CN114337792A - 卫星通信信号故障诊断方法及装置 - Google Patents
卫星通信信号故障诊断方法及装置 Download PDFInfo
- Publication number
- CN114337792A CN114337792A CN202210048350.XA CN202210048350A CN114337792A CN 114337792 A CN114337792 A CN 114337792A CN 202210048350 A CN202210048350 A CN 202210048350A CN 114337792 A CN114337792 A CN 114337792A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- initial
- preset
- parameter
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 116
- 238000003745 diagnosis Methods 0.000 title claims abstract description 114
- 238000012545 processing Methods 0.000 claims abstract description 109
- 230000002159 abnormal effect Effects 0.000 claims abstract description 95
- 238000001514 detection method Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000001052 transient effect Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Landscapes
- Radio Relay Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本说明书实施例提供卫星通信信号故障诊断方法及装置，其中所述卫星通信信号故障诊断方法应用于卫星地面站，包括：解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
Description
技术领域
本说明书实施例涉及通信技术领域，特别涉及一种卫星通信信号故障诊断方法。本说明书一个或者多个实施例同时涉及一种卫星通信信号故障诊断装置，一种计算设备，一种计算机可读存储介质。
背景技术
卫星通信指利用人造卫星作为中继站，在多个地面站之间转发电磁波的通信方式，主要分为卫星和地面站两个部分。其中，地面站是设置在地面上的通信终端设备，是连接卫星线路和用户的中枢，用户通过地面站来进行相互间通信。地面站主要承担的是将信号通过上行通信链路发送数据，并通过下行通信链路接收来自卫星转发的数据。而在地面站接收到由卫星转发的通信信号之后，可能会出现信号质量较差、信号异常等现象导致通信中断，为了分析排查问题，需要在地面站占用大量的设备资源，对各个可能的故障设备进行排查，影响了卫星通信系统的正常运行。
发明内容
有鉴于此，本说明书施例提供了一种卫星通信信号故障诊断方法。本说明书一个或者多个实施例同时涉及一种卫星通信信号故障诊断装置，一种计算设备，一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种卫星通信信号故障诊断方法，应用于卫星地面站，包括：
解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；
将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；
根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；
根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
根据本说明书实施例的第二方面，提供了一种卫星通信信号故障诊断装置，应用于卫星地面站，包括：
信号解析模块，被配置为解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；
设备获取模块，被配置为将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；
处理方式确定模块，被配置为根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；
故障处理模块，被配置为根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
根据本说明书实施例的第三方面，提供了一种计算设备，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指令，所述处理器执行所述计算机指令时实现所述卫星通信信号故障诊断方法的步骤。
根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现所述卫星通信信号故障诊断方法的步骤。
本说明书提供的卫星通信信号故障诊断方法，解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
本说明书一实施例实现了对异常信号进行解析确定至少一个待检测参数，并通过预设故障模式库，获取待检测参数对应的初始故障设备属性信息，再计算该初始故障设备属性信息的置信度，根据该置信度确定初始故障设备的故障处理方式，在对初始故障设备进行处理，同时也根据初始故障设备属性信息更新预设故障模式库，该种方式不仅避免了对各个可能的故障设备一一排查，节省设备资源，还利用初始故障设备属性信息更新预设故障模式库，使得故障模式库中的信息更加丰富，能够准确地根据待检测参数确定具体的故障设备属性信息，以快速地排查导致信号异常的故障设备。
附图说明
图1是本说明书一个实施例提供的一种卫星通信信号故障诊断方法的流程图；
图2是本说明书一个实施例提供的一种卫星通信信号故障诊断方法中卫星通信地面站不同设备的监测参数；
图3是本说明书一个实施例提供的一种卫星通信信号故障诊断方法逻辑规则匹配示意图；
图4是本说明书一个实施例提供的一种卫星通信信号故障诊断方法对待检测信号匹配的处理过程示意图；
图5是本说明书一个实施例提供的一种卫星通信信号故障诊断方法中K-最近邻算法流程图；
图6是本说明书一个实施例提供的一种卫星通信信号故障诊断方法处理过程示意图；
图7是本说明书一个实施例提供的一种卫星通信信号故障诊断装置的结构示意图；
图8是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
卫星通信：地球上(包括地面和低层大气中)的无线电通信站间利用卫星作为中继而进行的通信。
卫星地面站(ground station)：卫星或航天系统的一个组成部分，即设置在地球上的进行太空通信的地面设备。
