CN114089033B - 一种基于频谱分析的异常信号检测方法及系统 - Google Patents
一种基于频谱分析的异常信号检测方法及系统 Download PDFInfo
- Publication number
- CN114089033B CN114089033B CN202210076274.3A CN202210076274A CN114089033B CN 114089033 B CN114089033 B CN 114089033B CN 202210076274 A CN202210076274 A CN 202210076274A CN 114089033 B CN114089033 B CN 114089033B
- Authority
- CN
- China
- Prior art keywords
- signal
- abnormal
- characteristic
- result
- analysis
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种基于频谱分析的异常信号检测方法及系统,涉及数字数据处理领域,其中,所述方法包括:获得第一无线信号检测集合;将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;根据所述第一匹配结果进行信号的异常预警。
Description
技术领域
本发明涉及数字数据处理领域,具体地,涉及一种基于频谱分析的异常信号检测方法及系统。
背景技术
频谱分析是一种将时域信号变换至频域加以分析的方法。通过对信号进行频谱分析可以获得更多有用信息。例如,根据频谱分析可以求出各个频率成分的幅值分布和能量分布,从而得到主要幅度和能量分布的频率值。频谱分析是利用频率域对信号进行分析、研究,应用于通讯发射机、干扰信号的测量、频谱的监测、器件的特性分析等诸多领域。现有的频谱异常信号检测系统在出现异常信号时,不能及时对用户进行提示。研究设计一种优化频谱分析的异常信号检测方法,具有重要的现实意义。
现有技术中,存在针对频谱分析不够准确,进而导致不能进行准确的异常预警的技术问题。
发明内容
本申请提供了一种基于频谱分析的异常信号检测方法及系统,解决了现有技术中的针对频谱分析不够准确,进而导致不能进行准确的异常预警的技术问题。
鉴于上述问题,本申请提供了一种基于频谱分析的异常信号检测方法及系统。
一方面,本申请提供了一种基于频谱分析的异常信号检测方法,其中,所述方法应用于一种基于频谱分析的异常信号检测系统,所述方法包括:获得第一无线信号检测集合;将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;
构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;根据所述第一匹配结果进行信号的异常预警。
另一方面,本申请提供了一种基于频谱分析的异常信号检测系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一无线信号检测集合;第二获得单元,所述第二获得单元用于将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;第三获得单元,所述第三获得单元用于对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;第四获得单元,所述第四获得单元用于构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;第五获得单元,所述第五获得单元用于将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;第一执行单元,所述第一执行单元用于根据所述第一匹配结果进行信号的异常预警。
第三方面,本申请提供了一种基于频谱分析的异常信号检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其中,所述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第一方面中任一项所述的方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
将无线信号检测信息输入时域特征分析模型,得出异常无线信号信息;通过小波分析从异常无线信号信息中获得降噪异常无线信号信息;根据信号频谱特征分析数据库对降噪异常无线信号信息进行信息分析,得出其幅值特征和相位特征;进而,通过异常信号比对模型对幅值特征和相位特征进行匹配,根据匹配结果发出异常信号预警。通过对频谱的数据信息进行处理后,利用提前构建的异常信号库进行比对,并根据实时检测数据实现数据还原与所述标准信号库的异常波动进行分析和计算预测,完成实时异常提醒。达到了对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请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示例性的,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为本申请一种基于频谱分析的异常信号检测方法的流程示意图;
图2为本申请一种基于频谱分析的异常信号检测方法中构建所述异常信号比对模型的流程示意图;
图3为本申请一种基于频谱分析的异常信号检测方法中进行信号的异常预警的流程示意图;
