CN116361668A - 一种多个sdr设备的监控方法、装置、设备及介质 - Google Patents

一种多个sdr设备的监控方法、装置、设备及介质 Download PDF

Info

Publication number
CN116361668A
CN116361668A CN202310645579.6A CN202310645579A CN116361668A CN 116361668 A CN116361668 A CN 116361668A CN 202310645579 A CN202310645579 A CN 202310645579A CN 116361668 A CN116361668 A CN 116361668A
Authority
CN
China
Prior art keywords
key
signal feature
signal
feature vector
sdr
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
CN202310645579.6A
Other languages
English (en)
Other versions
CN116361668B (zh
Inventor
王亚苹
林长伟
肖新光
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 Antiy Network Technology Co Ltd
Original Assignee
Beijing Antiy Network Technology 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 Beijing Antiy Network Technology Co Ltd filed Critical Beijing Antiy Network Technology Co Ltd
Priority to CN202310645579.6A priority Critical patent/CN116361668B/zh
Publication of CN116361668A publication Critical patent/CN116361668A/zh
Application granted granted Critical
Publication of CN116361668B publication Critical patent/CN116361668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明提供了一种多个SDR设备的监控方法、装置、设备及介质，通过每一关键监控信号特征向量对其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。如此，将大于预设关键信号特征向量匹配度阈值的若干第一关键信号特征向量分为一组，并对同一组内的第一关键信号特征向量进行融合以得到该组的关键监控信号特征向量，该组对应的若干SDR设备均使用同一关键监控信号特征向量，避免了处理器需要对多个SDR设备进行监控时需要存储每个SDR设备对应的关键监控信号特征向量，导致的占用当前处理器存储空间过多的问题以及处理其中存储过多关键监控信号特征向量导致关键监控信号特征向量与其对应的SDR设备关系容易出现混淆的问题。

Description

一种多个SDR设备的监控方法、装置、设备及介质
技术领域
本发明涉及信号处理技术领域，特别是涉及一种多个SDR设备的监控方法、电子设备及存储介质。
背景技术
在SDR设备投入使用后，所述SDR设备会有自己的使用寿命和损坏概率。但是存在大量SDR设备在标记的使用寿命之前就会出现问题，需要对SDR设备进行故障发生预测，预测SDR设备的损坏时间是一个非常重要的技术难题，现有技术中，多通过直接采用SDR设备的理论寿命等参数，预测SDR设备达到实际寿命的时间，从而估算预判发生损坏的时间。因此，会导致SDR设备故障问题不能及时发现带来损失。且当需要对多个SDR设备进行监控时，确定每一SDR设备对应的监控信号特征向量并进行合理存储是一个非常重要的技术难题。
发明内容
有鉴于此，本发明提供一种多个SDR设备的监控方法、装置、设备及介质，针对上述当需要对多个SDR设备进行监控时，克服确定多个SDR设备对应的监控信号特征向量并进行合理存储的问题，本发明采用的技术方案为：
根据本申请的一个方面，提供一种多个SDR设备的监控方法，每一所述SDR设备均包括信号处理模块和信号处理辅助模块；所述信号处理模块能够根据信号处理辅助模块输出的目标辅助信号对接收到的卫星信号进行处理；
所述方法包括：
将每一SDR设备对应的信号处理辅助模块均可输入的控制电压范围作为关键控制电压范围；
控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号；
根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量；
将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值；
对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量；
通过每一关键监控信号特征向量对与其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
在本申请的一种示例性实施例中，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
通过预设的聚类方式对任意两个第一关键信号特征向量之间的匹配度小于预设关键信号特征向量匹配度阈值的第一关键信号特征向量进行聚类处理，以得到至少一个第一关键信号特征向量组。
在本申请的一种示例性实施例中，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
若任意两个第一关键信号特征向量之间的匹配度均大于预设关键信号特征向量匹配度阈值，则只存在一个第一关键信号特征向量组，且当前第一关键信号特征向量组包含全部第一关键信号特征向量。
在本申请的一种示例性实施例中，所述融合处理，包括：
获取同一第一关键信号特征向量组中若干第一关键信号特征向量在相同关键控制电压下的信号特征的平均值作为第二关键信号特征；
根据每一第一关键信号特征向量组对应的若干第二关键信号特征确定出第二关键信号特征向量作为每一第一关键信号特征向量组对应的关键监控信号特征向量。
在本申请的一种示例性实施例中，通过如下步骤得到SDR设备故障检测模型：
获取目标SDR设备对应的若干历史关键监控信号特征向量和初始SDR设备故障检测模型；所述历史关键监控信号特征向量为根据在设定时间段内，每隔设定时间，控制目标SDR设备中的信号处理模块依次将若干关键控制电压作为信号处理辅助模块的当前控制电压得到的第三关键辅助信号的信号特征生成的，相邻两个历史关键监控信号特征向量对应的获取时间的时间间隔相同，所述目标SDR设备为多个SDR设备中的任一；
将若干历史关键监控信号特征向量中每k个历史关键监控信号特征向量作为一个训练样本数据，以得到若干个训练样本数据；k＞2；
