CN114444537A - 一种测试数据自动判读系统和方法 - Google Patents

一种测试数据自动判读系统和方法 Download PDF

Info

Publication number
CN114444537A
CN114444537A CN202111567057.6A CN202111567057A CN114444537A CN 114444537 A CN114444537 A CN 114444537A CN 202111567057 A CN202111567057 A CN 202111567057A CN 114444537 A CN114444537 A CN 114444537A
Authority
CN
China
Prior art keywords
data
test data
judging
test
module
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
Application number
CN202111567057.6A
Other languages
English (en)
Inventor
何金帅
于颖
曹义昆
王银桥
刘进
林荣松
赵龙
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.)
Beijing Institute of Electronic System Engineering
Original Assignee
Beijing Institute of Electronic System Engineering
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 Beijing Institute of Electronic System Engineering filed Critical Beijing Institute of Electronic System Engineering
Priority to CN202111567057.6A priority Critical patent/CN114444537A/zh
Publication of CN114444537A publication Critical patent/CN114444537A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electronic Circuits (AREA)

Abstract

本发明公开了一种测试数据自动判读系统，包括：数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；数据获取模块，用于获取预先记录的测试数据；数据预处理模块，用于对获取的测试数据进行预处理；数据类型判断模块，用于根据数据出现跳变的次数，判断测试数据的类型；数据判读模块，用于根据测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。本发明首先对输入的数据类型进行判断，然后对不同类型的数据提取其特征，再将特征值与预先设置的阈值或门限进行对比，判断数据是否属于异常数据，采用计算机自动判断的方法，提高了判断的准确性和效率，减少了人力成本。