图4为本申请一种基于频谱分析的异常信号检测方法中根据所述第一重新采集指令进行信号的重新采集的流程示意图;
图5为本申请一种基于频谱分析的异常信号检测系统的结构示意图;
图6为本申请示例性电子设备的结构示意图。
具体实施方式
本申请通过提供一种基于频谱分析的异常信号检测方法及系统,解决了现有技术中的针对频谱分析不够准确,进而导致不能进行准确的异常预警的技术问题。通过对频谱的数据信息进行处理后,利用提前构建的异常信号库进行比对,并根据实时检测数据实现数据还原与所述标准信号库的异常波动进行分析和计算预测,完成实时异常提醒。达到了对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
频谱分析是一种将时域信号变换至频域加以分析的方法。通过对信号进行频谱分析可以获得更多有用信息。例如,根据频谱分析可以求出各个频率成分的幅值分布和能量分布,从而得到主要幅度和能量分布的频率值。频谱分析是利用频率域对信号进行分析、研究,应用于通讯发射机、干扰信号的测量、频谱的监测、器件的特性分析等诸多领域。现有的频谱异常信号检测系统在出现异常信号时,不能及时对用户进行提示。研究设计一种优化频谱分析的异常信号检测方法,具有重要的现实意义。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供一种基于频谱分析的异常信号检测方法,其中,所述方法应用于一种基于频谱分析的异常信号检测系统,所述方法包括:将无线信号检测信息输入时域特征分析模型,得出异常无线信号信息;通过小波分析从异常无线信号信息中获得降噪异常无线信号信息;根据信号频谱特征分析数据库对降噪异常无线信号信息进行信息分析,得出其幅值特征和相位特征;进而,通过异常信号比对模型对幅值特征和相位特征进行匹配,根据匹配结果发出异常信号预警。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
请参阅附图1,本申请提供一种基于频谱分析的异常信号检测方法,其中,所述方法应用于一种基于频谱分析的异常信号检测系统,所述方法具体包括如下步骤:
步骤S100:获得第一无线信号检测集合;
步骤S200:将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;
具体而言,所述第一无线信号检测集合是由任一使用所述频谱分析的异常信号检测系统进行检测的无线信号构成的集合。根据时域特征分析模型对所述第一无线信号检测集合进行处理,可以获得第一异常无线信号集合。其中,所述时域特征分析模型是以时间为自变量描述第一无线信号检测集合变化的模型。在时域内通过对所述第一无线信号检测集合进行滤波、放大、统计特征计算、相关性分析等处理,可以获得第一异常无线信号集合。达到了由时域特征分析模型初步对第一无线信号检测集合进行处理,为后续进行小波分析提供数据支持的技术效果。
步骤S300:对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;
步骤S400:构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;
具体而言,在获得所述第一异常无线信号集合的基础上,对其进行小波分析,可以获得第一降噪异常无线信号集合。其中,所述小波分析是指用有限长或快速衰减的振荡波形来表示所述第一异常无线信号集合。在信号处理中,信号中通常都包含噪声,而噪声的存在增加了辨别信号不连续点的难度。通过对所述第一异常无线信号集合进行小波分析,可以缓解噪声对信号的污染,得到第一降噪异常无线信号集合。进而,根据构建的第一信号频谱特征分析数据库对所述第一降噪异常无线信号集合进行信号分析,得出第一幅值特征和第一相位特征。其中,所述第一信号频谱特征分析数据库是对第一降噪异常无线信号集合进行处理,得出其幅值特征和相位特征。达到了通过小波分析对信号进行降噪处理,进而根据频谱特征分析数据库获得其幅值特征和相位特征,为后续进行异常信号的准确预警奠定基础的技术效果。
步骤S500:将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;
步骤S600:根据所述第一匹配结果进行信号的异常预警。
具体而言,在获得所述第一幅值特征和所述第一相位特征的基础上,将其输入异常信号比对模型,可以得到第一匹配结果;进而,根据所述第一匹配结果进行信号的异常预警。其中,所述异常信号比对模型是通过对比、匹配进一步精确识别异常信号的模型。达到了对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
进一步的,如附图2所示,本申请步骤S500还包括:
步骤S510:通过大数据获得待检测信号训练数据集合;
步骤S520:基于所述待检测信号训练数据集合进行数据分类,获得第一训练数据集合、第一交叉检验数据集合和第一测试数据集合;
步骤S530:将所述第一训练数据集合进行相位特征和幅值特征的数据提取,获得第一提取结果;
步骤S540:基于所述第一提取结果、所述第一交叉检验数据集合和所述第一测试数据集合构建所述异常信号比对模型。