根据所述训练样本数据对初始SDR设备故障检测模型进行训练，得到训练后的SDR设备故障检测模型。
在本申请的一种示例性实施例中，任一训练样本数据为正样本数据或负样本数据；
根据若干历史关键监控信号特征向量，获取训练样本数据，包括：
将目标SDR设备对应的关键监控信号特征向量作为目标监控信号特征向量；
根据所述目标监控信号特征向量，确定每一历史关键监控信号特征向量对应的结果标签；所述结果标签用于表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间是否存在故障；
从第N+1个历史关键监控信号特征向量开始遍历；
若当前的历史关键监控信号特征向量对应的结果标签为第一标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成正样本数据；其中，N为预设向量数量，所述第一标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间不存在故障；
若当前的历史关键监控信号特征向量对应的结果标签为第二标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成负样本数据；所述第二标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间存在故障。
在本申请的一种示例性实施例中，同一训练样本数据中包括的N+1个历史关键监控信号特征向量按获取时间从前到后的顺序排列。
根据本申请的另一方面，提供一种多个SDR设备的监控装置，所述装置包括：
控制模块，用于控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号；
生成模块，用于根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量；
获取模块，用于将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值；
处理模块，用于对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量；
监控模块，用于通过每一关键监控信号特征向量对其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
根据本申请的另一方面，还提供了一种非瞬时性计算机可读存储介质，存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述多个SDR设备的监控方法。
根据本申请的另一方面，还提供了一种电子设备，包括处理器和上述非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：
通过将每一SDR设备均可输入的控制电压范围作为关键控制电压范围，控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号，根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量，通过每一关键监控信号特征向量对其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。如此，通过上述方法将大于预设关键信号特征向量匹配度阈值的若干第一关键信号特征向量分为一组，并对同一组内的第一关键信号特征向量进行融合以得到该组的关键监控信号特征向量，该组对应的若干SDR设备均使用同一关键监控信号特征向量，避免了处理器需要对多个SDR设备进行监控时需要存储每个SDR设备对应的关键监控信号特征向量，导致的占用当前处理器存储空间过多的问题以及处理其中存储过多关键监控信号特征向量导致关键监控信号特征向量与其对应的SDR设备关系容易出现混淆的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的多个SDR设备的监控方法的流程图；
图2是根据一示例性实施例示出的多个SDR设备的监控装置的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1所示。在本申请的一方面，提供一种多个SDR设备的监控方法，每一所述SDR设备均包括信号处理模块和信号处理辅助模块；所述信号处理模块能够根据信号处理辅助模块输出的目标辅助信号对接收到的卫星信号进行处理。
具体地，所述信号处理模块为数模转换器。
所述方法包括如下步骤：
S10、将每一将每一SDR设备对应的信号处理辅助模块均可输入的控制电压范围作为关键控制电压范围。
本申请的一种示例性实施例中，关键控制电压范围通过如下步骤获取：
S11、根据每一SDR设备对应的指定控制电压范围包含的若干第二关键控制电压对应的第四关键信号特征，确定若干SDR设备在每一指定控制电压范围对应的信号特征变化率波动值均值；每一指定控制电压范围中的若干第二关键控制电压按电压从小到大的顺序排序，且每一指定控制电压范围中的相邻指定控制电压之间差值相同。
具体地，若干SDR设备在每一指定控制电压范围对应的信号特征变化率波动值均值通过如下步骤获取：
S111、根据同一指定控制电压范围包含的若干第三关键控制电压所对应的第三关键信号特征，确定若干SDR设备在当前指定控制电压范围下对应的若干信号特征变化率组。
具体地，第h个SDR设备在第x个指定控制电压范围下第h个SDR设备对应的信号特征变化率组中第s个信号特征变化率PBxs h符合如下条件：PBxs h=（Px（s+1） h-Pxs h）/（Vx（s+1）-Vxs），其中，Vxs+1为第x个指定控制电压范围中的第s+1个电压，Vxs为第k个指定控制电压范围中的第s个电压，Px（s+1） h为第h个SDR设备的输入电压为Vx（s+1）时输出的辅助信号的信号特征，Pxs h为第h个SDR设备的输入控制电压为Vxs时输出的辅助信号的信号特征。
S112、根据同一SDR设备在每一指定控制电压范围下对应的信号特征变化率组，确定当前SDR设备在每一指定控制电压范围下对应的信号特征变化率波动值。
具体地，第h个SDR设备在第x个指定控制电压范围对应的信号特征变化率波动值BDx h=∑d（x） s=1（BLxs h-PBLx h）/d（x），其中，s的取值为1到d（x），d（x）为第x个指定控制电压范围对应的信号特征变化率的数量，PBLx h为第h个SDR设备在第x个指定控制电压范围下对应的信号特征变化率均值。
S113、根据若干SDR设备在若干指定控制电压范围下对应的信号特征变化率波动值，确定若干SDR设备在每一指定控制电压范围对应的信号特征变化率波动值均值。
具体地，第x个指定控制电压范围对应的信号特征变化率波动值均值PJx=∑H h=1（BDx h）/H，其中，h的取值为1到H，H为SDR设备的数量。
S12、根据若干信号特征变化率波动值均值，在若干指定控制电压范围内确定出关键控制电压范围；所述关键控制电压范围为信号特征变化率波动值均值中最大的信号特征变化率波动值均值对应的指定控制电压范围。
具体地，所述信号特征变化率波动值均值越大表示其对应的每个SDR设备在关键控制电压范围下的第三关键信号特征的波动越大，越不稳定。