Description

一种测试数据自动判读系统和方法
技术领域
本发明涉及数据判读技术领域，尤其涉及一种测试数据自动判读系统和方法。
背景技术
对于多系统组合的复杂装备，在完成整机集成后测试工作量非常大，一次测试项目完成需要分系统相关人员进行数据判读，判断数据正确后方能进行下一次测试。而装备测试判读采用人工判读，其判读质量受设计师经验不足等原因，造成测试漏项、误判等问题较多。
发明内容
为了能够提高对测量数据的判读准确度，本发明提供一种测试数据自动判读系统和方法，该系统首先对输入的数据类型进行判断，然后对不同类型的数据提取其特征，再将特征值与预先设置的阈值或门限进行对比，判断数据是否属于异常数据，采用计算机自动判断的方法，提高了判断的准确性和效率，减少了人力成本。其具体技术方案如下：
本发明提供的一种测试数据自动判读系统，数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；其中：
所述数据获取模块，用于获取预先记录的测试数据；
所述数据预处理模块，用于对获取的测试数据进行预处理；
数据类型判断模块，用于根据所述数据出现跳变的次数，判断所述测试数据的类型；
数据判读模块，用于根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
进一步的，所述数据预处理模块用于具体采用阈值比较算法，将所述测试数据与预先设置的阈值进行判断，剔除测试数据大于所述阈值的异常数据。
进一步的，所述数据类型判断模块用于具体采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。
进一步的，所述测试数据的类型包括：阶跃信号、脉冲信号和电平信号；所述数据类型判断模块用于具体通过下述方法判断测试数据的类型：
若所述测试数据没有跳变，恒为高信号或者恒为低信号，则判定所述测试信号为电平信号；
若所述测试数据有一个跳变，且跳变后恒为高信号或者低信号，则判定所述测试信号为阶跃信号；
若所述测试数据有两个跳变，且两次跳变的方向相反，则判定所述测试数据为脉冲数据。
进一步的，所述数据判读模块用于具体根据不同的测试数据类型，对测试数据采用不同的特征提取算法提取不同的特征数据；针对不同的测试数据类型采用不同的预先设置的测试指标，将特征数据与所述测试指标进行比对，判断所述测试数据是否存在异常。
进一步的，所述特征数据包括：类型、时间、跳变方向，跳变个数，跳变前幅度均值、跳变前最大值、跳变前最小值、跳变后幅度均值、跳变后最大值、跳变后最小值，如果为脉冲信号，脉冲宽度。
本发明的第二方面提供一种测试数据自动判读方法，包括步骤：
获取预先记录的测试数据；
对获取的测试数据进行预处理；
根据所述数据出现跳变的次数，判断所述测试数据的类型；
根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
进一步的，所述对获取的测试数据进行预处理，具体包括步骤：采用阈值比较算法，将所述测试数据与预先设置的阈值进行判断，剔除测试数据大于所述阈值的异常数据。
进一步的，所述根据所述数据出现跳变的次数，判断所述测试数据的类型，具体包括步骤：采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。
本发明的第三方面提供一种电子设备，所述电子设备包括计算机可读存储介质和处理器；其中，所述计算机可读存储介质用于存储上述任一所述的测试数据自动判读方法；
当处理器运行时，执行所述的测试数据自动判读方法。
本发明的有益效果如下：
本发明公开了一种测试数据自动判读系统，包括：数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；其中：所述数据获取模块，用于获取预先记录的测试数据；所述数据预处理模块，用于对获取的测试数据进行预处理；数据类型判断模块，用于根据所述数据出现跳变的次数，判断所述测试数据的类型；数据判读模块，用于根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。本发明首先对输入的数据类型进行判断，然后对不同类型的数据提取其特征，再将特征值与预先设置的阈值或门限进行对比，判断数据是否属于异常数据，采用计算机自动判断的方法，提高了判断的准确性和效率，减少了人力成本。
附图说明
图1是本发明实施例提供的测试数据自动判读系统示意图；
图2是本发明实施例测试数据类型判断流程示意图；
图3是本发明阶跃信号的原始数据；
图4是本发明脉冲信号的原始数据；
图5是本发明提供的帧判读模块具体实施的流程图。
具体实施方式
参见图1，本发明实施例提供一种测试数据自动判读系统，包括：数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；其中：
所述数据获取模块，用于获取预先记录的测试数据；
所述数据预处理模块，用于对获取的测试数据进行预处理；
数据类型判断模块，用于根据所述数据出现跳变的次数，判断所述测试数据的类型；
数据判读模块，用于根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
上述测试数据从测试设备中直接获取，然后导入系统中进行数据判读。
上述测试数据的类型可通过数据类型判断模块进行判断测试数据类型判断模块用于具体采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。具体计算过程为：采用左侧平均检测方法，检测背景选取左侧P个点信号幅度的平均(P可以根据信号特点设置，如本实施方案中设为5)，检测门限设为THR(检测门限可根据测试信号特征进行设定，如对于幅度为3V的TTL信号，门限可设置为0.8)，当前检测点记为xn，记检测后结果为jcn，则
Figure BDA0003422244060000031
如果连续2帧jcn非0，则第1次出现非0时刻记为1个阶跃点，存储该阶跃点信息(阶跃索引值、阶跃时刻、阶跃方向)；否则，认为是毛刺，记录毛刺点的索引值。
参见图2，是本发明实施例测试数据类型判断流程示意图，参见图3是本发明阶跃信号的原始数据，图4是本发明脉冲信号的原始数据。所述测试数据的类型包括：阶跃信号、脉冲信号和电平信号；所述数据类型判断模块用于具体通过下述方法判断测试数据的类型：