具体而言,所述待检测信号训练数据集合是由大数据采集降噪后,可进行幅值特征和相位特征提取的无线信号构成的集合。根据对所述待检测信号训练数据集合进行数据分类,可以得到第一训练数据集合、第一交叉检验数据集合和第一测试数据集合。其中,所述第一训练数据集合由所述待检测信号训练数据集合中的正常信号构成。所述第一交叉检验数据集合和所述第一测试数据集合中含有少量的异常信号。例如,所述待检测信号训练数据集合有6000个无线信号,对其进行数据分类,可以得到由3000个正常无线信号构成的所述第一训练数据集合;同时,获得2000个正常无线信号中含有20个异常信号所构成的所述第一交叉检验数据集合,以及1000个正常无线信号中含有10个异常信号所构成的所述第一测试数据集合。进而,对所述第一训练数据集合进行数据提取,得到第一提取结果,通过所述第一提取结果、所述第一交叉检验数据集合和所述第一测试数据集合建设所述异常信号比对模型。其中,所述第一提取结果由所述第一训练数据集合的正常信号的相位特征和幅值特征构成。达到了构建异常信号比对模型,快速识别异常信号,并为后续获得第一匹配结果、进行异常信号的准确预警奠定基础的技术效果。
进一步的,本申请步骤S540还包括:
步骤S541:基于第一提取结果,分别计算所述相位特征和所述幅值特征的平均值和方差,获得第一计算结果;
步骤S542:根据所述第一计算结果,构建相位特征异常检测模型和幅值特征异常检测模型,基于所述相位特征异常检测模型和所述幅值特征异常检测模型获得所述异常信号比对模型;
步骤S543:通过所述第一交叉检验数据集合进行所述异常信号比对模型的检测阈值进行评估,根据评估结果进行所述异常信号比对模型的修正,获得第一修正结果;
步骤S544:基于所述第一测试数据集合进行所述第一修正结果的查全率和查准率评估,当评估结果满足第一预定阈值时,完成所述异常信号比对模型的构建。
具体而言,在获得所述第一提取结果的基础上,通过计算可以获得第一计算结果,并根据其构建相位特征异常检测模型和幅值特征异常检测模型,根据所述相位特征异常检测模型和所述幅值特征异常检测模型获得所述异常信号比对模型。其中,所述第一计算结果是分别由计算获得的第一提取结果的相位特征和幅值特征的平均值和方差。
所述相位特征异常检测模型是由第一提取结果的相位特征的平均值和方差构成,通过检测可以识别无线信号的相位异常的检测模型。所述幅值特征异常检测模型由第一提取结果的幅值特征的平均值和方差构成,通过检测可以识别无线信号的幅值异常的检测模型。进而,通过所述第一交叉检验数据集合进行所述异常信号比对模型的检测阈值评估,获得第一修正结果;通过对第一修正结果进行查全率和查准率评估,当评估结果满足第一预定阈值,完成所述异常信号比对模型的构建。其中,所述检测阈值是提前设定的异常信号的检测阈值,可通过用户查阅资料、用户个人经验等方式获取此检测阈值。所述第一修正结果是对检测阈值进行评估,并根据其对所述异常信号比对模型进行修正的结果。所述第一预定阈值是所述第一修正结果的查全率和查准率的预定阈值。达到了完成所述异常信号比对模型的构建,为后续获得第一匹配结果提供数据支持的技术效果。
进一步的,如附图3所示,本申请步骤S600还包括:
步骤S610:根据所述异常信号比对模型获得第一幅值特征匹配度和第一相位特征匹配度;
步骤S620:根据所述第一匹配结果获得第一异常等级;
步骤S630:构建幅值特征和相位特征的正相关系数集合;
步骤S640:将所述第一幅值特征匹配度和所述第一相位特征匹配度输入所述正相关系数集合,获得第一正相关系数;
步骤S650:根据所述第一正相关系数获得第一异常偏向标识;
步骤S660:基于所述第一异常偏向标识和所述第一异常等级进行信号的异常预警。
具体而言,在根据所述第一匹配结果进行信号的异常预警时,通过获得第一幅值特征匹配度和第一相位特征匹配度;同时,根据第一匹配结果得到第一异常等级,构建幅值特征和相位特征的正相关系数集合。其中,所述第一幅值特征匹配度是指第一匹配结果的幅值特征匹配度。第一相位特征匹配度是指第一匹配结果的相位特征匹配度。所述第一异常等级是指第一匹配结果的异常等级。所述正相关系数集合是由正常信号的幅值特征和相位特征的正相关系数构成的集合。进而,通过所述正相关系数集合,获得第一正相关系数;并根据其获得第一异常偏向标识;通过所述第一异常偏向标识和所述第一异常等级进行信号的异常预警。其中,所述第一正相关系数是将所述第一幅值特征匹配度和所述第一相位特征匹配度输入所述正相关系数集合,获得的系数。所述第一异常偏向标识是根据所述第一正相关系数获得的异常信号的标识。达到了根据第一异常偏向标识和第一异常等级进一步对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
进一步的,本申请步骤S200还包括:
步骤S210:通过大数据获得第一信号集合;
步骤S220:将所述第一信号集合进行统计分析,获得有量纲特征参数、无量纲特征参数和标识信号是否异常的标识信息;
步骤S230:基于所述有量纲特征参数、所述无量纲特征参数和所述标识信号是否异常的标识信息进行所述时域特征分析模型的构建。
具体而言,所述第一信号集合是指由大数据获得的可通过对时域信号进行统计分析,得出时域特征参数的无线信号构成的集合。时域特征参数分为有量纲特征参数和无量纲特征参数。对所述第一信号集合进行统计分析,可以得出有量纲特征参数、无量纲特征参数和标识信号是否异常的标识信息;并根据其构建时域特征分析模型。其中,所述有量纲特征参数包括峰值、均值、均方根值、方差等参数,所述有量纲特征参数不仅与所述第一信号集合中信号的运行状态(是否异常)有关,而且与被测信号的运行环境(温度、湿度等)有关。所述无量纲特征参数包括峰值因子、波峰因子、峭度指标、波形因子、脉冲指标等参数,所述无量纲特征参数只与被测信号的运行环境(温度、湿度等)有关,对信号的运行状态(是否异常)的变化不敏感。所述标识信号是否异常的标识信息是指标识所述第一信号集合中的信号是否异常的信息。达到了构建时域特征分析模型,初步对异常信号进行标识,为后续通过时域特征分析模型获得第一异常无线信号集合奠定基础的技术效果。