S20、控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号。
具体地，任意两个相邻的第一关键控制电压之间的电压差值相同；进一步地，所述第一关键控制电压按电压从小至大的顺序进行排列，且最小第一关键控制电压为所述关键控制电压范围对应的第一端点，最大第一关键控制电压为所述关键控制电压范围对应的第二端点；进一步地，所述关键控制电压范围对应的第二端点大于所述关键控制电压范围对应的第一端点。
S30、根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量。
具体地，本发明中的信号特征可以理解为辅助信号的频率。
进一步地，所述软件定义无线电设备还包括与信号处理辅助模块连接的信号特征读取模块，所述信号特征读取模块用于读取信号处理辅助模块输出的辅助信号的信号特征。
进一步地，所述信号特征读取模块为频率计。进一步地，使用铷钟作为所述信号特征读取模块的参考时基；进一步地，所述校准模块用于读取信号特征读取模块显示的信号特征，所述校准模块读取的信号特征的精度为铷钟所能达到的高精度。
进一步地，所述信号处理辅助模块根据信号处理模块输入电压的不同，会输出不同的信号特征；所述信号处理辅助模块输出的信号特征传送至信号特征读取模块。
S40、将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值。
具体地，本领域技术人员可根据实际需求设置所述预设关键信号特征向量匹配度阈值，在此不再赘述。
本申请的一种示例性实施例中，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
通过预设的聚类方式，对任意两个第一关键信号特征向量之间的匹配度小于预设关键信号特征向量匹配度阈值的第一关键信号特征向量进行处理，以得到至少一个第一关键信号特征向量组。
具体地，所述预设的聚类方式包括但不限于均值偏移聚类算法或DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法。
本申请的另一种示例性实施例中，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
若任意两个第一关键信号特征向量之间的匹配度均大于预设关键信号特征向量匹配度阈值，则只存在一个第一关键信号特征向量组，且当前第一关键信号特征向量组包含全部第一关键信号特征向量。
S50、对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量。
本申请的一个示例性实施例中，所述融合处理，包括：
S51、获取同一关键信号特征向量组中若干第一关键信号特征向量在相同关键控制电压下的信号特征的平均值作为第二关键信号特征；
S52、根据每一关键信号特征向量组对应的若干第二关键信号特征确定出第二关键信号特征向量作为每一第一关键信号特征向量组对应的关键监控信号特征向量。
S60、通过每一关键监控信号特征向量对与其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
具体地，通过如下步骤确定SDR设备是否发生故障：
每间隔设定时间，获取SDR设备对应的实时信号特征向量；
若实时信号特征向量与当前SDR设备对应的关键监控信号特征向量之间的匹配度小于预设关键信号特征向量匹配度阈值，则输出故障报警。
本实施例中，通过将每一SDR设备均可输入的控制电压范围作为关键控制电压范围，控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号，根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量，通过每一关键监控信号特征向量对其对应的每一SDR设备进行监控，以确定SDR设备中的信号处理辅助模块是否出现故障。如此，通过上述方法将大于预设关键信号特征向量匹配度阈值的若干第一关键信号特征向量分为一组，并对同一组内的第一关键信号特征向量进行融合以得到该组的关键监控信号特征向量，该组对应的若干SDR设备均使用同一关键监控信号特征向量，避免了处理器需要对多个SDR设备中的信号处理辅助模块进行监控时需要存储每个SDR设备对应的关键监控信号特征向量，导致的占用当前处理器存储空间过多的问题以及处理其中存储过多关键监控信号特征向量导致关键监控信号特征向量与其对应的SDR设备中的信号处理辅助模块之间的关系容易出现混淆的问题。
本申请的一个示例性实施例中，若所述第一关键信号特征向量组的数量为1，则通过第一处理方法得到所述关键监控信号特征向量；若所述第一关键信号特征向量组的数量不为1，则通过第二处理方法得到所述关键监控信号特征向量。
所述第一处理方法包括：
S41、获取若干第一关键信号特征匹配度；所述第一关键信号特征匹配度为任意两个第一关键信号特征之间的匹配度。
S42、根据若干第一关键信号特征匹配度，确定出每一SDR设备对应的第一关键信号特征匹配度均值。
具体地，第z个SDR设备对应的第一关键信号特征匹配度均值FPh符合如下条件：PFz=∑H h=1（Fh z）/H，其中Fh z第z个SDR设备对应的第一关键信号特征向量与第h个SDR设备对应的第一关键信号特征向量之间的第一关键信号特征匹配度。
S43、获取若干第一关键信号特征匹配度均值中的第二关键信号特征匹配度均值对应的SDR设备作为关键SDR设备；所述第二关键信号特征匹配度均值为若干第一关键信号特征匹配度均值中最大的第一关键信号特征匹配度均值。
S44、获取关键SDR设备对应的第一关键信号特征向量作为关键监控信号特征向量。
与本申请另一获取关键监控向量的实施例相比，本实施例不需要对向量进行融合，提高了时间效率。
所述第一处理方法包括：
将同一第一关键信号特征向量组中的第一关键信号特征向量进行融合处理，获取每一关键信号特征向量组对应关键监控信号特征向量；
使用所述关键监控信号特征向量对其对应的每一SDR设备进行监控，以确定SDR设备是否发生故障；所述关键监控信号特征向量对应的SDR设备为生成当前的关键监控信号特征向量所使用的每一第一关键信号特征向量对应的SDR设备。
本申请的一实例性实施例中，通过如下步骤得到SDR设备故障检测模型：
S70、获取目标SDR设备对应的若干历史关键监控信号特征向量和初始SDR设备故障检测模型；所述历史关键监控信号特征向量为根据在设定时间段内，每隔设定时间，控制目标SDR设备中的信号处理模块依次将若干关键控制电压作为信号处理辅助模块的当前控制电压得到的第三关键辅助信号的信号特征生成的，相邻两个历史关键监控信号特征向量对应的获取时间的时间间隔相同，所述目标SDR设备为多个SDR设备中的任一。
S80、将若干历史关键监控信号特征向量中每k个历史关键监控信号特征向量作为一个训练样本数据，以得到若干个训练样本数据；k＞2。
具体地，任一训练样本数据为正样本数据或负样本数据。
本申请的一实例性实施例中，所述根据若干历史关键监控信号特征向量，获取训练样本数据，包括：
S81、将目标SDR设备对应的关键监控信号特征向量作为目标监控信号特征向量；
S82、根据所述目标监控信号特征向量，确定每一历史关键监控信号特征向量对应的结果标签；所述结果标签用于表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间是否存在故障；