置信度：也称为可靠度，或置信水平、置信系数，即在抽样对总体参数作出估计时，由于样本的随机性，其结论总是不确定的。因此，采用一种概率的陈述方法，也就是数理统计中的区间估计法，即估计值与总体参数在一定允许的误差范围以内，其相应的概率有多大，这个相应的概率称作置信度。
K-最近邻(kNN，k-NearestNeighbor)分类算法：是数据挖掘分类技术中最易实现的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
卫星通信指利用人造卫星作为中继站，在多个卫星地面站之间转发电磁波的通信方式，主要分为卫星和卫星地面站两个部分，其中，卫星地面站是设置在地面上的通信终端设备，是连接卫星线路和用户的中枢，用户通过卫星地面站来进行相互间通信。卫星地面站主要承担的是将信号通过上行通信链路发送数据，并通过下行通信链路接收来自卫星转发的数据。在卫星数据接收过程中，卫星地面站需要经常对接收信号进行质量评定和故障检测，以此定位到具体的故障设备。
目前的故障检测理论方法主要可划分为三个方向：基于信号处理的方法、基于解析模型的方法、基于人工智能的方法。基于信号处理的方法应用较早，其最大的优点在于不需确立数学模型。但对于不同故障类型，信号参数阈值及匹配状态处于动态变化的范围内，因此对于实时捕获更新具有较高要求。基于解析模型的方法核心在于通过建立数学模型来估算系统内部所处的状态，主要形成了以参数和状态进行估计的两种主要方法。基于人工智能的方法是基于统计学理论，通过提出重要性抽样和估计问题的贝叶斯公式，获得不同情况下的观测概率值，通过机器学习训练参数，使得观测概率值得到优化。本申请实施例结合了信号处理和人工智能的方法，利用了数据库匹配机制，以及机器学习迭代算法，使得瞬时信号的各种参数、故障类型等指标得到优化。
基于此，本申请实施例提供了一种卫星通信信号故障诊断方法，应用于瞬时畸变信号故障诊断，对瞬时异常畸变信号进行捕获分析，利用已建立的故障模式库，不断与捕获的信号进行对比分析、更新训练，丰富故障模式库，以便检测系统的训练学习及优化。
在本说明书中，提供了一种卫星通信信号故障诊断方法，本说明书同时涉及一种卫星通信信号故障诊断装置，一种计算设备，一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一个实施例提供的一种卫星通信信号故障诊断方法的流程图，具体包括以下步骤。
需要说明的是，本申请实施例提供的卫星通信信号故障诊断方法应用于卫星地面站配置的卫星通信瞬时异常信号诊断系统，对卫星地面站接收到的卫星通信瞬时信号进行诊断，且针对卫星地面站的具体位置则不做任何限定。
步骤102：解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数。
其中，异常通信信号可以理解为对中继卫星转发的信号已经进行系统级初步检测确定为异常状态的瞬时畸变通信信号，即该异常通信信号中的某个或某些参数在瞬时内表现为畸变的状态，比如，正常通信信号中参数a的值为30(单位)，在卫星通信瞬时异常信号诊断系统解析到的异常通信信号时，确定参数a的值畸变为70(单位)。需要说明的是，本说明书提供的卫星通信信号故障诊断方法针对的异常通信信号是指一般的监控设备无法发现和定位具体故障部分的瞬时畸变通信信号，也即使说，该瞬时畸变通信信号由于出现的时间较短，变化较快，现有的测试仪器不容易捕捉到该瞬时畸变通信信号。
待检测参数可以理解为异常通信信号中可测量的参数，且该待检测参数根据不同的异常通信信号确定不同的检测参数。
实际应用中，卫星通信瞬时异常信号诊断系统在接收到中继卫星转发的异常通信信号之后，可对该异常通信信号进行系统级的初步检测，在检测到故障信号(瞬时畸变通信信号)后，可对该瞬时畸变通信信号进行解析，在该异常通信信号中确定更深层次的至少一个待检测参数。
进一步地，在卫星通信地面站日常运行过程中，卫星通信瞬时异常信号诊断系统可以针对卫星地面站特征选取不同的可测量参数或多个可测量参数联合后作为触发参数进行故障信号抓取，本申请实施例对具体的参数获取方式则不做具体限定。
为了便于准确地检测出异常通信信号对应的故障设备，可建立一个故障模式库，记录每次异常通信信号的异常参数与该异常参数所对应的可能故障的设备，便于后续可将异常参数的数据与故障模式库中的数据进行比对，进而判断具体的故障设备；具体的，所述解析接收到的异常通信信号之前，还包括：
建立预设故障模式库。
实际应用中，预设故障模式库为预先建立的历史故障设备的参数信息、图样信息等内容，便于后续卫星通信瞬时异常信号诊断系统对异常通信信号进行解析，与预设故障模式库中的参数信息、图样信息等内容进行匹配，进而确定具体的故障设备。
进一步地，为开展对瞬时信号故障检测，首先需要建立瞬时信号故障模式库，根据不同设备功能性能特征、故障模式等先验知识选取可测量参数，建立可测量参数超限、信号故障典型图样与故障模式的对应关系，形成设备输出信号故障模式库；具体的，所述建立预设故障模式库，包括：
根据历史故障设备的参数表征形式选取所述历史故障设备的历史测量参数，并确定所述历史测量参数的预设故障参数条件，建立所述预设故障参数条件与所述历史故障设备之间的第一关联关系；
确定所述历史故障设备的历史故障图样，建立所述历史故障图样与所述历史故障设备之间的第二关联关系；
基于所述第一关联关系以及所述第二关联关系建立预设故障模式库。
其中，历史故障设备可以理解为卫星通信瞬时异常信号诊断系统已经检测出的故障设备，历史故障图样可以理解为故障信号所表现的故障波的图样。
具体的，卫星通信瞬时异常信号诊断系统可根据历史故障设备的参数表征形式选取历史故障设备的历史测量参数，进而确定该历史测量参数的预设故障参数条件，并建立预设故障参数条件与历史故障设备之间的第一关联关系，其中，该预设故障参数条件可以理解为信号中待检测参数的阈值条件；然后，还可根据历史故障设备的故障信号所体现的历史故障图样，确定该历史故障图样与历史故障设备之间的第二关联关系；最后，基于第一关联关系与第二关联关系建立预设故障模式库。
实际应用中，建立故障模式库就需要对信号故障评估相关的一系列参数进行合适地选取，不同设备输出信号常见故障具有不同的参数表征形式。例如：卫星调制解调器信号故障表征形式包括相干峰超限、EVM值超限、误码率超限、IQ不平衡度超限、频率偏移超限、相位偏移超限、幅度偏移超限等可测量参数；行波管放大器信号故障表征形式包括EVM值超限、幅度偏移超限、相位偏移超限等可测量参数。对于瞬时故障检测，可测量参数选取包括EVM值、信噪比、误码率、频率偏移、相位偏移、幅度偏差、IQ不平衡度、相关峰值、信令处理过程事件等。
进一步地，在不同的信号处理场景下，参数选取原则存在差异。针对测控通信信号，扩频模式通常选择相关峰值作为测量参数；对于非扩频模式，通常选择误码率、EVM值、频率偏移等作为测量参数。针对测控站信号，通常选择频率偏移、误码率、幅度偏移等作为测量参数。针对军事通信卫星信号，通常对信令处理过程事件或通信信号进行记录，将鉴权、入网结果、干扰信号等作为测量参数。
本申请实施例提供的卫星通信信号故障诊断方法，为开展瞬时信号故障诊断，根据不同设备功能性能特征、故障模式等先验知识选取可测量参数，建立可测量参数超限、信号故障典型图样与故障模式的对应关系，形成设备输出信号故障模式库，便于根据故障模式库确定异常信号的异常参数对应的可能故障设备以及可能原因，进而后续可快速地进行故障设备排查。