若所述测试数据没有跳变，恒为高信号或者恒为低信号，则判定所述测试信号为电平信号；
若所述测试数据有一个跳变，且跳变后恒为高信号或者低信号，则判定所述测试信号为阶跃信号；
若所述测试数据有两个跳变，且两次跳变的方向相反，则判定所述测试数据为脉冲数据。脉冲信号的阶跃个数成对出现，记第i个脉冲对应的阶跃信号时间为T2i-1,T2i，则脉冲宽度为pw＝T2i-T2i-1。
在本发明实施例的可选实施方式中，还包括：对获取的测试数据的异常值进行判断和剔除。所述异常值包括野值、毛刺等。具体为：设置野值点阈值，对原始数据进行野值剔除，剔除方法为：如果信号值绝对值大于阈值，则认为是野值点，利用前一个正常的幅度值填充。对检测出的毛刺点，利用前一个正常点的幅度值填充。
上述电平信号的特征数据包括：判读时间段内信号最大值、最小值、平均值、精度。
平均值的计算过程为：
Figure BDA0003422244060000041
其中，
Figure BDA0003422244060000042
为信号平均值，L为判读时间段内的采样点数，xi为第i点信号的采样值。
精度(1σ)计算：
Figure BDA0003422244060000043
阶跃信号和脉冲信号的特征数据均包括：类型、时间、跳变方向，跳变个数，跳变前幅度均值、跳变前最大值、跳变前最小值、跳变后幅度均值、跳变后最大值、跳变后最小值，如果为脉冲信号，脉冲宽度。
根据提取的信号特征与标准解信号比对，如果匹配，则输出结论为合格，信号匹配原则如下：
如果是电平信号：判断信号幅度是否满足标准要求。
如果是脉冲信号：判断脉冲个数、宽度、脉冲幅度是否满足标准解要求，表1是脉冲信号检测表。
表1
Figure BDA0003422244060000051
如果是阶跃信号：判断跳变前幅度、跳变后幅度是否满足标准解要求，表2是阶跃信号判读结果。
表2
测试参数 技术要求 测量时刻s 测量值 结论
0-2s DA -0.2～0.2 64.200000 -0.022786 合格
2-4s DA 9.8～10.2 66.200000 10.000980 合格
4-6s DA 9.8～10.2 68.200000 10.000980 合格
6-8s DA 9.8～10.2 70.200000 10.000980 合格
8-10s DA -0.2～0.2 72.200000 0.001000 合格
10-12s DA -1.2～-0.8 74.200000 -1.022620 合格
12-14s DA -5.2～-4.8 76.200000 -5.038360 合格
14-16s DA -10.2～-9.8 78.200000 -10.077720 合格
16-18s DA -0.2～0.2 80.200000 0.001000 合格
18-20s DA 0.8～1.2 82.200000 0.945880 合格
20-22s DA 4.8～5.2 84.200000 5.040360 合格
22-24s DA 9.8～10.2 86.200000 10.000980 合格
24-26s DA -0.2～0.2 88.200000 0.001000 合格
在本发明实施例的可选实施方式中，还包括帧数据判读模块，参见图5，是本发明提供的帧判读模块具体实施的流程图，帧数据判读包括流程：
(1)判读起始条件：根据协议规定，帧计数为1的时刻作为起始点，为防止异常值导致误判零点，查找数据串中连续3帧分别为[1，2，3]，则记录帧计数为1的为起始帧，一个数据中可能存在多个起始帧。
(2)判读终止条件：利用后一帧计数值Fn+1减前一帧计数值Fn，记为Dn，Dn＝Fn+1–Fn，如果Dn不为1则表示计数不连续，标记为异常，当出现如下2种情况之一，则判断为结束点：
a)没有异常点，如果该起始点之后还存在起始点，则以下一个起始点的前一帧作为终止点，如果之后不存在起始点，则以最后一帧作为终止点。
b)有异常点，并且异常点连续出现100帧，则出现异常前作为终止点。
(3)漏帧统计：每个起始到终止点作为一个统计单元，根据终止帧标准解值-起始计数值为理论帧计数量，记为N1，帧计数实际存储个数为实际计数量，记为N2，N1-N2即为丢帧个数。
(4)错帧统计：每个起始到终止点作为一个统计单元，根据后一帧减前一帧值Dn，从D2开始，如果Dn不为1，且与前一个差值满足(Dn-1+Dn＝2)，则错帧个数加1(表示后一帧正常)，若差值不满足(Dn-1+Dn＝2)，则错帧向上累加(表示后一帧也异常)。
对输入数据见图4，进行帧计数判读结果如表3所示，表3是帧计数判读结果。
表3
Figure BDA0003422244060000061
本发明公开了一种测试数据自动判读系统，包括：数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；其中：所述数据获取模块，用于获取预先记录的测试数据；所述数据预处理模块，用于对获取的测试数据进行预处理；数据类型判断模块，用于根据所述数据出现跳变的次数，判断所述测试数据的类型；数据判读模块，用于根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。本发明首先对输入的数据类型进行判断，然后对不同类型的数据提取其特征，再将特征值与预先设置的阈值或门限进行对比，判断数据是否属于异常数据，采用计算机自动判断的方法，提高了判断的准确性和效率，减少了人力成本。
本发明的第二方面提供一种测试数据自动判读方法，包括步骤：
获取预先记录的测试数据；
对获取的测试数据进行预处理；
根据所述数据出现跳变的次数，判断所述测试数据的类型；
根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
进一步的，所述对获取的测试数据进行预处理，具体包括步骤：采用阈值比较算法，将所述测试数据与预先设置的阈值进行判断，剔除测试数据大于所述阈值的异常数据。
进一步的，所述根据所述数据出现跳变的次数，判断所述测试数据的类型，具体包括步骤：采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。
本发明的第三方面提供一种电子设备，所述电子设备包括计算机可读存储介质和处理器；其中，所述计算机可读存储介质用于存储上述任一所述的测试数据自动判读方法；
当处理器运行时，执行所述的测试数据自动判读方法。