S83、从第N+1个历史关键监控信号特征向量开始遍历；
S84、若当前的历史关键监控信号特征向量对应的结果标签为第一标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成正样本数据；其中，N为预设向量数量，所述第一标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间不存在故障；
S85、若当前的历史关键监控信号特征向量对应的结果标签为第二标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成负样本数据；所述第二标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间存在故障；
具体地，本发明中信号处理辅助模块为压控振荡器。优选地，所述信号处理辅助模块为电压控制－温补晶体振荡器（VCTCXO）。
本实施例中，将连续N+1个历史检测向量作为训练样本数据，且训练样本数据分为正样本数据与负样本数据，对初始SDR设备故障检测模型进行训练，因此得到的训练后的SDR设备故障检测模型可以对SDR设备故障时间进行预测。
为了克服无法准确预测软件定义无线电设备中的信号处理辅助模块的故障时间从而导致软件定义无线电设备中的信号处理辅助模块故障问题不能及时发现的问题，遂提出软件定义无线电设备的监控方法的第二实施例，如下：
S1、控制信号处理模块将每一子控制电压范围内的若干第一目标控制电压依次作为信号处理辅助模块的当前控制电压，以得到每一子控制电压范围内的若干第一目标控制电压对应的第一目标辅助信号。
S2、根据每一子控制电压范围内的若干第一目标控制电压对应的第一目标辅助信号的信号特征，确定出每一子控制电压范围对应的信号特征变化率波动值，得到信号特征变化率波动值列表。
具体地，所述信号特征变化率波动值列表通过如下步骤获取：
根据每一子控制电压范围包含的若干第一目标控制电压所对应的第一目标辅助信号，确定每一子控制电压范围对应的若干信号特征变化率。
具体地，第i个子控制电压范围中第m个信号特征变化率BLm i符合如下条件：BLi m=（Pi m+1-Pi m）/（Vi m+1-Vi m），其中，Vi m+1为第i个子控制电压范围中的第m+1个第一目标控制电压，Vi m为第i个子控制电压范围中的第m个第一目标控制电压，Pi m+1为所述信号处理辅助模块的输入控制电压为Vi m+1时的实际输出辅助信号的信号特征，Pi m为所述信号处理辅助模块的输入控制电压为Vi m时的实际输出辅助信号的信号特征。
根据每一子控制电压范围对应的信号特征变化率，确定每一子控制电压范围对应的信号特征变化率波动值。
具体地，第i个子控制电压范围对应的信号特征变化率波动值BDi=∑n（i） m=1（BLi m-PBLi）/n（i），其中，m的取值为1到n（i），n（i）为第i个子控制电压范围对应的信号特征变化率的数量，PBLi为第i个子控制电压范围对应的信号特征变化率均值。
S3、将信号特征变化率波动值列表中最大的信号特征变化率波动值对应的子控制电压范围作为目标子控制电压范围MV。
具体地，所述信号特征变化率波动值越大表示其对应的若干信号特征变化率波动越大，越不稳定。
S4、控制信号处理模块依次将MV内的若干第二目标控制电压作为信号处理辅助模块的当前控制电压，以得到每一第二控制电压对应的第二目标辅助信号的信号特征。
具体地，所述第二目标辅助信号的信号特征通过第二信号特征读取模块读取。
进一步地，所述软件定义无线电设备还包括第一信号特征读取模块和第二信号特征读取模块，所述第一信号特征读取模块与第二信号特征读取模块均与信号处理辅助模块连接，所述第一信号特征读取模块和第二信号特征读取模块均用于读取所述信号处理辅助模块输出的辅助信号的信号特征，且第一信号特征读取模块的读取精度大于第二信号特征读取模块的读取精度。
进一步地，所述第一信号特征读取模块为频率计，且第一信号特征读取模块使用的基准时钟为铷钟。所述第二信号特征读取模块为频率计，且第一信号特征读取模块使用的基准时钟为频率计本身自带的时钟。
所述第二目标控制电压通过如下步骤获取：
通过对MV设置不同的电压取值间隔，在MV中确定出若干第三目标控制电压列表；所述第三目标控制电压列表中的第三目标控制电压按电压从小到大的顺序排列，且同一第三目标控制电压列表中相邻两个第三目标控制电压之间的差值相同，每一第三目标控制电压均属于MV；
具体地，所述第三目标电压列表中最小控制电压为目标子控制电压范围对应的第一端点，所述第三目标电压列表中最大控制电压为目标子控制范围对应的第二端点，所述第一端点对应的控制电压小于所述第二端点对应的控制电压。
控制信号处理模块依次将每一第三目标控制电压作为信号处理辅助模块的当前控制电压，以得到每一第三目标控制电压对应的第四目标辅助信号；
根据每一第三目标控制电压列表中的每一第四目标辅助信号的第三特征信号和每一第四目标辅助信号的第四特征信号，生成每一第三目标控制电压列表对应的第三目标特征信号向量和第四目标特征信号向量；所述每一第四目标辅助信号的第三特征信号通过第一信号特征读取模块输出，所述每一第四目标辅助信号的第四特征信号通过第二信号特征读取模块输出；
将同一第三目标控制电压列表对应的第三目标特征信号向量与第四目标特征信号向量进行匹配度计算处理，确定出第三目标特征信号向量与第四目标特征信号向量匹配度最高的第三目标控制电压列表作为第二目标控制电压列表。
本申请的一种示例性实施例中，第二目标控制电压列表通过如下步骤获取：
根据每一第三目标控制电压列表对应的第三目标特征向量和第四目标特征向量，确定匹配度列表P=（P1，P2，……，Pr，……，PR），r的取值为1到R，R为第三目标控制电压列表的数量，Pr为第r个第三目标控制电压列表对应的第三目标特征向量和第四目标特征向量之间的匹配度。
具体地，通过欧式距离计算第三目标特征向量和第四目标特征向量之间的匹配度。
将匹配度列表中最大匹配度Pmax对应的第三目标控制电压列表作为第二目标控制电压列表，其中，Pmax=max（P）；max（）为最大值确定函数。
在本实施例中，由于，在获取监控信号特征向量的过程中，需要使用第一信号特征读取模块和第二信号特征读取模块同时信号处理辅助模块对应的实际输出辅助信号的信号特征进行读取，且本申请中第一信号特征读取模块成本较高，在软件定义无线电设备实际投入使用过程中，仅采用第二信号特征读取模块对信号处理辅助模块进行监测，因此，选择出第一信号特征读取模块和第二信号特征读取模块读取到的信号特征相同的第三目标控制电压列表作为第二目标控制电压列表，生成监控信号特征向量，在后续对信号处理辅助模块监测的过程中，当被监控信号处理辅助模块出现故障时，根据第二信号特征读取模块读取到的信号特征生成的实时信号特征向量更能体现出与监控信号特征向量之间的差距，使故障检测更加准确。
S5、每间隔设定时间△T，控制信号处理模块依次将MV内的若干第二目标控制电压作为信号处理辅助模块的当前控制电压，以得到每一第二目标控制电压对应的第三目标辅助信号的信号特征。
S6、若实时信号特征向量与监控信号特征向量之间的匹配度小于预设信号特征匹配度阈值，则生成故障信号；所述实时信号特征向量根据每一第三目标辅助信号的信号特征生成，所述监控信号特征向量根据每一第二目标辅助信号的信号特征生成。