参见图2，图2示出了本申请实施例提供的一种卫星通信信号故障诊断方法中卫星通信地面站不同设备的监测参数。
针对不同设备可以选取更深层次的检测参数。如图2中所示，卫星调制解调设备可以选取相干峰、EVM、误码率、IQ不平衡度、频率偏移、相位偏移、幅度偏移等作为检测参数；通信卫星信道设备可以选取EVM、误码率、IQ不平衡度、频率偏移、相位偏移、幅度偏移等作为检测参数；变频器可以选取EVM、频率偏移、幅度偏移等作为检测参数；功放可以选取EVM、相位偏移、幅度偏移等作为检测参数；需要说明的是，上述设备所选取的参数在本实施例中仅作为示例，不作具体限定。
步骤104：将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息。
其中，初始故障设备属性信息可以理解为从预设故障模式库中确定的故障设备标识、故障设备对应的异常参数信息等。
实际应用中，卫星通信瞬时异常信号诊断系统在地面接收站获取到瞬时信号时，对该瞬时信号的各种可测量参数进行分析，并将确定的至少一个待检测参数输入预设故障模式库，并与预设故障模式库中当前设定的阈值和故障模式进行比较，确定预设故障模式库输出的初始故障设备属性信息，从而近似估计信号是否为期望的接收信号，比如，信号的可测量参数包括误码率、相干峰、幅度偏移、频率偏移、相位偏移、信噪比、IQ平衡度等。
其中，误码率计算公式可参考如下公式(1)：
其中，Pe为理论误码率，σn为待测随机信号的方差，erf(.)为误差函数，erfc(.)为互补误差函数，SNR为随机信号的信噪比，以dB为单位表示。显然，两种误差函数输入都为信号与噪声的功率比值。
卫星通信瞬时异常信号诊断系统将至少一个待检测参数输入预设故障模式库中的目的，是将至少一个待检测参数与预设模式库中的参数进行匹配，确定初始故障设备属性信息；具体的，所述将所述至少一个待检测参数输入预设故障模式库中之后，还包括：
所述预设故障模式库根据所述至少一个待检测参数生成初始故障设备属性信息。
实际应用中，卫星通信瞬时异常信号诊断系统是将至少一个待检测参数与预设故障模式库中的参数进行匹配，从而判断出发生故障的设备以及原因，进而，在至少一个待检测参数输入预设故障模式库中时，预设故障模式库需要将至少一个待检测参数分别与预设故障模式库中预先存储的待检测参数进行比对，确定该至少一个待检测参数是否与预先存储的待检测参数相一致，预设故障模式库即可确定对应的初始故障设备对应的设备属性信息。
相应的，所述预设故障模式库根据所述至少一个待检测参数生成初始故障设备属性信息，包括：
所述预设故障模式库在所述至少一个待检测参数中确定满足预设故障参数条件的目标检测参数；
所述预设故障模式库基于参数匹配规则对所述目标检测参数进行逻辑匹配，并基于所述第一关联关系在所述历史故障设备中生成初始故障设备属性信息。
其中，目标检测参数可以理解为在至少一个待检测参数中超过预设故障模式库中存储的参数阈值区间的参数。参数匹配规则可以理解为对某一待测量参数超限后，可结合其他待测量参数情况进行参数匹配的规则。
实际应用中，预设模式库可从至少一个待检测参数确定满足预设故障参数条件的目标检测参数，其中，预设故障参数条件可以理解为预设模式库根据历史故障设备确定的设备故障中异常参数的参数条件，比如，参数a的预设故障参数条件为a>500(单位)，则可确定在参数a的数值大于500(单位)时，该参数a满足可预设故障参数条件，即将参数a作为目标检测参数；需要说明的是，预设故障参数条件可根据预设故障模式库中不断更新的参数信息而不断地进行更新，本申请实施例对此不作过多限定。进一步地，预设故障模式库在确定出目标检测参数之后，可对每个目标检测参数进行参数逻辑匹配，并根据最终的匹配结果在预设故障模式库中，根据第一关联关系在该目标检测参数对应的历史故障设备中确定初始故障设备属性信息。
结合卫星通信地面站不同站型或设备可能出现的信号故障，选取的匹配规则可以为规则匹配模式：某个可测量参数超限后，结合其他可测量参数情况，采用“与”、“或”等逻辑运算进行综合判断，推断可能的故障原因。参见图3，图3示出了本说明书实施例提供的一种卫星通信信号故障诊断方法逻辑规则匹配示意图。
图3中显示，相位阈值检测和EVM检测同时超限的情况下，可能的故障原因为功率放大器(功放)，并输出功放故障警示信号；相位平衡度检测或IQ幅度检测可能是因为调制解调器，并输出调制解调器故障警示信号。此外，频率偏移超限可能的故障原因为变频设备，需要说明的是，对于设备故障的原因可根据不同参数组合显现的设备故障的不同而不同，本申请实施例对此不作过多限定。
本申请实施例提供的卫星通信信号故障诊断方法，通过预设故障模式库从至少一个待检测参数中确定目标检测参数，并基于参数匹配规则对目标检测参数进行逻辑规则匹配，进而生成初始故障设备属性信息，实现了对故障设备的初步排查，以及确定故障原因。
步骤106：根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式。
其中，设备置信度可以理解为预设故障模式库输出的初始故障设备属性信息的可信度，该可信度也可理解为概率，可用百分数的方式表示，比如，设备置信度为95％，需要说明的是，置信度在本申请实施例中的具体数值以及表示方式在此不做过多限定。
实际应用中，在确定预设故障模式库输出初始故障设备属性信息之后，可根据初始故障设备属性信息确定初始故障设备，比如，该初始故障设备属性信息具有初始故障设备标识，因此，卫星通信瞬时异常信号诊断系统可根据该初始故障设备标识具体地确定初始故障设备，同时，还可根据初始故障设备属性信息计算初始故障设备的设备置信度，再根据该设备置信度确定初始故障设备的故障处方式，其中，故障处理方式可以理解为对故障设备的进一步判断和处理的方法，该故障处理方式可有多种处理方式，在本申请实施例中列举两种故障处理方式，但并不限于下述两种处理方式，对故障处理方式则不作过多限定。
此外，本申请实施例提供的计算置信度的对象，还可计算瞬时信号样本的置信度，用于估计该瞬时信号是否为故障信号，并根据置信度初步判断是否可能发生故障。
本申请一实施例提供的卫星通信信号故障诊断方法，卫星通信瞬时异常信号诊断系统在确定设备置信度大于预设置信度阈值的情况下，确定一种故障处理方式，以快速地实现对故障设备的处理；具体的，所述基于所述设备置信度确定所述初始故障设备的故障处理方式，包括：
在确定所述设备置信度大于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为设备联合处理方式。
其中，设备联合处理方式可以理解为结合其他监测设备进行联动处理，对故障设备进行处置的方式。
实际应用中，卫星通信瞬时异常信号诊断系统在确定计算后的目标检测参数对应的设备置信度之后，先确定该设备置信度是否大于预设置信度阈值，在确定该设备置信度大于预设置信度阈值的情况下，可确定该初始故障设备的处理方式为设备联合处理方式，即可根据确定的设备联合处理方式结合其他对应的检测设备进行联动，对故障设备进行后续处理。