进一步的,如附图4所示,本申请步骤S100还包括:
步骤S110:获得第一评估指令,根据所述第一评估指令进行所述第一无线信号检测集合的信号噪声评估,获得第一噪声评估结果;
步骤S120:对所述第一无线信号检测集合进行信号的完整度评估,获得第一完整度评估结果;
步骤S130:当所述第一噪声评估结果和所述第一完整度评估结果中任一项不满足第一预定要求时,获得第一重新采集指令;
步骤S140:根据所述第一重新采集指令进行信号的重新采集。
具体而言,在获得第一无线信号检测集合的基础上,通过获得的第一评估指令对其进行信号噪声评估,得到第一噪声评估结果,再对所述第一无线信号检测集合进行信号的完整度评估,获得第一完整度评估结果。其中,所述第一评估指令是对信号进行噪声评估的指令。所述第一噪声评估结果是指第一无线信号检测集合中的无线信号的噪声含量。所述第一完整度评估结果是指第一无线信号检测集合中的无线信号的完整性、整体性的指标。进而,当所述第一噪声评估结果和所述第一完整度评估结果中任一项不满足第一预定要求时,获得第一重新采集指令并根据其进行信号的重新采集。其中,所述第一预定要求是指预先设定的第一无线信号检测集合中的信号的噪声含量和完整性、整体性的标准。例如,规定第一无线信号检测集合中的信号的噪声含量小于5%,同时,信号的完整性、整体性指标不低于95%为第一预定要求。当第一预定要求中任一项不满足,发出第一重新采集指令,并根据其进行信号的重新采集。达到了通过对第一无线信号检测集合的信号进行噪声和完整度评估,对噪声含量过高、完整度较差的不真实无线信号重新采集,优化第一无线信号检测集合的技术效果。
进一步的,本申请步骤S140:还包括:
步骤S141:根据第一监督指令对重新采集次数进行监督,获得第一监督结果;
步骤S142:当所述第一监督结果满足第二预定要求时,获得第一报错信息;
步骤S143:根据所述第一报错信息进行报错预警。
具体而言,在根据所述第一重新采集指令进行信号的重新采集时,需要通过第一监督指令对重新采集次数进行监督,得到第一监督结果;当第一监督结果满足第二预定要求时,得到第一报错信息;根据其进行报错预警。其中,所述第一监督结果是指在一定时间内根据第一重新采集指令进行信号重新采集的次数。所述第二预定要求是预先设定的在一定时间内对信号进行一定的重新采集次数的标准。所述第一报错信息是满足第二预定要求时,判定采集的无线信号都为噪声、不完整的信号,进行报错预警的信息。例如,第一监督结果为1分钟内进行10次信号重新采集,满足1分钟内不少于8次信号重新采集的第二预定要求;这时可以得出在1分钟内进行10次信号重新采集,采集的信号皆为噪声、不完整的信号,发出报错预警的第一报错信息,并根据其进行报错预警。达到了通过对采集次数进行监督,降低因信号采集装置、信号采集环境等异常造成的影响,优化信号的重新采集过程的技术问题。
综上所述,本申请所提供的一种基于频谱分析的异常信号检测方法具有如下技术效果:
1.将无线信号检测信息输入时域特征分析模型,得出异常无线信号信息;通过小波分析从异常无线信号信息中获得降噪异常无线信号信息;根据信号频谱特征分析数据库对降噪异常无线信号信息进行信息分析,得出其幅值特征和相位特征;进而,通过异常信号比对模型对幅值特征和相位特征进行匹配,根据匹配结果发出异常信号预警。通过对频谱的数据信息进行处理后,利用提前构建的异常信号库进行比对,并根据实时检测数据实现数据还原与所述标准信号库的异常波动进行分析和计算预测,完成实时异常提醒。达到了对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
2.小波分析是指用有限长或快速衰减的振荡波形来表示所述第一异常无线信号集合。在信号处理中,信号中通常都包含噪声,而噪声的存在增加了辨别信号不连续点的难度。通过对第一异常无线信号集合进行小波分析,可以缓解噪声对信号的污染,得到第一降噪异常无线信号集合。
3.有量纲特征参数包括峰值、均值、均方根值、方差等参数,有量纲特征参数不仅与第一信号集合中信号的运行状态(是否异常)有关,而且与被测信号的运行环境(温度、湿度等)有关。无量纲特征参数包括峰值因子、波峰因子、峭度指标、波形因子、脉冲指标等参数,无量纲特征参数只与被测信号的运行环境(温度、湿度等)有关,对信号的运行状态(是否异常)的变化不敏感。
实施例二
基于与前述实施例中一种基于频谱分析的异常信号检测方法,同样发明构思,本发明还提供了一种基于频谱分析的异常信号检测系统,请参阅附图5,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一无线信号检测集合;
第二获得单元12,所述第二获得单元12用于将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;
第三获得单元13,所述第三获得单元13用于对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;
第四获得单元14,所述第四获得单元14用于构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;
第五获得单元15,所述第五获得单元15用于将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;
