27 2017-12-08 浙江工业大学 一种基于最小平均距离的动态时间规整方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YU-TAO LIU: "Adaptive Global Time Sequence Averaging Method Using Dynamic Time Warping", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 *
韩晓勇等: "基于DTW距离的时序NDVI数据植被信息提取――以秦巴山区为例", 《测绘工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695829A (zh) * 2020-06-17 2020-09-22 南京星邺汇捷网络科技有限公司 一种指标波动周期计算方法、装置、存储介质及电子设备
CN111695829B (zh) * 2020-06-17 2023-08-29 南京星邺汇捷网络科技有限公司 一种指标波动周期计算方法、装置、存储介质及电子设备
CN114579554A (zh) * 2022-03-08 2022-06-03 京东科技信息技术有限公司 运维时间序列数据处理方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN110390160B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN106598822B (zh) 一种用于容量评估的异常数据检测方法及装置
McCarty et al. Variationally optimized free-energy flooding for rate calculation
CN110390160A (zh) 一种时序信号的周期检测方法、装置及相关设备
CN104464726A (zh) 一种相似音频的确定方法及装置
RU2012105952A (ru) Устройство и способ обработки данных гликемии
CN104091598A (zh) 一种音频文件的相似计算方法及装置
JP2019512126A (ja) 機械学習システムをトレーニングする方法及びシステム
CN105374367A (zh) 异常帧检测方法和装置
CN111126700A (zh) 用能预测方法、装置、设备及存储介质
Kim et al. An assessment of the optimum timing of coastal flood adaptation given sea‐level rise using real options analysis
CN110288003A (zh) 数据变化识别方法及设备
CN110599073B (zh) 一种车辆调度方案的获取方法及系统
CN108197347B (zh) 连续不规则区域采样点的地理空间分布均匀度检测方法
CN108228679A (zh) 时序数据计量方法和时序数据计量装置
CN105940380A (zh) 跨缺失数据的正弦内插
CN104473633A (zh) 异常心电数据的判断方法和装置
CN108133234B (zh) 基于稀疏子集选择算法的社区检测方法、装置及设备
JP5730345B2 (ja) 占有検出方法および装置
CN107120984B (zh) 消声器工程量确定方法及装置
CN109634525B (zh) 一种存储系统有效容量的估算方法、系统及相关组件
RU2011147050A (ru) Способ и система для оценивания объектов
CN112561171B (zh) 一种滑坡的预测方法、装置、设备及存储介质
CN115222018A (zh) 非侵入式负荷分解方法及装置
CN103312835B (zh) 地址溯源方法和装置
JP2014063617A (ja) 蓄電池の残存価値格付け装置およびプログラム

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
GR01 Patent grant