本申请实施例提供的卫星通信信号故障诊断方法，在确定设备置信度大于预设置信度阈值的情况下，可将初始故障设备的处理方式为设备联合处理方式，便于后续可结合其他监测设备共同对故障设备进行处理，快速地解决故障设备的故障问题。
此外，本申请实施例提供的一种卫星通信信号故障诊断方法，卫星通信瞬时异常信号诊断系统在确定设备置信度小于等于预设置信度阈值的情况下，确定另一种故障处理方式，以快速地实现对故障设备的处理；具体的，所述基于所述设备置信度确定所述初始故障设备的故障处理方式，包括：
在确定所述设备置信度小于等于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为故障图样处理方式。
其中，故障图样处理方式可以理解为对异常信号中参数的故障图样进一步进行比对和处理的方式。
实际应用中，卫星通信瞬时异常信号诊断系统在确定计算后的目标检测参数对应的设备置信度之后，先确定该设备置信度是否大于预设置信度阈值，若确定该设备置信度小于等于预设置信度阈值的情况下，可由人工再进一步地确定该初始故障设备的处理方式为故障图样处理方式，即可进一步地，结合故障设备的状态参数做进一步的故障图样比对的判断和处理；既可以理解为，卫星通信瞬时异常信号诊断系统在计算瞬时信号样本的置信度较低的情况下，可根据故障图样特征进行匹配识别，或者还可根据待检测参数的组合和约定的匹配规则来定位可能发生故障的设备，其中，还可由人工再进一步判断当前确定的初始故障设备的真实性，以便于能够准确地更新模式库以及后续确定故障设备的处理方式。
本申请实施例提供的卫星通信信号故障诊断方法，在确定设备置信度小于等于预设置信度阈值的情况下，可通过进一步地比对故障图样精准地确定故障设备。
步骤108：根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
实际应用中，卫星通信瞬时异常信号诊断系统在确定对应的故障处理方式之后，即可根据该故障处理方式处理对应的初始故障设备，同时，还可根据确定好的初始故障设备属性信息再更新预设故障模式库中的属性信息，以丰富预设故障模式库中的故障参数以及该故障参数对应的故障设备；此外，在实际应用中，在对故障模式库进行信息更新时，置信度大于阈值的初始设备属性信息直接更新至故障模式库；置信度小于或等于阈值的初始设备属性信息，需要由人工再次对初始故障设备属性信息进行判断，根据指令将初始故障设备属性信息添加至故障模式库中，使得故障模式库中参数信息的精准度越来越高，优化故障模式库，提高根据故障模式库进行参数匹配的性能。
相应地，本申请实施例提供的卫星通信信号故障诊断方法，在确定初始故障设备的处理方式为设备联合处理方式的情况下，卫星通信瞬时异常信号诊断系统可直接向监测设备发送处理指令；具体的，所述根据所述故障处理方式处理所述初始故障设备，包括：
向设备监测装置发送针对所述初始故障设备的故障处理指令，并接收所述设备监测装置响应于所述故障处理指令发送的所述初始故障设备的故障处理结果。
其中，设备监测装置可以理解为在卫星通信地面站中配置的自动监测处理装置，该设备监测装置可以对故障设备进行自动处置，也可基于处理指令对故障设备进行处置，本申请实施例对此则不作过多限制。
具体实施时，卫星通信瞬时异常信号诊断系统在确定对初始故障设备的处理方式为设备联合处理方式的情况下，可向设备监测装置发送针对初始故障设备的故障处理指令，在设备监测装置对初始故障设备进行处理之后，可将对初始故障设备的故障处理结果返回至卫星通信瞬时异常信号诊断系统中。
实际应用中，卫星通信瞬时异常信号诊断系统在实际运行过程中，监测到故障信号后与故障模式库进行关联匹配，匹配成功后进行设备故障告警，若置信度大于预设置信度阈值的情况下，可与设备监控装置联动进行自动处置。
需要说明的是，设备监控装置对初始故障设备进行自动处置的具体过程，本申请实施例对此不作具体限定。
本申请实施例提供的卫星通信信号故障诊断方法，在确定预设模式库中输出的初始故障设备的属性信息置信度满足预设阈值条件时，卫星通信瞬时异常信号诊断系统可联合其他监测设备对初始故障设备进行及时处理，以加快对故障设备的处理进程。
此外，本申请实施例提供的卫星通信信号故障诊断方法，在确定初始故障设备的处理方式为故障图样处理方式的情况下，卫星通信瞬时异常信号诊断系统可将故障图样与预设故障模式库中存储的故障图样进行比对，以进一步精准地确定故障设备；具体的，相应地，所述根据所述故障处理方式处理所述初始故障设备，包括：
基于所述初始故障设备属性信息确定所述初始故障设备的故障图样；
将所述初始故障设备的故障图样输入所述预设故障模式库，并基于所述预设故障模式库输出的目标故障设备属性信息，输出告警信息。
其中，目标故障设备属性信息可以理解为目标检测参数对应的目标故障设备的设备标识、目标故障设备对应的异常参数信息等。
实际应用中，卫星通信瞬时异常信号诊断系统还可基于初始故障设备属性信息确定初始故障设备的故障图样，再将初始故障设备的故障图样输入预设故障模式库中，在确定预设故障模式库中输出目标故障设备属性信息之后，可根据目标故障设备属性信息输出对应的告警信息。
本申请实施例提供的卫星通信信号故障诊断方法，可通过初始故障设备的故障图样在预设故障模式库中，进一步地确定目标故障设备属性信息，以精准地排查故障设备。
进一步地，在将初始故障设备的故障图样输出预设故障模式库中之后，该预设故障模式库可对进行故障图样的比对，进而确定目标故障设备；具体的，所述将所述初始故障设备的故障图样输入所述预设故障模式库之后，还包括：
所述预设故障模式库将所述初始故障设备的故障图样与所述历史故障图样进行比对；
在确定比对结果的相似度大于预设相似度阈值的情况下，基于所述第二关联关系在所述历史故障设备中生成目标故障设备属性信息，并基于所述目标故障设备属性信息确定目标故障设备。
实际应用中，由于信号的故障图样可包含更多的细微特征，图样特征匹配可以给出更加精准地故障检测准确度；预设故障模式库通过实时或事后采集的信号故障图样与故障模式库中典型故障图样进行匹配，进一步地推断可能的故障原因；预设故障模式库可将初始故障设备的故障图样与历史故障图样进行比对，在确定比对结果的相似度大于预设相似度阈值的情况下，可基于预设模式库中的第二关联关系在历史故障设备中生成目标故障设备属性信息，进而可根据该目标故障设备属性信息确定目标故障设备。
需要说明的是，对于故障特征图样匹配可通过自动地进行图样比对，也可由人工结合故障设备的状态参数做进一步判断和处理，本申请实施例对故障图样匹配的方式不作具体限定。
本申请实施例提供的卫星通信信号故障诊断方法，通过将初始故障设备的故障图样与历史故障图样进行比对，在匹配度较高的情况下，可再次精准地确定目标故障设备属性信息，进而确地目标故障设备，便于后续准确地排查故障设备，且实现对故障设备精准地处理。
进一步地，卫星通信瞬时异常信号诊断系统在根据故障图样精准地确定目标故障设备之后，可再次更新预设故障模式库中的故障图样，以丰富预设故障模式库；具体的，所述根据所述故障处理方式处理所述初始故障设备之后，还包括：
根据所述目标故障设备属性信息更新所述预设故障模式库中的历史故障图样。
实际应用中，卫星通信瞬时异常信号诊断系统在确定目标故障设备属性信息之后，可将目标故障设备属性信息中的设备标识、故障图样等信息更新至预设故障模式库中，以丰富历史故障图样的参数，使得根据历史故障图样可精准地确定具体的故障设备。