第一执行单元16,所述第一执行单元16用于根据所述第一匹配结果进行信号的异常预警。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于通过大数据获得待检测信号训练数据集合;
第七获得单元,所述第七获得单元用于基于所述待检测信号训练数据集合进行数据分类,获得第一训练数据集合、第一交叉检验数据集合和第一测试数据集合;
第八获得单元,所述第八获得单元用于将所述第一训练数据集合进行相位特征和幅值特征的数据提取,获得第一提取结果;
第二执行单元,所述第二执行单元用于基于所述第一提取结果、所述第一交叉检验数据集合和所述第一测试数据集合构建所述异常信号比对模型。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于基于第一提取结果,分别计算所述相位特征和所述幅值特征的平均值和方差,获得第一计算结果;
第十获得单元,所述第十获得单元用于根据所述第一计算结果,构建相位特征异常检测模型和幅值特征异常检测模型,基于所述相位特征异常检测模型和所述幅值特征异常检测模型获得所述异常信号比对模型;
第十一获得单元,所述第十一获得单元用于通过所述第一交叉检验数据集合进行所述异常信号比对模型的检测阈值进行评估,根据评估结果进行所述异常信号比对模型的修正,获得第一修正结果;
第三执行单元,所述第三执行单元用于基于所述第一测试数据集合进行所述第一修正结果的查全率和查准率评估,当评估结果满足第一预定阈值时,完成所述异常信号比对模型的构建。
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于根据所述异常信号比对模型获得第一幅值特征匹配度和第一相位特征匹配度;
第十三获得单元,所述第十三获得单元用于根据所述第一匹配结果获得第一异常等级;
第四执行单元,所述第四执行单元用于构建幅值特征和相位特征的正相关系数集合;
第十四获得单元,所述第十四获得单元用于将所述第一幅值特征匹配度和所述第一相位特征匹配度输入所述正相关系数集合,获得第一正相关系数;
第十五获得单元,所述第十五获得单元用于根据所述第一正相关系数获得第一异常偏向标识;
第五执行单元,所述第五执行单元用于基于所述第一异常偏向标识和所述第一异常等级进行信号的异常预警。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于通过大数据获得第一信号集合;
第十七获得单元,所述第十七获得单元用于将所述第一信号集合进行统计分析,获得有量纲特征参数、无量纲特征参数和标识信号是否异常的标识信息;
第六执行单元,所述第六执行单元用于基于所述有量纲特征参数、所述无量纲特征参数和所述标识信号是否异常的标识信息进行所述时域特征分析模型的构建。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于获得第一评估指令,根据所述第一评估指令进行所述第一无线信号检测集合的信号噪声评估,获得第一噪声评估结果;
第十九获得单元,所述第十九获得单元用于对所述第一无线信号检测集合进行信号的完整度评估,获得第一完整度评估结果;
第二十获得单元,所述第二十获得单元用于当所述第一噪声评估结果和所述第一完整度评估结果中任一项不满足第一预定要求时,获得第一重新采集指令;
第七执行单元,所述第七执行单元用于根据所述第一重新采集指令进行信号的重新采集。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于根据第一监督指令对重新采集次数进行监督,获得第一监督结果;
第二十二获得单元,所述第二十二获得单元用于当所述第一监督结果满足第二预定要求时,获得第一报错信息;
第八执行单元,所述第八执行单元用于根据所述第一报错信息进行报错预警。
本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,前述图1实施例一中的一种基于频谱分析的异常信号检测方法和具体实例同样适用于本实施例的一种基于频谱分析的异常信号检测系统,通过前述对一种基于频谱分析的异常信号检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于频谱分析的异常信号检测系统,所以为了说明书的简洁,在此不再详述。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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本申请的计算机设备。该计算机设备可以是应用版本管理服务器或终端,其内部结构图可以如6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用包的处理方法。
在该计算机设备是终端时,该计算机设备还可以包括显示屏和输入装置。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
本申请提供了一种基于频谱分析的异常信号检测方法,其中,所述方法应用于一种基于频谱分析的异常信号检测系统,所述方法包括:将无线信号检测信息输入时域特征分析模型,得出异常无线信号信息;通过小波分析从异常无线信号信息中获得降噪异常无线信号信息;根据信号频谱特征分析数据库对降噪异常无线信号信息进行信息分析,得出其幅值特征和相位特征;进而,通过异常信号比对模型对幅值特征和相位特征进行匹配,根据匹配结果发出异常信号预警。解决了现有技术中的针对频谱分析不够准确,进而导致不能进行准确的异常预警的技术问题。通过对频谱的数据信息进行处理后,利用提前构建的异常信号库进行比对,并根据实时检测数据实现数据还原与所述标准信号库的异常波动进行分析和计算预测,完成实时异常提醒。达到了对频谱进行更加准确的监测和分析,提高基于频谱的进行异常信号的检测准确率,进而达到进行异常信号的准确预警的技术效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附为准。