本申请的另一种示例性实施例中，
实时信号特征向量与监控信号特征向量之间的匹配度通过如下步骤获取：
将每一第三目标辅助信号的信号特征作为第一指定信号特征，以得到第一指定信号特征列表；
将每一第二目标辅助信号的信号特征作为第二指定信号特征，以得到第二指定信号特征列表；
将第一指定信号特征列表中的第一指定信号特征和第二指定信号特征列表中的第二指定信号特征依次进行对比，以得到第一指定信号特征列表中与第二指定信号特征相同的数量作为关键判断数量；
将关键判断数量与第一指定信号特征列表中第一指定信号特征的数量之间的比值作为实时信号特征向量与监控信号特征向量之间的匹配度。
具体地，将第一指定信号特征列表中的第一指定信号特征和第二指定信号特征列表中的第二指定信号特征依次进行对比，以得到关键判断数量，包括：
启动计数器；
将监控信号特征向量对应的若干控制电压中的第一个控制电压作为指定控制电压V0；所述监控信号特征向量对应的若干控制电压按电压从小到大的顺序排列；
进入判断步骤；
所述判断步骤包括：
若V0对应的第一指定信号特征和第二指定信号特征相同，计数器加1；否则，计数器不发生改变；
若V0不为监控信号特征向量对应的若干控制电压中最后一个控制电压，获取监控信号特征向量对应的若干控制电压中V0的后一个控制电压作为V0并再次进入判断处理步骤；否则，将计数器当前对应的数字作为关键判断数量。
通过第二实施例，选择信号特征变化率波动值最大的子控制电压范围作为目标子控制电压范围，并根据目标子控制电压范围确定出若干第二目标控制电压，以得到监控信号特征向量，避免了随意选择子控制电压范围作为目标子静止电压范围导致的信号特征波动稳定，在后续对信号处理辅助模块监测的过程中，当被监控信号处理辅助模块出现故障时，根据第二信号特征读取模块读取到的信号特征生成的实时信号特征向量与监控信号特征向量之间的差距不明显，导致被监测的SDR设备中的信号处理辅助模块故障问题不能及时发现带来的损失。
针对信号处理辅助模块对应的电压-信号特征表中标记的目标辅助信号的信号特征对应的额定电压与信号处理辅助模块对应的实际输出辅助信号的信号特征之间存在差距的问题，提出软件定义无线电设备的控制方法的第二实施例，如下：
S100、将信号处理辅助模块在当前控制电压为第一额定电压时输出的实际辅助信号确定为第一辅助信号；所述第一额定电压为信号处理辅助模块输出的实际辅助信号为目标辅助信号时对应的额定电压。
具体地，所述第一额定电压可以通过查询所述信号处理辅助模块对应的额定电压-信号特征表得到。
S200、若|P1-P0|＞PY，则进入目标控制电压确定处理过程；其中，P1为第一辅助信号的信号特征，P0为目标辅助信号的信号特征，PY为预设的特征差异阈值；所述信号特征为信号频率。
具体地，所述软件定义无线电设备还包括与信号处理模块和信号特征读取模块连接的校准模块。
进一步地，所述校准模块用于将读取到的信号特征与P0进行比较并计算出信号处理模块需要调整的输入值，并发出控制命令修改信号处理模块的输入值，对信号处理模块输入的不同的输入值会对应输出不同的电压。
具体地，PY对应的有效数字大于等于2。
进一步地，本领域技术人员可根据实际需求设置PY，在此不再赘述。
目标控制电压确定处理过程，包括：
S300、获取目标电压区间V=[v1,v2]；其中，信号处理辅助模块在当前控制电压为v1时输出的实际辅助信号的信号特征小于P0，信号处理辅助模块在当前控制电压为v2时输出的实际辅助信号的信号特征大于P0。
S400、根据V确定候选电压VH，并将所述信号处理辅助模块的当前控制电压调整为VH；v1＜VH＜v2。
S500、将信号处理辅助模块当前输出的实际辅助信号确定为第二辅助信号。
S600、若|P2-P0|＜PY，则将VH确定为目标控制电压MV；否则，再次执行所述目标控制电压确定处理过程；其中，P2为第二辅助信号的信号特征。
本实施例提供的软件定义无线电设备的控制方法，将信号处理辅助模块在当前控制电压为第一额定电压时输出的实际辅助信号确定为第一辅助信号，若第一辅助信号的信号特征与目标辅助信号的信号特征之间的差值大于预设的特征差异阈值，则进入目标控制电压确定处理，获取目标电压区间，并在目标电压区间确定出候选电压，并并将所述信号处理辅助模块的当前控制电压调整为候选电压，若候选电压对应的第二辅助信号的信号特征与目标辅助信号的信号特征之间的差值小于预设的特征差异阈值，则将候选电压作为目标控制电压，否则，则再次执行所述目标控制电压确定处理过程。如此，得到的目标控制电压对应的辅助信号的信号特征等同于目标辅助信号的信号特征。从而避免了由于信号处理辅助模块对应的电压-信号特征表不准确，实际使用时会由于实际输出信号特征不准确导致的软件定义无线电设备产生误差的问题。
在本申请的一种示例性实施例中，V通过如下步骤获取：
若所述信号处理辅助模块的当前控制电压为第一额定电压，则通过第一控制电压区间确定方式确定V。
所述第一控制电压区间确定方式包括：
若P1＜P0，则将第一预设控制电压作为v2，将所述第一额定电压作为v1；
若P1＞P0，则将所述第一额定电压作为v2，以及将第二预设控制电压作为v1；
所述第一预设控制电压大于所述第二预设控制电压。
在本申请的一种示例性实施例中，V还可以通过如下步骤获取：
若所述信号处理辅助模块的当前控制电压不为第一额定电压，则通过第二控制电压区间确定方式确定V；
所述第二控制电压区间确定方式包括：
若P1＜P0，则将VH作为v1；若P1＞P0，则将VH作为v2。
具体地，VH符合如下条件：
Figure SMS_1
，其中，/>
Figure SMS_2
为预设的上取整函数。
由于获取VH的计算方法简单快捷，因此，提高了时间效率。
在本发明实施例中，V还可以通过如下步骤获取：
若所述信号处理辅助模块的当前控制电压为第一额定电压，则通过第三控制电压区间确定方式确定V；
所述第三控制电压区间确定方式包括：
获取预设控制电压列表；其中，所述预设控制电压列表中包括若干个预设控制电压；
控制信号处理模块依次将每一预设控制电压作为信号处理辅助模块的当前控制电压，以得到每一预设控制电压对应的实际辅助信号作为第三辅助信号；
获取每一第三辅助信号对应的每一第三信号特征；
根据P0和每一第三信号特征，得到第一信号特征P3和第二信号特征P4；P3＞P0，且P3为第三信号特征中最接近P0的第三信号特征；P4＜P0，且P4为第三信号特征中最接近P0的第三信号特征；
将P3对应的对应的预设控制电压作为v2，并将P4对应的预设控制电压作为v1。
若所述信号处理辅助模块的当前控制电压为第一额定电压，则通过第一控制电压确定方式确定VH；
第一控制电压确定方式包括：
根据P3、P4和每一第三信号特征，获取第四信号特征P5和第五信号特征P6；P5＞P3且P5为第三信号特征中最接近P3的第三信号特征，P6＜P3，且P6为第三信号特征中最接近P3的第三信号特征；
根据P3、P4、P5和P6，获取第一变化率B1、第二变化率B2和第三变化率B3；B1为根据P3、P3对应的预设控制电压、P4以及P4对应的预设控制电压得到的，B2为根据P4、P4对应的预设控制电压、P5以及P5对应的预设控制电压得到的，B3为根据P5、P5对应的预设控制电压、P6以及P6对应的预设控制电压得到的；