本申请实施例提供的卫星通信信号故障诊断方法，在确定目标故障设备属性信息之后，可将该目标故障设备属性信息更新至预设故障模式库中，丰富故障模式库中的故障图样，便于后续在预设故障模式库中能够精准地匹配到故障图样，进而确定具体的故障设备。
参见图4，图4示出了本申请实施例提供的卫星通信信号故障诊断方法对待检测信号匹配的处理过程示意图。
步骤402：卫星通信瞬时异常信号诊断系统对故障信号中参数进行匹配，并计算匹配结果的置信度。
具体的，卫星通信瞬时异常信号诊断系统可对故障信号中至少一个待检测参数与预设故障模式库中的参数对应的参数阈值条件进行匹配，进而根据匹配结果确定初始故障设备，再采用预设算法计算初始故障设备的置信度。
需要说明的是，上述置信度的计算还可根据待检测参数和故障图样特征进行匹配，进而综合计算得出结果，比如，利用K-近邻算法对瞬时信号样本中对应的待检测参数和故障图样特征点综合统计置信度，但本申请实施例中对具体的计算方式不作具体限定。
步骤404：卫星通信瞬时异常信号诊断系统确定该置信度是否大于95％，若是，则执行步骤406，若否，则执行步骤408。
需要说明的是，置信度阈值(95％)可根据不同的应用场景而变化，本申请书实施例对此不作任何限定。
步骤406：卫星通信瞬时异常信号诊断系统将故障参数对应的故障特征等信息更新至预设故障模式库。
具体的，该故障特征可以包括故障设备的故障参数，也可以包括故障设备的故障图样等特征信息，本申请实施例对此不作过多限定。
步骤408：卫星通信瞬时异常信号诊断系统发出警告故障信号。
步骤410：卫星通信瞬时异常信号诊断系统进一步地确定目标故障设备，以及对目标故障设备进行处理；需要说明的是，在步骤410执行结束之后，可继续执行步骤406。
具体的，卫星通信瞬时异常信号诊断系统在进一步确定目标故障设备的过程中，可根据初始故障设备的故障图样在预设故障模式库中进行精准地确定，也可参照其他方式进行确定，本申请实施例对此则不作过多限定。
步骤412：卫星通信瞬时异常信号诊断系统判断当前是否终止匹配，若是，则结束，若否，则执行步骤402，继续进行参数匹配。
具体的，判断当前是否终止匹配的条件可参照实际应用过程中，人工对故障设备的处理，以确定具体是否结束当前的匹配流程，更能精准地确定当前是否需要继续进行参数匹配。
本申请实施例提供的卫星通信信号故障诊断方法，瞬时信号故障处理系统实际运行过程中检测到故障信号后与故障模式库进行关联匹配，匹配成功后进行设备故障告警。置信度较高(大于95％)时，与设备监控联动进行自动处置，并将故障参数特征、故障图样及设备故障类型入库，可由人工进行事后评估；置信度较低(小于95％)时，系统给出告警信号以及可能的故障设备，此时监测人员可结合故障设备的状态参数做进一步判断和处理，其中，可由监测人员判断故障设备是否为真实故障状态，进而，再对故障设备进行故障处理后，将故障图样及设备故障类型入库。
此外，本申请实施例提供的卫星通信信号故障诊断方法，根据所述初始故障设备以及所述初始故障设备属性信息更新所述预设故障模式库之后，还包括：
基于预设分类回归算法更新所述预设故障模式库中的预设故障参数条件，确定目标故障模式库。
其中，预设分类回归算法可以理解为对预设故障模式库中的预设故障参数条件进行进一步判断的算法，比如“K-最近邻”算法，该算法是一种基本的分类和回归算法。
实际应用中，在综合考虑待检测参数的规则匹配与图样特征匹配结果之后，可采用数理统计中的区间估计法计算故障匹配结果置信度，同时，设置一定的阈值作为比对分析，判断是否需要处置捕获信号以及进一步处理。由于故障模式库和匹配规则是动态变化的，所以可通过模拟故障方式采用人工智能算法对故障检测系统进行迭代优化完善，不断丰富故障模式库，提高信号故障时的检测成功率与匹配成功率。该卫星通信瞬时异常信号诊断系统不仅可用与瞬时畸变信号故障的检测，还可用于连续异常故障信号的检测。
进一步地，卫星通信瞬时异常信号诊断系统还可根据预设分类回归算法更新预设故障模式库中的预设故障参数条件，首先，通过理论计算等设定检测参数数值，随后可以通过模拟瞬时信号故障方式或实际运行过程中进行数据训练，在数据训练过程中可引入“K-最近邻”等算法思想，对应于瞬时信号故障时刻，如未产生触发信号，则降低触发阈值，如产生大量的触发信号，则提高触发阈值，不断优化迭代检测参数阈值，提高检测成功率。
需要说明的是，“K-最近邻”算法是一种基本的分类和回归方法。其输入是测试数据和训练样本数据集，输出是测试样本的类别。在测试时，计算测试样本和所有训练样本的距离，根据最近的k个训练样本的类别，通过多数表决的方式进行预测。多数表决规则有如下解释：给定测试样本x，其最邻近的k个训练实例构成集合Nk(x)，分类损失函数为0-1损失。如果涵盖Nk(x)区域的类别为cj，则分类误差率如下公式(2)：
取A[1]～A[k]作为所属故障类型x的初始近邻，计算与测试样本x间的欧氏距离，其中，欧式距离可参考下述公式(3)：
按照d(x,A[i])升序排序，计算最远样本与x间的距离D，即D＝max{d(x,A(i)}。
参见图5，图5示出了本申请实施例提供的卫星通信信号故障诊断方法中K-最近邻算法流程图。
步骤502：卫星通信瞬时异常信号诊断系统计算更新的A[i]与x间的距离d(x,A[i])。
步骤504：卫星通信瞬时异常信号诊断系统判断d(x,A[i])是否大于D，若是，则执行步骤506，若否，则执行步骤508。
步骤506：卫星通信瞬时异常信号诊断系统用A[i]代替最远样本。
步骤508：卫星通信瞬时异常信号诊断系统判断是否训练结束，若是，则结束，若否，则执行步骤502。
本申请实施例提供的卫星通信信号故障诊断方法，通过对预设故障模式库中的参数阈值进行不断地训练更新，以丰富预设故障模式库的能力，采用人工智能算法，不断地调整预设模式库中的故障参数阈值，进而提高对故障设备的检测成功率和匹配成功率。
综上，本申请实施例提供的一种基于卫星通信地面站的瞬时信号故障诊断方法，结合了信号处理和人工智能算法的优点，对瞬时异常信号进行捕获分析，利用已建立的故障模式库，不断与捕获信号进行比对分析、更新训练，丰富故障模式库，以便处理系统的训练学习及优化，即能够在较短时间内准确地估计瞬时信号故障类型，提高卫星地面接收站的信号处理效率。
下述结合附图6，以本说明书提供的卫星通信信号故障诊断方法在卫星地面站的应用为例，对所述卫星通信信号故障诊断方法进行进一步说明。其中，图6示出了本说明书一个实施例提供的一种卫星通信信号故障诊断方法的处理过程示意图，具体包括以下步骤。
步骤602：卫星通信瞬时异常信号诊断系统建立故障模式库。
步骤604：卫星通信瞬时异常信号诊断系统对瞬时信号捕获及分析。
实际应用中，卫星通信瞬时异常信号诊断系统对瞬时信号的捕获可从瞬时信号捕获装置中获取。
步骤606：卫星通信瞬时异常信号诊断系统对故障参数及故障图样进行匹配。
实际应用中，故障匹配的过程可以理解为将捕获的瞬时信号与故障模式库中的故障参数或者故障图样进行匹配。
步骤608：卫星通信瞬时异常信号诊断系统对故障设备进行处理。