Claims (4)
1.一种基于频谱分析的异常信号检测方法,其特征在于,所述方法包括:
获得第一无线信号检测集合;
将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;
对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;
构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;
将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;
根据所述第一匹配结果进行信号的异常预警;
通过大数据获得待检测信号训练数据集合;
基于所述待检测信号训练数据集合进行数据分类,获得第一训练数据集合、第一交叉检验数据集合和第一测试数据集合;
将所述第一训练数据集合进行相位特征和幅值特征的数据提取,获得第一提取结果;
基于所述第一提取结果、所述第一交叉检验数据集合和所述第一测试数据集合构建所述异常信号比对模型;
基于第一提取结果,分别计算所述相位特征和所述幅值特征的平均值和方差,获得第一计算结果;
根据所述第一计算结果,构建相位特征异常检测模型和幅值特征异常检测模型,基于所述相位特征异常检测模型和所述幅值特征异常检测模型获得所述异常信号比对模型;
通过所述第一交叉检验数据集合进行所述异常信号比对模型的检测阈值进行评估,根据评估结果进行所述异常信号比对模型的修正,获得第一修正结果;
基于所述第一测试数据集合进行所述第一修正结果的查全率和查准率评估,当评估结果满足第一预定阈值时,完成所述异常信号比对模型的构建;
根据所述异常信号比对模型获得第一幅值特征匹配度和第一相位特征匹配度;
根据所述第一匹配结果获得第一异常等级;
构建幅值特征和相位特征的正相关系数集合;
将所述第一幅值特征匹配度和所述第一相位特征匹配度输入所述正相关系数集合,获得第一正相关系数;
根据所述第一正相关系数获得第一异常偏向标识;
基于所述第一异常偏向标识和所述第一异常等级进行信号的异常预警;
通过大数据获得第一信号集合;
将所述第一信号集合进行统计分析,获得有量纲特征参数、无量纲特征参数和标识信号是否异常的标识信息;
基于所述有量纲特征参数、所述无量纲特征参数和所述标识信号是否异常的标识信息进行所述时域特征分析模型的构建;
获得第一评估指令,根据所述第一评估指令进行所述第一无线信号检测集合的信号噪声评估,获得第一噪声评估结果;
对所述第一无线信号检测集合进行信号的完整度评估,获得第一完整度评估结果;
当所述第一噪声评估结果和所述第一完整度评估结果中任一项不满足第一预定要求时,获得第一重新采集指令;
根据所述第一重新采集指令进行信号的重新采集;
根据第一监督指令对重新采集次数进行监督,获得第一监督结果;
当所述第一监督结果满足第二预定要求时,获得第一报错信息;
根据所述第一报错信息进行报错预警。
2.一种基于频谱分析的异常信号检测系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一无线信号检测集合;
第二获得单元,所述第二获得单元用于将所述第一无线信号检测集合输入时域特征分析模型,获得第一异常无线信号集合;
第三获得单元,所述第三获得单元用于对所述第一异常无线信号集合进行小波分析,获得第一降噪异常无线信号集合;
第四获得单元,所述第四获得单元用于构建第一信号频谱特征分析数据库,基于所述第一信号频谱特征分析数据库进行所述第一降噪异常无线信号集合的信号分析,获得第一幅值特征和第一相位特征;
第五获得单元,所述第五获得单元用于将所述第一幅值特征和所述第一相位特征输入异常信号比对模型,获得第一匹配结果;
第一执行单元,所述第一执行单元用于根据所述第一匹配结果进行信号的异常预警;
第六获得单元,所述第六获得单元用于通过大数据获得待检测信号训练数据集合;
第七获得单元,所述第七获得单元用于基于所述待检测信号训练数据集合进行数据分类,获得第一训练数据集合、第一交叉检验数据集合和第一测试数据集合;
第八获得单元,所述第八获得单元用于将所述第一训练数据集合进行相位特征和幅值特征的数据提取,获得第一提取结果;
第二执行单元,所述第二执行单元用于基于所述第一提取结果、所述第一交叉检验数据集合和所述第一测试数据集合构建所述异常信号比对模型;
第九获得单元,所述第九获得单元用于基于第一提取结果,分别计算所述相位特征和所述幅值特征的平均值和方差,获得第一计算结果;
第十获得单元,所述第十获得单元用于根据所述第一计算结果,构建相位特征异常检测模型和幅值特征异常检测模型,基于所述相位特征异常检测模型和所述幅值特征异常检测模型获得所述异常信号比对模型;
第十一获得单元,所述第十一获得单元用于通过所述第一交叉检验数据集合进行所述异常信号比对模型的检测阈值进行评估,根据评估结果进行所述异常信号比对模型的修正,获得第一修正结果;
第三执行单元,所述第三执行单元用于基于所述第一测试数据集合进行所述第一修正结果的查全率和查准率评估,当评估结果满足第一预定阈值时,完成所述异常信号比对模型的构建;
第十二获得单元,所述第十二获得单元用于根据所述异常信号比对模型获得第一幅值特征匹配度和第一相位特征匹配度;
