CN116401103B - 一种飞行员便携式电子图囊的数据安全管理系统 - Google Patents
一种飞行员便携式电子图囊的数据安全管理系统 Download PDFInfo
- Publication number
- CN116401103B CN116401103B CN202310671728.6A CN202310671728A CN116401103B CN 116401103 B CN116401103 B CN 116401103B CN 202310671728 A CN202310671728 A CN 202310671728A CN 116401103 B CN116401103 B CN 116401103B
- Authority
- CN
- China
- Prior art keywords
- data
- singular
- points
- time sequence
- point
- 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
- 238000012937 correction Methods 0.000 claims abstract description 50
- 230000005856 abnormality Effects 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 42
- 238000007726 management method Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005553 drilling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
- G06F11/1451—Management of the data involved in backup or backup restore by selection of backup contents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/42—Devices characterised by the use of electric or magnetic means
-
- 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
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及数据处理领域,具体涉及一种飞行员便携式电子图囊的数据安全管理系统,包括:时序数据采集模块、时序数据异常程度分析模块和数据安全管理模块,采集飞行速度的时序数据;根据奇点的匹配数据点中速度状态的改变情况和奇点数据中速度变化情况得到每个奇点的初始校正系数;根据每个奇点的初始校正系数、奇点匹配数据中的速度状态改变次数和每个速度状态下的速度差异得到每个奇点的真正校正系数;根据真正校正系数与未修正距离得到准确的距离;根据准确距离的和非奇点得到时序数据的异常程度;实现数据的安全管理。本发明用数据处理技术,得到时序数据的异常程度,对异常程度较大的进行备份,实现数据安全管理。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种飞行员便携式电子图囊的数据安全管理系统。
背景技术
飞行员便携式电子图囊主要用于飞行教学,可进行动态模拟化的地面演练,每进行一次虚拟场景演练都会产生大量的飞行数据,为了保障这些数据的安全,需要定期备份数据。
然而长期的虚拟场景演练会产生海量的数据,需要大量的数据备份存储空间,故分析每次虚拟场景演练数据的重要程度,只对重要的数据进行备份,提高数据备份存储空间利用率。而虚拟场景是人为设定的,即在每个虚拟演练场景中都会存在一组正确的标准飞行数据,因此当实际演练的飞行数据与标准飞行数据存在较大差异时,说明演练中存在较大的操作失误,其应为重要数据用于后续的教学,需要进行及时备份,以防重要数据丢失,实现数据安全管理。
传统的DTW算法求取两时序数据相似性时,由于序列匹配存在病态对齐,即“一对多”和“多对一”的情况,其忽视时间属性的影响,会造成求取的DTW距离相较于实际的不相似度偏小。
本发明通过分析两时序数据进行DTW匹配产生的“奇点”处的速度变化趋势差异和加速度的变化特征,计算各“奇点”处的校正系数,进而计算准确的DTW距离,获取时序数据的异常程度。对异常程度较大的重要时序数据进行备份,以防重要数据丢失,实现数据安全管理。