具体地，所述B1符合如下条件：B1=|P3-P4|/|VP3-VP4|，其中，VP3为P3对应的预设控制电压，VP4为P4对应的预设控制电压，B2和B3的计算方法和B1的计算方法相同。
若B1=B2=B3，则根据三者其中任一构建目标特征函数；否则，执行S30011；
具体地，所述目标特征函数为线性函数，且目标特征函数符合如下条件：y=kx，其中，y为输出信号特征，k为B1或B2或B3，x为控制电压。
将P0带入目标特征函数，以得到VH。
若B1、B2和B3中至少其中两者相互不相同，则在V中获取第一关键控制电压GV1和第二关键控制电压GV2；|GV1-v1|=|GV1-GV2|=|GV2-v2|，且GV1＜GV2；
信号处理模块依次将GV1和GV2作为信号处理辅助模块的当前控制电压，以得到GV1对应的实际辅助信号作为第一关键辅助信号，GV2对应的实际辅助信号作为第二关键辅助信号；
根据第一关键辅助信号对应的第一关键信号特征GP1和第二关键辅助信号对应的第二关键信号特征GP2，获取第一关键变化率ZB1，第二关键变化率ZB2和第三关键变化率ZB3；ZB1为根据v1、v1对应的信号特征Pv1、GV1以及GP1得到的，ZB2为根据GV1、GP1、GV2以及GP2得到的，ZB3为根据GV2、GP2、v2以及v2对应的信号特征Pv2得到的；
具体地，ZB1、ZB2和ZB3的计算方法与第一中间变化率的计算方法相同。
进一步地，Pv1为信号处理辅助模块在当前控制电压为v1时输出的实际辅助信号的信号特征；Pv2为信号处理辅助模块在当前控制电压为v2时输出的实际辅助信号的信号特征。
若ZB1、ZB2和ZB3中至少其中两者相互不相同，则获取指定控制电压作为VH；所述指定控制电压为指定信号特征ZP对应的控制电压，ZP符合如下条件：ZP=min（|GP1-P0|，|GP2-P0|）。
获取所述信号处理辅助模块当前的输入控制电压为候选电压时输出的辅助信号的信号特征作为第五中间信号特征WP。
若WP＜P0，则将v1修改为VH；
若WP＞P0，则将v2修改为VH；并执行S320。
相比与另一获取中间电压的实施例通过上述步骤计算得到的候选电压生成的目标控制电压范围更小，由于缩小了目标控制电压范围，可以更快确定出目标控制电压，因此，提高了时间效率。
本申请的另一方面，本申请第一实施例还提供一种多个SDR设备的监控装置，该装置用于实现上述多个SDR设备的监控方法。参照图2所示的多个SDR设备的监控装置的示意性框图，建立多个SDR设备的监控装置400包括：控制模块410、生成模块420、获取模块430、处理模块440和监控模块450。
控制模块，用于控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号；
生成模块，用于根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量；
获取模块，用于将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值；
处理模块，用于对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量；
监控模块，用于通过每一关键监控信号特征向量对与其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
在本申请的另一方面，本申请第一实施例还提供了一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述任意实施例提供的所述方法。
在本申请的另一方面，本申请第一实施例还提供了一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
根据本申请的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件（包括储存器和处理器）的总线。
其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器（RAM）和/或高速缓存储存器，还可以进一步包括只读储存器（ROM）。
储存器还可以包括具有一组（至少一个）程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本申请的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
此外，上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (10)

1.一种多个SDR设备的监控方法，其特征在于，每一所述SDR设备均包括信号处理模块和信号处理辅助模块；所述信号处理模块能够根据信号处理辅助模块输出的目标辅助信号对接收到的卫星信号进行处理；
所述方法包括：
将每一SDR设备对应的信号处理辅助模块均可输入的控制电压范围作为关键控制电压范围；
控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号；
根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量；
将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值；
对同一第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量；
通过每一关键监控信号特征向量对与其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
2.根据权利要求1所述的方法，其特征在于，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
通过预设的聚类方式，对任意两个第一关键信号特征向量之间的匹配度小于预设关键信号特征向量匹配度阈值的第一关键信号特征向量进行聚类处理，以得到至少一个第一关键信号特征向量组。
3.根据权利要求1所述的方法，其特征在于，将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组，包括：
若任意两个第一关键信号特征向量之间的匹配度均大于预设关键信号特征向量匹配度阈值，则只存在一个第一关键信号特征向量组，且当前第一关键信号特征向量组包含全部第一关键信号特征向量。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述融合处理，包括：
获取同一第一关键信号特征向量组中若干第一关键信号特征向量在相同关键控制电压下的信号特征的平均值作为第二关键信号特征；
根据每一第一关键信号特征向量组对应的若干第二关键信号特征确定出第二关键信号特征向量作为每一第一关键信号特征向量组对应的关键监控信号特征向量。
5.根据权利要求1所述的方法，其特征在于，通过如下步骤得到SDR设备故障检测模型：
获取目标SDR设备对应的若干历史关键监控信号特征向量和初始SDR设备故障检测模型；所述历史关键监控信号特征向量为根据在设定时间段内，每隔设定时间，控制目标SDR设备中的信号处理模块依次将若干关键控制电压作为信号处理辅助模块的当前控制电压得到的第三关键辅助信号的信号特征生成的，相邻两个历史关键监控信号特征向量对应的获取时间的时间间隔相同，所述目标SDR设备为多个SDR设备中的任一；