第十三获得单元,所述第十三获得单元用于根据所述第一匹配结果获得第一异常等级;
第四执行单元,所述第四执行单元用于构建幅值特征和相位特征的正相关系数集合;
第十四获得单元,所述第十四获得单元用于将所述第一幅值特征匹配度和所述第一相位特征匹配度输入所述正相关系数集合,获得第一正相关系数;
第十五获得单元,所述第十五获得单元用于根据所述第一正相关系数获得第一异常偏向标识;
第五执行单元,所述第五执行单元用于基于所述第一异常偏向标识和所述第一异 常等级进行信号的异常预警;
第十六获得单元,所述第十六获得单元用于通过大数据获得第一信号集合;
第十七获得单元,所述第十七获得单元用于将所述第一信号集合进行统计分析,
获得有量纲特征参数、无量纲特征参数和标识信号是否异常的标识信息;
第六执行单元,所述第六执行单元用于基于所述有量纲特征参数、所述无量纲特征参数和所述标识信号是否异常的标识信息进行所述时域特征分析模型的构建;
第十八获得单元,所述第十八获得单元用于获得第一评估指令,根据所述第一评估指令进行所述第一无线信号检测集合的信号噪声评估,获得第一噪声评估结果;
第十九获得单元,所述第十九获得单元用于对所述第一无线信号检测集合进行信号的完整度评估,获得第一完整度评估结果;
第二十获得单元,所述第二十获得单元用于当所述第一噪声评估结果和所述第一完整度评估结果中任一项不满足第一预定要求时,获得第一重新采集指令;
第七执行单元,所述第七执行单元用于根据所述第一重新采集指令进行信号的重新采集;
第二十一获得单元,所述第二十一获得单元用于根据第一监督指令对重新采集次数进行监督,获得第一监督结果;
第二十二获得单元,所述第二十二获得单元用于当所述第一监督结果满足第二预定要求时,获得第一报错信息;
第八执行单元,所述第八执行单元用于根据所述第一报错信息进行报错预警。
3.一种基于频谱分析的异常信号检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1所述方法的步骤。
4.一种计算机可读存储介质,其特征在于,所述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权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076274.3A CN114089033B (zh) | 2022-01-24 | 2022-01-24 | 一种基于频谱分析的异常信号检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076274.3A CN114089033B (zh) | 2022-01-24 | 2022-01-24 | 一种基于频谱分析的异常信号检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114089033A CN114089033A (zh) | 2022-02-25 |
CN114089033B true CN114089033B (zh) | 2022-04-26 |
Family
ID=80309112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210076274.3A Active CN114089033B (zh) | 2022-01-24 | 2022-01-24 | 一种基于频谱分析的异常信号检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089033B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115267331B (zh) * | 2022-09-29 | 2022-12-16 | 天津安力信通讯科技有限公司 | 一种基于多频谱分析的信号方位定位方法及系统 |
CN115453254B (zh) * | 2022-11-11 | 2023-05-02 | 浙江万胜智能科技股份有限公司 | 一种基于专变采集终端的电能质量监测方法及系统 |
CN117335912B (zh) * | 2023-09-28 | 2024-04-12 | 广东机电职业技术学院 | 一种频谱智能感知方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059183A (zh) * | 2019-03-22 | 2019-07-26 | 重庆邮电大学 | 一种基于大数据的汽车行业用户观点情感分类方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8429153B2 (en) * | 2010-06-25 | 2013-04-23 | The United States Of America As Represented By The Secretary Of The Army | Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media |
CN102620807A (zh) * | 2012-03-22 | 2012-08-01 | 内蒙古科技大学 | 风力发电机状态监测系统及方法 |
CN106936517A (zh) * | 2015-12-28 | 2017-07-07 | 镇江高科信息科技有限公司 | 一种异常无线电信号的自动识别系统及其方法 |