Claims (10)

1.一种测试数据自动判读系统，其特征在于，数据获取模块、数据预处理模块、数据类型判断模块和数据判读模块；其中：
所述数据获取模块，用于获取预先记录的测试数据；
所述数据预处理模块，用于对获取的测试数据进行预处理；
数据类型判断模块，用于根据所述数据出现跳变的次数，判断所述测试数据的类型；
数据判读模块，用于根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
2.根据权利要求1所述的测试数据自动判读系统，其特征在于，所述数据预处理模块用于具体采用阈值比较算法，将所述测试数据与预先设置的阈值进行判断，剔除测试数据大于所述阈值的异常数据。
3.根据权利要求1所述的测试数据自动判读系统，其特征在于，所述数据类型判断模块用于具体采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。
4.根据权利要求3所述的测试数据自动判读系统，其特征在于，所述测试数据的类型包括：阶跃信号、脉冲信号和电平信号；所述数据类型判断模块用于具体通过下述方法判断测试数据的类型：
若所述测试数据没有跳变，恒为高信号或者恒为低信号，则判定所述测试信号为电平信号；
若所述测试数据有一个跳变，且跳变后恒为高信号或者低信号，则判定所述测试信号为阶跃信号；
若所述测试数据有两个跳变，且两次跳变的方向相反，则判定所述测试数据为脉冲数据。
5.根据权利要求1所述的测试数据自动判读系统，其特征在于，所述数据判读模块用于具体根据不同的测试数据类型，对测试数据采用不同的特征提取算法提取不同的特征数据；针对不同的测试数据类型采用不同的预先设置的测试指标，将特征数据与所述测试指标进行比对，判断所述测试数据是否存在异常。
6.根据权利要求5所述的测试数据自动判读系统，其特征在于，所述电平信号的特征数据包括：判读时间段内信号最大值、最小值、平均值、精度；
阶跃信号和脉冲信号的特征数据均包括：类型、时间、跳变方向，跳变个数，跳变前幅度均值、跳变前最大值、跳变前最小值、跳变后幅度均值、跳变后最大值、跳变后最小值，如果为脉冲信号，脉冲宽度。
7.一种测试数据自动判读方法，其特征在于，包括步骤：
获取预先记录的测试数据；
对获取的测试数据进行预处理；
根据所述数据出现跳变的次数，判断所述测试数据的类型；
根据所述测试数据的不同类型，选择相应的特征提取方法，并基于提取的特征值和预设的阈值，判断数据是否属于异常。
8.根据权利要求7所述的测试数据自动判读方法，其特征在于，所述对获取的测试数据进行预处理，具体包括步骤：采用阈值比较算法，将所述测试数据与预先设置的阈值进行判断，剔除测试数据大于所述阈值的异常数据。
9.根据权利要求7所述的测试数据自动判读方法，其特征在于，所述根据所述数据出现跳变的次数，判断所述测试数据的类型，具体包括步骤：采用左侧平均检测算法，检测若干连续信号的幅度平均值，统计在若干连续信号中出现阶跃点的个数，根据阶跃点的个数判断测试数据的类型。
10.一种电子设备，其特征在于，所述电子设备包括计算机可读存储介质和处理器；其中，所述计算机可读存储介质用于存储权利要求7-9任一所述的测试数据自动判读方法；
当处理器运行时，执行所述的测试数据自动判读方法。
CN202111567057.6A 2021-12-20 2021-12-20 一种测试数据自动判读系统和方法 Pending CN114444537A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111567057.6A CN114444537A (zh) 2021-12-20 2021-12-20 一种测试数据自动判读系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111567057.6A CN114444537A (zh) 2021-12-20 2021-12-20 一种测试数据自动判读系统和方法

Publications (1)

Publication Number Publication Date
CN114444537A true CN114444537A (zh) 2022-05-06

Family

ID=81363415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111567057.6A Pending CN114444537A (zh) 2021-12-20 2021-12-20 一种测试数据自动判读系统和方法

Country Status (1)