发明内容
本发明提供一种飞行员便携式电子图囊的数据安全管理系统,以解决现有的问题。
本发明的一种飞行员便携式电子图囊的数据安全管理系统采用如下技术方案:
本发明一个实施例提供了一种飞行员便携式电子图囊的数据安全管理系统,该方法包括以下步骤:
时序数据采集模块,采集飞行员电子图囊中的飞行速度的时序数据;
时序数据异常程度分析模块,获得模拟飞行的时序数据与实际飞行的时序数据之间的匹配数据点中的奇点;将模拟飞行的时序数据记为,将实际飞行的时序数据记为/>;
根据奇点的匹配数据点中速度状态的改变情况和奇点数据中速度变化情况得到每个奇点的初始校正系数;
根据每个奇点的初始校正系数、奇点匹配数据中的速度状态改变次数和每个速度状态下的速度差异得到每个奇点的真正校正系数;
根据每个奇点的真正校正系数与每个奇点与奇点的匹配数据点之间的所有距离得到每个奇点准确的距离;
根据所有奇点的准确距离以及和/>两组时序数据之间一对一匹配的数据点距离得到时序数据的异常程度;
数据安全管理模块,根据时序数据的异常程度和预设阈值进行筛选重要的数据保存,实现数据的安全管理。
进一步地,所述奇点具体为:
根据两组时序数据和/>中任意一组时序数据中的任意一个数据点与另外一组时序数据中的任意一个数据点,计算并确定出最短距离的两数据点,根据最短距离确定出两组时序数据中每个数据点的连线情况,根据每个数据点的连线情况确定奇点与非奇点,其中,当一个时序数据中的一个数据点连接另外一个时序数据中的多个数据点时,则认为一个数据点为奇点。
进一步地,所述初始校正系数,具体方法为:
根据奇点与前后相邻两个时刻的奇点的连线获得两条直线,根据与奇点匹配的数据点拟合得到一条直线,根据匹配到的数据所对应的直线与相邻奇点之间的两条直线的夹角最小值作为第一夹角,根据匹配到的数据的曲线变化情况得到该曲线中的局部极值点数量,记为第一数量;根据第一数量的平方与第一夹角的平方之间的和开方之后获得初始校正系数。
进一步地,所述真正的校正系数,具体方法为:
奇点处的真正校正系数的计算公式为:
其中n表示奇点的匹配数据点的数量;m表示奇点的匹配数据点中加速度随时间在匀加速、加速度递增和加速度递减这三种状态下的变换次数;V表示奇点的匹配数据点中不同加速度状态下变加速度的剧烈程度方差,P表示该奇点处的初始校正系数,e为自然对数,表示归一化至区间[0,1]内,/>表示每个奇点处的真正校正系数。
进一步地,所述准确的距离,具体方法为:
奇点处准确的距离的计算公式为:
其中表示奇点处的真正校正系数,/>表示奇点与奇点的匹配数据点中第x个数据点的距离,n表示奇点的匹配数据点的数量,/>表示每个奇点处的准确的距离。
进一步地,所述时序数据的异常程度,具体方法为:
根据每个奇点的准确距离得到所有奇点的准确距离的和,根据一对一匹配数据点的距离得到这种数据点所有的距离的和,根据所有奇点的准确距离的和与两组时序之间一对一匹配的数据点距离的和之间的和,再对其归一化得到时序数据的异常程度。
进一步地,所述数据筛选,具体方法为:
预设异常程度的阈值,根据阈值进行对时序数据筛选,将大于阈值的数据作为重要数据进行重点保护,以此来实现数据的安全管理。
本发明的技术方案的有益效果是:传统的DTW算法由于序列匹配存在病态对齐情况,会出现“奇点”问题,导致求取的DTW距离相较于实际的不相似度偏小。为解决“奇点”问题,现有的DTW算法通过需要进行匹配的两数据点之间估计导数差值的平方来替换欧式距离,只分析了各数据点与其左右相邻两数据点的直线斜率变化,且最终的匹配点仍存在“一对多”的情况,只是减少了“多”的数量。本方案先根据“奇点”处匹配数据点的速度变化趋势差异,计算初始校正系数。再根据奇点对应的“多”个数据点的加速度状态变换次数和不同加速度状态下的变化程度,获取真正的校正系数,对“奇点”处每对匹配点的欧式距离都进行校正,获取准确的欧式距离,提高DTW距离的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一种飞行员便携式电子图囊的数据安全管理系统的模块流程图;
图2为两组时序数据之间的奇点对应关系示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种飞行员便携式电子图囊的数据安全管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种飞行员便携式电子图囊的数据安全管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种飞行员便携式电子图囊的数据安全管理系统的步骤流程图,该方法包括以下模块:
模块101,时序数据采集模块。
飞行员便携式电子图囊主要用于飞行教学,可进行动态模拟化的地面演练,而虚拟场景是人为设定的,即在每个虚拟演练场景中都会存在一组正确的标准飞行数据。因此当实际演练的飞行数据与标准飞行数据存在较大差异时,说明演练中存在较大的操作失误,其应为重要数据用于后续的教学,需要进行及时备份,以防重要数据丢失,实现数据安全管理。
本实施例主要分析飞行过程的飞行速度时序数据,故采集当前虚拟场景中,此次演练过程中的飞行速度时序数据和当前虚拟场景中的标准飞行速度时序数据/>。
模块102,时序数据异常程度分析模块。
对两组时序数据进行DTW匹配,根据“奇点”处匹配数据点的速度变化趋势差异,计算初始校正系数。记奇点对应的“多”个数据点为奇点匹配数据点,根据奇点匹配数据点的加速度状态变换次数和不同加速度状态下的变化程度,获取真正的校正系数,对奇点与其匹配数据点的欧式距离都进行校正,获取准确的欧式距离,进而获取当前时序数据的异常程度。
需要说明的是,已知求取两组时序数据相似性的DTW算法会通过时间轴的扭曲来纠正两序列的局部微小差异,导致匹配数据点的欧式距离偏小,会出现匹配数据点“一对多”中“一”对应的数据“奇点”问题。因此本实施例先通过“奇点”与其匹配对应的“多”个数据点中速度变化趋势差异,获取初始校正系数。
记“奇点”与其匹配对应的“多”个数据点为奇点匹配数据点。
具体地,首先利用DTW算法实现时序数据和/>中的数据点匹配,标记时序数据/>和中DTW匹配的“一对多”中“一”对应的数据点为“奇点”。
请参阅图2,其示出了两组时序数据之间的奇点对应关系示意图。
然后取一个奇点为例,按照时间顺序获取该奇点在同一时序数据中的前一个和后一个数据点之间的连线记作直线和/>,表示该奇点前后的速度变化趋势。再分析该奇点与奇点匹配数据点,按照时间顺序获取奇点匹配数据点中第一个和最后一个数据点之间的连线记作直线/>,表示这奇点匹配数据点的速度变化趋势,且直线/>对应的直线为/>或/>。
则该奇点处的初始校正系数P为:
其中H表示该奇点的匹配数据点拟合曲线中局部极值点的数量,表示直线/>分别与直线/>和/>夹角值中的较小值。
需要说明的是,当该奇点匹配数据点中出现局部极值点时,说明速度的变化趋势发生了转折,即H越小时,表示该奇点处对时间轴的扭曲程度越小,表示奇点匹配数据点中的速度变化趋势的直线越可信。而当直线/>与表示该奇点前后的速度变化趋势的直线/>和/>夹角值中的较小值/>越小,则说明该奇点与匹配数据点的整体速度变化趋势越相似。因此用两者的欧式范数/>表示该奇点处的初始校正系数。当奇点与奇点匹配数据点的欧式距离偏小,则奇点匹配数据点的速度变化趋势差异越大,需要越大的校正系数,调整偏小的匹配点欧式距离。
为解决DTW算法中的“奇点”问题,现有的改进算法为DTW算法,其通过需要进行匹配的两数据点之间估计导数差值的平方来替换欧式距离,只分析了各数据点与其左右相邻两数据点的直线斜率变化,且最终的匹配点仍存在“一对多”的情况,只是减少了“多”的数量。本方案通过分析“奇点”与匹配对应的“多”个数据点的整体速度变化趋势,计算校正系数,对“奇点”处每对匹配点的欧式距离都进行校正,获取准确的欧式距离,提高DTW距离的准确性。
上述过程中获取的奇点与奇点匹配数据点的欧式距离初始校正系数P是根据奇点匹配数据点中第一个数据点到最后一个数据点的整体变化趋势特征获取。而当在场景的同一飞行物的速度变化趋势中,即加速或者减速过程中会存在三种加速度变化,即匀加速、加速度递增和加速度递减。因此当奇点匹配数据点中第一个数据点到最后一个数据点的变化趋势相似时,其第一个数据点到最后一个数据点的过程中会存在多种状态的飞行速度,导致初始校正系数P存在误差,因此本实施例进一步分析加速度的变化,获取真正的校正系数。
首先仍取上述过程中的一个奇点为例,统计该奇点与奇点匹配数据点中按照时间顺序获得奇点匹配数据点对应的加速度集合,其中n表示奇点匹配数据点的数量。
然后依次计算集合B中相邻数据的差值,获得集合,令集合C中数据大于0的标记为1、等于0的标记为0、小于0的记为-1,由此获得一个长度为n-1的-1,0,1组成的序列。再依次将该整个序列中数据值相同且连续的一整个片段分为同一个小序列段,各小序列段内为同一种状态下的加速度,计算各小序列段中数据对应集合C中数据的方差,表示同一种加速度状态下变加速度的剧烈程度,获得集合/>,其中m表示该序列分割的小序列段数量。