CN108063698B (zh) * | 2017-12-15 | 2020-05-12 | 东软集团股份有限公司 | 设备异常检测方法和装置、及存储介质 |
CN108196986B (zh) * | 2017-12-29 | 2021-03-30 | 东软集团股份有限公司 | 设备异常检测方法、装置、计算机设备和存储介质 |
CN108414527A (zh) * | 2018-02-06 | 2018-08-17 | 深圳市满心科技有限公司 | 存储柜、手机外观完整性采集的方法和计算机存储介质 |
CN111247443A (zh) * | 2018-09-29 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 电机状态监测装置和电机状态监测方法 |
CN109816581A (zh) * | 2019-01-25 | 2019-05-28 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
CN112417377B (zh) * | 2020-11-19 | 2023-09-12 | 中国人民解放军陆军炮兵防空兵学院 | 一种军事侦察系统效能评估方法 |
CN112929096B (zh) * | 2021-01-27 | 2022-07-12 | 嘉兴中科声学科技有限公司 | 一种声音信号的处理方法、处理装置及电子设备 |
-
2022
- 2022-01-24 CN CN202210076274.3A patent/CN114089033B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059183A (zh) * | 2019-03-22 | 2019-07-26 | 重庆邮电大学 | 一种基于大数据的汽车行业用户观点情感分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114089033A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114089033B (zh) | 一种基于频谱分析的异常信号检测方法及系统 | |
CN109558295B (zh) | 一种性能指标异常检测方法及装置 | |
CN110455490B (zh) | 超声速和高超声速风洞流场湍流度的计算方法及装置 | |
CN107766254B (zh) | 一种基于层次分析的软件质量评估方法及系统 | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN115994248B (zh) | 阀门故障的数据检测方法及系统 | |
CN117270514B (zh) | 基于工业物联网的生产过程全流程故障检测方法 | |
CN117171366B (zh) | 用于电网调度运行态势的知识图谱构建方法及系统 | |
CN113591314A (zh) | 传感器可信性评估方法、装置、计算机设备及介质 | |
CN111024986B (zh) | 超声波风速风向仪数据校准方法、装置及设备、存储介质 | |
Bounoua et al. | Online detrended fluctuation analysis and improved empirical wavelet transform for real-time oscillations detection in industrial control loops | |
Song et al. | A time-discrete and zero-adjusted gamma process model with application to degradation analysis | |
Shang et al. | Nonparametric change-point detection for profiles with binary data | |
CN116662900A (zh) | 一种低频电压的局部放电程度识别方法及系统 | |
CN114495438B (zh) | 基于多传感器的灾害预警方法、系统、设备及存储介质 | |
CN115855165A (zh) | 一种用于火电设备的多维度精密点检方法及系统 | |
CN114371677B (zh) | 基于谱半径-区间主成分分析的工业过程状态监测方法 | |
CN114154843A (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法及系统 | |
CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
CN113792090A (zh) | 一种轧钢数据监控方法、系统、介质及电子终端 | |
CN111881800A (zh) | 基于ar模型和自助检验的钢管混凝土脱空缺陷检测方法 | |
CN117849560B (zh) | 结合末屏电压和局部放电的阀侧套管绝缘监测方法及系统 | |
CN117093821B (zh) | 一种洗衣机能效、水效测定系统和方法 | |
CN116738859B (zh) | 一种铜管在线无损寿命评估方法及系统 | |
CN117647694B (zh) | 一种适用于智能手表加工过程的质量检测方法 |
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 |