将若干历史关键监控信号特征向量中每k个历史关键监控信号特征向量作为一个训练样本数据，以得到若干个训练样本数据；k＞2；
根据所述训练样本数据对初始SDR设备故障检测模型进行训练，得到训练后的SDR设备故障检测模型。
6.根据权利要求5所述的方法，其特征在于，任一训练样本数据为正样本数据或负样本数据；
根据若干历史关键监控信号特征向量，获取训练样本数据，包括：
将目标SDR设备对应的关键监控信号特征向量作为目标监控信号特征向量；
根据所述目标监控信号特征向量，确定每一历史关键监控信号特征向量对应的结果标签；所述结果标签用于表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间是否存在故障；
从第N+1个历史关键监控信号特征向量开始遍历；
若当前的历史关键监控信号特征向量对应的结果标签为第一标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成正样本数据；其中，N为预设向量数量，所述第一标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间不存在故障；
若当前的历史关键监控信号特征向量对应的结果标签为第二标签，且其之前的依次相邻的N个历史关键监控信号特征向量对应的结果标签均为第一标签，则根据当前的历史关键监控信号特征向量和其之前依次相邻的N个历史关键监控信号特征向量生成负样本数据；所述第二标签表示所述目标SDR设备在对应的历史关键监控信号特征向量的获取时间存在故障。
7.根据权利要求6所述的方法，其特征在于，同一训练样本数据中包括的N+1个历史关键监控信号特征向量按获取时间从前到后的顺序排列。
8.一种多个SDR设备的监控装置，其特征在于，所述装置包括：
控制模块，用于控制每一SDR设备中的信号处理模块依次将关键控制电压范围内的若干关键控制电压作为信号处理辅助模块的当前控制电压，以得到每一SDR设备在关键控制电压范围内的若干关键控制电压对应的关键辅助信号；
生成模块，用于根据每一SDR设备对应的若干关键辅助信号的信号特征，生成每一SDR设备对应的第一关键信号特征向量；
获取模块，用于将若干个第一关键信号特征向量进行分类处理，以得到至少一个第一关键信号特征向量组；同一第一关键信号特征向量组中的任意两个第一关键信号特征向量之间的匹配度大于预设关键信号特征向量匹配度阈值；
处理模块，用于对相同第一关键特征向量组中的第一关键信号特征向量进行融合处理，以得到每一第一关键信号特征向量组对应的关键监控信号特征向量；
监控模块，用于通过每一关键监控信号特征向量对与其对应的每一SDR设备进行监控，以确定SDR设备是否出现故障。
9.一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-7中任意一项的所述方法。
10.一种电子设备，其特征在于，包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
CN202310645579.6A 2023-06-02 2023-06-02 一种多个sdr设备的监控方法、装置、设备及介质 Active CN116361668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310645579.6A CN116361668B (zh) 2023-06-02 2023-06-02 一种多个sdr设备的监控方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310645579.6A CN116361668B (zh) 2023-06-02 2023-06-02 一种多个sdr设备的监控方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116361668A true CN116361668A (zh) 2023-06-30
CN116361668B CN116361668B (zh) 2023-08-11

Family

ID=86928609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310645579.6A Active CN116361668B (zh) 2023-06-02 2023-06-02 一种多个sdr设备的监控方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116361668B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117060986A (zh) * 2023-10-11 2023-11-14 北京安天网络安全技术有限公司 一种卫星信号接收系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120295537A1 (en) * 2011-05-20 2012-11-22 Honeywell International Inc. Reconfigurable satcom avionics radio
US20140333447A1 (en) * 2013-05-10 2014-11-13 Cheng Uei Precision Industry Co., Ltd. Failure alarm system and method of failure alarming thereof
CN108734300A (zh) * 2017-04-24 2018-11-02 英特尔公司 使用自主机器的识别、再标识和安全性增强
CN110850239A (zh) * 2019-11-01 2020-02-28 索亮 基于sdr平台的漏缆在线监测方法、设备及存储介质
US20200104984A1 (en) * 2018-09-29 2020-04-02 Shanghai United Imaging Intelligence Co., Ltd. Methods and devices for reducing dimension of eigenvectors
CN111178244A (zh) * 2019-12-27 2020-05-19 北京首钢自动化信息技术有限公司 一种异常生产场景的识别方法
CN111694719A (zh) * 2020-06-10 2020-09-22 腾讯科技（深圳）有限公司 服务器故障处理方法、装置、存储介质及电子设备
CN111884236A (zh) * 2020-08-07 2020-11-03 中国南方电网有限责任公司 一种电网智能暂态稳定评估系统
CN112270240A (zh) * 2020-10-22 2021-01-26 微医云(杭州)控股有限公司 一种信号处理方法、装置、电子设备和存储介质
CN114328090A (zh) * 2021-12-16 2022-04-12 安天科技集团股份有限公司 一种程序监控方法、装置、电子设备及存储介质