需要说明的是，在卫星通信瞬时异常信号诊断系统对故障设备进行处理之后，可将故障设备的参数及图样等信息对故障模式库进行更新；同时，还可通过预设算法对故障匹配过程中的参数阈值进行更新，以便于后续可根据更新后的参数阈值进行故障匹配。
本申请实施例提供的卫星通信瞬时信号诊断方法，可根据不同设备的功能和性能特征、故障模式等先验知识选取可测量参数，建立可测量参数超限、信号故障典型图样与故障模式的对应关系，形成设备输出信号故障模式库。当某些参数经测量后超出拟定的阈值，或者采集的信号故障图样与模式库达到较高的匹配度，综合考虑基于可测量参数的规则匹配与图样匹配结果，采用数理统计中的区间估计法计算故障匹配结果置信度。根据估计结果进行相应的处理，包括将故障参数特征、图样及设备故障类型入库，系统发出警示信号指示可能故障的设备，对诊断系统进行训练及优化，丰富故障模式库。
与上述方法实施例相对应，本说明书还提供了卫星通信信号故障诊断装置实施例，图7示出了本说明书一实施例提供的一种卫星通信信号故障诊断装置的结构示意图。如图7所示，该装置应用于卫星地面站，包括：
信号解析模块702，被配置为解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；
设备获取模块704，被配置为将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；
处理方式确定模块706，被配置为根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；
故障处理模块708，被配置为根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
可选地，所述装置，还包括：
模式库建立模块，被配置为建立预设故障模式库；
可选地，所述模式库建立模块，进一步被配置为：
根据历史故障设备的参数表征形式选取所述历史故障设备的历史测量参数，并确定所述历史测量参数的预设故障参数条件，建立所述预设故障参数条件与所述历史故障设备之间的第一关联关系；
确定所述历史故障设备的历史故障图样，建立所述历史故障图样与所述历史故障设备之间的第二关联关系；
基于所述第一关联关系以及所述第二关联关系建立预设故障模式库。
所述预设故障模式库，被配置为根据所述至少一个待检测参数生成初始故障设备属性信息；
所述预设故障模式库，进一步被配置为在所述至少一个待检测参数中确定满足预设故障参数条件的目标检测参数；
所述预设故障模式库，进一步被配置为基于参数匹配规则对所述目标检测参数进行逻辑匹配，并基于所述第一关联关系在所述历史故障设备中生成初始故障设备属性信息。
可选地，所述装置，还包括：
参数更新模块，被配置为基于预设分类回归算法更新所述预设故障模式库中的预设故障参数条件，确定目标故障模式库。
可选地，所述处理方式确定模块706，进一步被配置为：
在确定所述设备置信度大于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为设备联合处理方式；
可选地，所述故障处理模块708，进一步被配置为：
向设备监测装置发送针对所述初始故障设备的故障处理指令，并接收所述设备监测装置响应于所述故障处理指令发送的所述初始故障设备的故障处理结果。
可选地，所述处理方式确定模块706，进一步被配置为：
在确定所述设备置信度小于等于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为故障图样处理方式；
可选地，所述故障处理模块708，进一步被配置为：
基于所述初始故障设备属性信息确定所述初始故障设备的故障图样；
将所述初始故障设备的故障图样输入所述预设故障模式库，并基于所述预设故障模式库输出的目标故障设备属性信息，输出告警信息。
所述预设故障模式库，进一步配置为将所述初始故障设备的故障图样与所述历史故障图样进行比对；
在确定比对结果的相似度大于预设相似度阈值的情况下，基于所述第二关联关系在所述历史故障设备中生成目标故障设备属性信息，并基于所述目标故障设备属性信息确定目标故障设备。
可选地，所述装置，还包括：
图样更新模块，被配置为根据所述目标故障设备属性信息更新所述预设故障模式库中的历史故障图样。
本说明书实施例提供的卫星通信信号故障诊断装置，实现了对异常信号进行解析确定至少一个待检测参数，并通过预设故障模式库，获取待检测参数对应的初始故障设备属性信息，再计算该初始故障设备属性信息的置信度，根据该置信度确定初始故障设备的故障处理方式，在对初始故障设备进行处理，同时也根据初始故障设备属性信息更新预设故障模式库，该种方式不仅避免了对各个可能的故障设备一一排查，节省设备资源，还利用初始故障设备属性信息更新预设故障模式库，使得故障模式库中的信息更加丰富，能够准确地根据待检测参数确定具体的故障设备属性信息，以快速地排查导致信号异常的故障设备。
上述为本实施例的一种卫星通信信号故障诊断装置的示意性方案。需要说明的是，该卫星通信信号故障诊断装置的技术方案与上述的卫星通信信号故障诊断方法的技术方案属于同一构思，卫星通信信号故障诊断装置的技术方案未详细描述的细节内容，均可以参见上述卫星通信信号故障诊断方法的技术方案的描述。
图8示出了根据本说明书一实施例提供的一种计算设备800的结构框图。该计算设备800的部件包括但不限于存储器810和处理器820。处理器820与存储器810通过总线830相连接，数据库850用于保存数据。
计算设备800还包括接入设备840，接入设备840使得计算设备800能够经由一个或多个网络860通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备840可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备800的上述部件以及图8中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图8所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备800可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备800还可以是移动式或静止式的服务器。
其中，处理器820执行所述计算机指令时实现所述的卫星通信信号故障诊断方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的卫星通信信号故障诊断方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述卫星通信信号故障诊断方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现如前所述卫星通信信号故障诊断方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的卫星通信信号故障诊断方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述卫星通信信号故障诊断方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种卫星通信信号故障诊断方法，其特征在于，应用于卫星地面站，包括：