Country Link
CN (1) CN114444537A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR1490292A (fr) * 1966-08-25 1967-07-28 Texas Instruments Inc Dispositif universel d'essai électronique
US20040243659A1 (en) * 2002-10-07 2004-12-02 Nikitin Alexei V. Method and apparatus for adaptive real-time signal conditioning, processing, analysis, quantification, comparison, and control
CN102142051A (zh) * 2011-03-16 2011-08-03 北京航空航天大学 基于pspice的电路故障判定方法
CN106353548A (zh) * 2015-05-18 2017-01-25 弗兰克精密测量有限责任公司 用于分类待测信号波形的方法和装置
US20170027524A1 (en) * 2015-07-31 2017-02-02 Medtronic, Inc. Detection of valid signals versus artifacts in a multichannel mapping system
CN106997487A (zh) * 2017-02-28 2017-08-01 北京临近空间飞行器系统工程研究所 一种基于知识库的飞行器测试数据自动判读方法
CN110554366A (zh) * 2019-09-02 2019-12-10 北京电子工程总体研究所 一种导引头幅相一致性自动校准方法和装置
CN110658536A (zh) * 2018-06-29 2020-01-07 北京自动化控制设备研究所 一种卫星接收机导航输出信号时序测试方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR1490292A (fr) * 1966-08-25 1967-07-28 Texas Instruments Inc Dispositif universel d'essai électronique
US20040243659A1 (en) * 2002-10-07 2004-12-02 Nikitin Alexei V. Method and apparatus for adaptive real-time signal conditioning, processing, analysis, quantification, comparison, and control
CN102142051A (zh) * 2011-03-16 2011-08-03 北京航空航天大学 基于pspice的电路故障判定方法
CN106353548A (zh) * 2015-05-18 2017-01-25 弗兰克精密测量有限责任公司 用于分类待测信号波形的方法和装置
US20170027524A1 (en) * 2015-07-31 2017-02-02 Medtronic, Inc. Detection of valid signals versus artifacts in a multichannel mapping system
CN106997487A (zh) * 2017-02-28 2017-08-01 北京临近空间飞行器系统工程研究所 一种基于知识库的飞行器测试数据自动判读方法
CN110658536A (zh) * 2018-06-29 2020-01-07 北京自动化控制设备研究所 一种卫星接收机导航输出信号时序测试方法
CN110554366A (zh) * 2019-09-02 2019-12-10 北京电子工程总体研究所 一种导引头幅相一致性自动校准方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DE CHEVEIGNÉ, A等: "Robust detrending, rereferencing, outlier detection, and inpainting for multichannel data", 《NEUROIMAGE》, no. 172, 15 March 2018 (2018-03-15), pages 903 - 912 *
张鹏等: "《智能制造装备设计与故障诊断》", 30 November 2020, 机械工业出版社, pages: 145 - 146 *
惠国娟等: "振动测试曲线自动判读系统的设计与应用", 《质量与可靠性》, no. 01, 15 February 2024 (2024-02-15), pages 16 - 20 *

Similar Documents

Publication Publication Date Title
CN104360144B (zh) 确定交流信号过零点的方法及系统
CN104991687A (zh) 一种获取触屏设备曲线操作轨迹的方法及系统
CN107391457B (zh) 一种基于文本行的文档分段方法及装置
CN112787984B (zh) 一种基于相关分析的车载网络异常检测方法及系统
CN110691035A (zh) 一种网络拥塞的确定方法、装置、电子设备及存储介质
CN117314020B (zh) 一种浮游生物的湿地碳汇数据监测系统
CN109844779A (zh) 用于分析测量-良率相关性的方法和系统
CN114444537A (zh) 一种测试数据自动判读系统和方法
CN114020598A (zh) 一种时间序列数据的异常检测方法、装置及设备
CN106452627A (zh) 一种用于宽带频谱感知的噪声功率估计方法和装置
CN111929489B (zh) 故障电弧电流的检测方法及系统
CN117453763A (zh) 一种大坝安全监测的数据处理方法、记录媒体及系统
US8175829B2 (en) Analyzer for signal anomalies
CN111065106B (zh) 移动通信网络中基于异常检测和核密度估计kde的指标突变小区检测方法
CN117109805A (zh) 一种压力传感设备的异常压力检测与校正方法
CN112463564A (zh) 确定影响主机状态的关联指标的方法及装置
WO2020184141A1 (ja) パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム
CN111209567B (zh) 提高检测模型鲁棒性的可知性判断方法及装置
CN113804235A (zh) 一种环境检测方法及系统
CN111563078A (zh) 基于时序数据的数据质量检测方法、检测装置及存储装置
CN111010393B (zh) 一种用于大数据清洗的异常检测和消除的方法
CN112668660B (zh) 一种基于时间序列数据的异常点检测方法及装置
CN114305442B (zh) 基于滑动窗编码的房颤发生起止点的检测方法
CN118568455B (zh) 一种基于模式识别的网络安全大数据状态评估方法
CN117591976A (zh) 一种基于序列时序关联建模的传感器缓变异常判读方法

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