CN115984084A (zh) * 2022-12-19 2023-04-18 中国科学院空天信息创新研究院 一种基于动态可拆分网络的遥感分布式数据处理方法
CN116185783A (zh) * 2023-04-24 2023-05-30 山东溯源安全科技有限公司 一种电子设备的监控方法、装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120295537A1 (en) * 2011-05-20 2012-11-22 Honeywell International Inc. Reconfigurable satcom avionics radio
US20140333447A1 (en) * 2013-05-10 2014-11-13 Cheng Uei Precision Industry Co., Ltd. Failure alarm system and method of failure alarming thereof
CN108734300A (zh) * 2017-04-24 2018-11-02 英特尔公司 使用自主机器的识别、再标识和安全性增强
US20200104984A1 (en) * 2018-09-29 2020-04-02 Shanghai United Imaging Intelligence Co., Ltd. Methods and devices for reducing dimension of eigenvectors
CN110850239A (zh) * 2019-11-01 2020-02-28 索亮 基于sdr平台的漏缆在线监测方法、设备及存储介质
CN111178244A (zh) * 2019-12-27 2020-05-19 北京首钢自动化信息技术有限公司 一种异常生产场景的识别方法
CN111694719A (zh) * 2020-06-10 2020-09-22 腾讯科技（深圳）有限公司 服务器故障处理方法、装置、存储介质及电子设备
CN111884236A (zh) * 2020-08-07 2020-11-03 中国南方电网有限责任公司 一种电网智能暂态稳定评估系统
CN112270240A (zh) * 2020-10-22 2021-01-26 微医云(杭州)控股有限公司 一种信号处理方法、装置、电子设备和存储介质
CN114328090A (zh) * 2021-12-16 2022-04-12 安天科技集团股份有限公司 一种程序监控方法、装置、电子设备及存储介质
CN115984084A (zh) * 2022-12-19 2023-04-18 中国科学院空天信息创新研究院 一种基于动态可拆分网络的遥感分布式数据处理方法
CN116185783A (zh) * 2023-04-24 2023-05-30 山东溯源安全科技有限公司 一种电子设备的监控方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
窦立谦;季春惠;张秀云;宗群;刘文静;: "微小故障下的深空探测航天器闭环主动故障检测", 控制理论与应用, no. 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117060986A (zh) * 2023-10-11 2023-11-14 北京安天网络安全技术有限公司 一种卫星信号接收系统
CN117060986B (zh) * 2023-10-11 2023-12-22 北京安天网络安全技术有限公司 一种卫星信号接收系统

Also Published As

Publication number Publication date
CN116361668B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN116361668B (zh) 一种多个sdr设备的监控方法、装置、设备及介质
US11169911B2 (en) Method and apparatus for performing a fitting calculation on test data and generating data fluctuation values
US9582344B2 (en) Predicting anomalies and incidents in a computer application
KR20050026099A (ko) 고급 처리 제어 시스템 내의 부정확한 계측 데이터의 취급방법, 시스템 및 매체
CN111104342B (zh) 用于存储的方法、电子设备和计算机程序产品
CN102169145A (zh) 电弧的检测与抑制电路和方法
CN110033130A (zh) 异常业务的监控方法及装置
US8793106B2 (en) Continuous prediction of expected chip performance throughout the production lifecycle
CN116028730A (zh) 搜索资源异常识别方法、装置及电子设备
CN116366076B (zh) 一种软件定义无线电设备的监控方法、装置、设备及介质
CN116366077B (zh) 一种软件定义无线电设备的控制方法、装置、设备及介质
CN212846484U (zh) 过程控制仪器和非暂时性计算机可读储存介质
US20230038977A1 (en) Apparatus and method for predicting anomalous events in a system
CN116414608A (zh) 异常检测方法、装置、设备及存储介质
CN115277261A (zh) 基于工控网络病毒的异常机器智能识别方法、装置、设备
EP4068137B1 (en) Apparatus and method for optimizing control parameter of solder printing apparatus
CN112989203B (zh) 素材投放方法、装置、设备和介质
CN108121643A (zh) 窗口偏差分析仪
CN113986671A (zh) 运维数据异常检测方法、装置、设备及介质
CN111367765A (zh) 接口响应性能的监控方法、装置、服务器和存储介质
CN116541251B (zh) 显示设备状态预警方法、装置、设备和计算机可读介质
US11112450B2 (en) Method and apparatus for controlling tester, medium and electronic device
CN116243836A (zh) 煤炭原料质量检测信息显示方法、装置、设备和介质
CN117672910A (zh) 基于零部件数据的晶圆良率控制方法、装置、设备及介质
CN117993709A (zh) 价值风险信息生成方法、装置、设备和计算机可读介质

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