解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；
将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；
根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；
根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
2.根据权利要求1所述的卫星通信信号故障诊断方法，其特征在于，所述解析接收到的异常通信信号之前，还包括：
建立预设故障模式库；
相应地，所述建立预设故障模式库，包括：
根据历史故障设备的参数表征形式选取所述历史故障设备的历史测量参数，并确定所述历史测量参数的预设故障参数条件，建立所述预设故障参数条件与所述历史故障设备之间的第一关联关系；
确定所述历史故障设备的历史故障图样，建立所述历史故障图样与所述历史故障设备之间的第二关联关系；
基于所述第一关联关系以及所述第二关联关系建立预设故障模式库。
3.根据权利要求2所述的卫星通信信号故障诊断方法，其特征在于，所述将所述至少一个待检测参数输入预设故障模式库中之后，还包括：
所述预设故障模式库根据所述至少一个待检测参数生成初始故障设备属性信息；
相应的，所述预设故障模式库根据所述至少一个待检测参数生成初始故障设备属性信息，包括：
所述预设故障模式库在所述至少一个待检测参数中确定满足预设故障参数条件的目标检测参数；
所述预设故障模式库基于参数匹配规则对所述目标检测参数进行逻辑匹配，并基于所述第一关联关系在所述历史故障设备中生成初始故障设备属性信息。
4.根据权利要求3所述的卫星通信信号故障诊断方法，其特征在于，根据所述初始故障设备以及所述初始故障设备属性信息更新所述预设故障模式库之后，还包括：
基于预设分类回归算法更新所述预设故障模式库中的预设故障参数条件，确定目标故障模式库。
5.根据权利要求1所述的卫星通信信号故障诊断方法，其特征在于，所述基于所述设备置信度确定所述初始故障设备的故障处理方式，包括：
在确定所述设备置信度大于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为设备联合处理方式；
相应地，所述根据所述故障处理方式处理所述初始故障设备，包括：
向设备监测装置发送针对所述初始故障设备的故障处理指令，并接收所述设备监测装置响应于所述故障处理指令发送的所述初始故障设备的故障处理结果。
6.根据权利要求2所述的卫星通信信号故障诊断方法，其特征在于，所述基于所述设备置信度确定所述初始故障设备的故障处理方式，包括：
在确定所述设备置信度小于等于预设置信度阈值的情况下，确定所述初始故障设备的处理方式为故障图样处理方式；
相应地，所述根据所述故障处理方式处理所述初始故障设备，包括：
基于所述初始故障设备属性信息确定所述初始故障设备的故障图样；
将所述初始故障设备的故障图样输入所述预设故障模式库，并基于所述预设故障模式库输出的目标故障设备属性信息，输出告警信息。
7.根据权利要求6所述的卫星通信信号故障诊断方法，其特征在于，所述将所述初始故障设备的故障图样输入所述预设故障模式库之后，还包括：
所述预设故障模式库将所述初始故障设备的故障图样与所述历史故障图样进行比对；
在确定比对结果的相似度大于预设相似度阈值的情况下，基于所述第二关联关系在所述历史故障设备中生成目标故障设备属性信息，并基于所述目标故障设备属性信息确定目标故障设备。
8.根据权利要求6所述的卫星通信信号故障诊断方法，其特征在于，所述根据所述故障处理方式处理所述初始故障设备之后，还包括：
根据所述目标故障设备属性信息更新所述预设故障模式库中的历史故障图样。
9.一种卫星通信信号故障诊断装置，其特征在于，应用于卫星地面站，包括：
信号解析模块，被配置为解析接收到的异常通信信号，确定所述异常通信信号中的至少一个待检测参数；
设备获取模块，被配置为将所述至少一个待检测参数输入预设故障模式库中，获取所述预设故障模式库输出的初始故障设备属性信息；
处理方式确定模块，被配置为根据所述初始故障设备属性信息确定初始故障设备并计算所述初始故障设备的设备置信度，基于所述设备置信度确定所述初始故障设备的故障处理方式；
故障处理模块，被配置为根据所述故障处理方式处理所述初始故障设备，并根据所述初始故障设备属性信息更新所述预设故障模式库。
10.一种计算设备，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指令，所述处理器执行所述计算机指令时实现权利要求1-8任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210048350.XA CN114337792A (zh) | 2022-01-17 | 2022-01-17 | 卫星通信信号故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210048350.XA CN114337792A (zh) | 2022-01-17 | 2022-01-17 | 卫星通信信号故障诊断方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114337792A true CN114337792A (zh) | 2022-04-12 |
Family
ID=81027830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210048350.XA Pending CN114337792A (zh) | 2022-01-17 | 2022-01-17 | 卫星通信信号故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114337792A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116328244A (zh) * | 2023-03-21 | 2023-06-27 | 江苏智慧工场技术研究院有限公司 | 一种消防巡检方法、系统及存储介质 |
| CN117668684A (zh) * | 2024-01-31 | 2024-03-08 | 新风光电子科技股份有限公司 | 基于大数据分析的电网电能数据异常检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010268275A (ja) * | 2009-05-15 | 2010-11-25 | Nippon Telegr & Teleph Corp <Ntt> | ネットワーク管理システムおよびネットワーク管理方法、ならびにそのためのプログラム |
| CN109598308A (zh) * | 2018-12-12 | 2019-04-09 | 国网山东省电力公司临沂供电公司 | 一种自动判断设备故障的数据处理平台及方法 |
| CN109977146A (zh) * | 2019-05-07 | 2019-07-05 | 山东省科学院激光研究所 | 故障诊断方法、装置及电子设备 |
| CN111506598A (zh) * | 2020-04-13 | 2020-08-07 | 中国科学院自动化研究所 | 基于小样本自学习故障迁移的故障判别方法、系统、装置 |
| CN113837596A (zh) * | 2021-09-22 | 2021-12-24 | 广东电网有限责任公司 | 一种故障确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-01-17 CN CN202210048350.XA patent/CN114337792A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010268275A (ja) * | 2009-05-15 | 2010-11-25 | Nippon Telegr & Teleph Corp <Ntt> | ネットワーク管理システムおよびネットワーク管理方法、ならびにそのためのプログラム |
| CN109598308A (zh) * | 2018-12-12 | 2019-04-09 | 国网山东省电力公司临沂供电公司 | 一种自动判断设备故障的数据处理平台及方法 |
| CN109977146A (zh) * | 2019-05-07 | 2019-07-05 | 山东省科学院激光研究所 | 故障诊断方法、装置及电子设备 |
| CN111506598A (zh) * | 2020-04-13 | 2020-08-07 | 中国科学院自动化研究所 | 基于小样本自学习故障迁移的故障判别方法、系统、装置 |
| CN113837596A (zh) * | 2021-09-22 | 2021-12-24 | 广东电网有限责任公司 | 一种故障确定方法、装置、电子设备及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116328244A (zh) * | 2023-03-21 | 2023-06-27 | 江苏智慧工场技术研究院有限公司 | 一种消防巡检方法、系统及存储介质 |
| CN116328244B (zh) * | 2023-03-21 | 2023-09-01 | 江苏智慧工场技术研究院有限公司 | 一种消防巡检方法、系统及存储介质 |
| CN117668684A (zh) * | 2024-01-31 | 2024-03-08 | 新风光电子科技股份有限公司 | 基于大数据分析的电网电能数据异常检测方法 |
| CN117668684B (zh) * | 2024-01-31 | 2024-04-16 | 新风光电子科技股份有限公司 | 基于大数据分析的电网电能数据异常检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114337792A (zh) | 卫星通信信号故障诊断方法及装置 | |
| CN110166387B (zh) | 一种基于卷积神经网络识别信号调制方式的方法及系统 | |
| CN111970050B (zh) | 一种基于异常检测的联合监测调制格式和光信噪比的系统 | |
| CN110798314B (zh) | 一种基于随机森林算法的量子密钥分发参数优化方法 | |
| CN117113262B (zh) | 网络流量识别方法及其系统 | |
| CN114268981A (zh) | 网络故障检测与诊断方法及系统 | |
| US20200250475A1 (en) | Anomaly factor estimation device, anomaly factor estimation method, and storage medium | |
| CN110290466B (zh) | 楼层判别方法、装置、设备及计算机存储介质 | |
| CN111817803A (zh) | 一种基于相关系数和k-均值聚类算法的频谱感知方法、系统及计算机可读存储介质 | |
| CN111260024A (zh) | 基于长短期记忆和典型相关结合的故障检测方法及系统 | |
| EP3525509B1 (en) | Method and test system for mobile network testing | |
| CN113033457A (zh) | 一种软故障识别模型训练和软故障识别方法、装置 | |
| CN115588439B (zh) | 一种基于深度学习的声纹采集装置的故障检测方法及装置 | |
| KR20200120988A (ko) | 인공지능 알고리즘 기반의 불요파 자동 판정 및 예측 시스템 | |
| Terán et al. | A methodology for signals intelligence using non-conventional techniques and software-defined radio | |
| CN115361272A (zh) | 一种基带芯片的通信故障检测方法、系统和电子设备 | |
| K V et al. | Accurate and reliable detection of DDoS attacks based on ARIMA-SWGARCH model | |
| WO2006068733A2 (en) | Diagnostics and self-healing in a wireless communications device based on peer-to-peer signaling and emulation | |
| Rusak et al. | Investigating a physically-based signal power model for robust low power wireless link simulation | |
| CN116016298B (zh) | 一种基于隐半马尔可夫模型的5g通信协议异常检测方法 | |
| Wen et al. | RF Transmitter Identification and Classification Based on Deep Residual Shrinkage Network | |
| Heydari et al. | Quickest search and learning over multiple sequences | |
| Qinghua et al. | Research on real-time BER estimation in satellite downlink | |
| Ali et al. | Reciprocal Two Stages Spectrum Sensor to overcome the Noise Uncertainty | |
| CN109495201B (zh) | 一种台站识别方法、装置及设备 |
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 |