需要说明的是,已知奇点为一个数据点,其只有一种加速度状态和变加速度程度,故当该奇点匹配数据点中加速度状态随时间变换的次数m越多,且每个状态下变加速度剧烈程度越不同,即方差V越大时,该奇点的扭曲程度越大,令奇点与其匹配数据点的欧式距离偏小,需要越大的校正系数,提高欧式距离。因此用表示对每个状态下加速度变化程度差异V的调整值,两者的乘积表示奇点匹配数据点中加速度的变化特征。因此再用归一化至区间[1,2]内的/>为P的调整值,即防止调整值为0,两者的乘积表示该奇点处的真正校正系数。
由此可知该奇点处的真正校正系数为:
其中n表示奇点匹配数据点的数量,m表示奇点匹配数据点中加速度随时间在匀加速、加速度递增和加速度递减这三种状态下的变换次数,V表示集合D的方差,即奇点匹配数据点中不同加速度状态下变加速度的剧烈程度方差,P表示该奇点处的初始校正系数。e为自然对数,表示归一化至区间[0,1]内,本实施例使用的是线性归一化,实施时可以使用其他归一化方法,本实施例不进行具体限定。
需要说明的是,初始校正系数P是根据奇点匹配数据点中第一个数据点到最后一个数据点的变化趋势特征获取的。当奇点匹配数据点中第一个数据点到最后一个数据点的变化趋势相似时,但其第一个到最后一个数据点的过程中会存在多种状态的飞行速度时,会导致初始校正系数P准确性降低。本实施例通过分析奇点匹配数据点中加速度的状态切换和加速度变化程度的不同对初始校正系数P进行调整,提高校正系数的准确性。
则奇点与该奇点匹配数据点之间准确的欧式距离F为:
其中表示该奇点处的真正校正系数,/>表示该奇点与奇点匹配数据点中第x个数据点的欧式距离,n表示奇点匹配数据点的数量。由于奇点与奇点匹配数据点的欧式距离偏小,因此对/>进行加1,获取该奇点处准确的欧式距离F。
同理获取时序数据和/>进行DTW匹配中各奇点处准确的欧式距离F,由此可知时序数据/>和/>的异常程度R为:
其中表示时序数据/>和/>进行DTW匹配中各奇点处准确的欧式距离F的和,W表示时序数据/>和/>进行DTW匹配中各“一对一”匹配数据点欧式距离的和。即/>为时序数据和/>的准确DTW距离。DTW距离越大,两组时序数据差异越大。/>表示归一化至区间[0,1]内。
进一步需要说明的是,传统的DTW算法由于序列匹配存在病态对齐情况,会出现“奇点”问题,导致求取的DTW距离相较于实际的不相似度偏小。因此本实施例先根据“奇点”处匹配数据点的速度变化趋势差异,计算初始校正系数。再根据奇点对应的“多”个数据点的加速度状态变换次数和不同加速度状态下的变化程度,获取真正的校正系数,自适应增大奇点处的欧式距离,进而获取准确DTW距离。
模块103,数据安全管理模块。
根据上述过程中获取当前时序数据A的异常程度R,本实施例预设异常程度的阈值为R1。当R大于R1时,判断演练过程中飞行速度时序数据A为需要备份的异常时序数据,由此可知飞行员每次通过便携式电子图囊进行虚拟场景演练后获取的飞行速度时序数据的异常程度,对于异常程度较大的飞行速度时序数据,说明此次演练中存在较大的操作失误,其应为重要数据用于后续的教学,因此备份此次虚拟场景演练过程中产生的数据,以防重要数据丢失,实现数据安全管理。其中本实施例以R1=0.8为例进行叙述,本实施例不进行具体限定,其中R1可根据具体实施情况而定。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,该系统包括:
时序数据采集模块,采集飞行员电子图囊中的飞行速度的时序数据;
时序数据异常程度分析模块,获得模拟飞行的时序数据与实际飞行的时序数据之间的匹配数据点中的奇点;将模拟飞行的时序数据记为,将实际飞行的时序数据记为/>;
根据奇点的匹配数据点中速度状态的改变情况和奇点数据中速度变化情况得到每个奇点的初始校正系数;
根据每个奇点的初始校正系数、奇点匹配数据中的速度状态改变次数和每个速度状态下的速度差异得到每个奇点的真正校正系数;
根据每个奇点的真正校正系数与每个奇点与奇点的匹配数据点之间的所有距离得到每个奇点准确的距离;
根据所有奇点的准确距离以及和/>两组时序数据之间一对一匹配的数据点距离得到时序数据的异常程度;
数据安全管理模块,根据时序数据的异常程度和预设阈值进行筛选重要的数据保存,实现数据的安全管理;
所述奇点具体为:
根据两组时序数据和/>中任意一组时序数据中的任意一个数据点与另外一组时序数据中的任意一个数据点,计算并确定出最短距离的两数据点,根据最短距离确定出两组时序数据中每个数据点的连线情况,根据每个数据点的连线情况确定奇点与非奇点,其中,当一个时序数据中的一个数据点连接另外一个时序数据中的多个数据点时,则认为一个数据点为奇点。
2.根据权利要求1所述一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,所述初始校正系数,具体方法为:
根据奇点与前后相邻两个时刻的奇点的连线获得两条直线,根据与奇点匹配的数据点拟合得到一条直线,根据匹配到的数据所对应的直线与相邻奇点之间的两条直线的夹角最小值作为第一夹角,根据匹配到的数据的曲线变化情况得到该曲线中的局部极值点数量,记为第一数量;根据第一数量的平方与第一夹角的平方之间的和开方之后获得初始校正系数。
3.根据权利要求1所述一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,所述真正的校正系数,具体方法为:
奇点处的真正校正系数的计算公式为:
其中n表示奇点的匹配数据点的数量;m表示奇点的匹配数据点中加速度随时间在匀加速、加速度递增和加速度递减这三种状态下的变换次数;V表示奇点的匹配数据点中不同加速度状态下变加速度的剧烈程度方差,P表示该奇点处的初始校正系数,e为自然对数,表示归一化至区间[0,1]内,/>表示每个奇点处的真正校正系数。
4.根据权利要求1所述一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,所述准确的距离,具体方法为:
奇点处准确的距离的计算公式为:
其中表示奇点处的真正校正系数,/>表示奇点与奇点的匹配数据点中第x个数据点的距离,n表示奇点的匹配数据点的数量,/>表示每个奇点处的准确的距离。
5.根据权利要求1所述一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,所述时序数据的异常程度,具体方法为:
根据每个奇点的准确距离得到所有奇点的准确距离的和,根据一对一匹配数据点的距离得到这种数据点所有的距离的和,根据所有奇点的准确距离的和与两组时序之间一对一匹配的数据点距离的和之间的和,再对其归一化得到时序数据的异常程度。
6.根据权利要求1所述一种飞行员便携式电子图囊的数据安全管理系统,其特征在于,所述数据筛选,具体方法为:
预设异常程度的阈值,根据阈值进行对时序数据筛选,将大于阈值的数据作为重要数据进行重点保护,以此来实现数据的安全管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671728.6A CN116401103B (zh) | 2023-06-08 | 2023-06-08 | 一种飞行员便携式电子图囊的数据安全管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671728.6A CN116401103B (zh) | 2023-06-08 | 2023-06-08 | 一种飞行员便携式电子图囊的数据安全管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401103A CN116401103A (zh) | 2023-07-07 |
CN116401103B true CN116401103B (zh) | 2023-07-28 |
Family
ID=87014579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310671728.6A Active CN116401103B (zh) | 2023-06-08 | 2023-06-08 | 一种飞行员便携式电子图囊的数据安全管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401103B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101707131B1 (ko) * | 2015-12-02 | 2017-02-15 | 한국항공우주산업 주식회사 | 비행기동 패턴인식 및 검출 시스템, 이를 이용한 패턴인식 및 검출 방법 |
CN109726427A (zh) * | 2018-11-16 | 2019-05-07 | 中国西安卫星测控中心 | 结合运载器飞行特征点的动态时间规整计算方法 |
CN111860446A (zh) * | 2020-08-01 | 2020-10-30 | 西安交通大学 | 一种卫星遥测时序数据未知模式的检测系统与方法 |
CN115563769A (zh) * | 2022-09-30 | 2023-01-03 | 北京空间飞行器总体设计部 | 一种面向事件的航天器飞行性能曲线分析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018147390A (ja) * | 2017-03-08 | 2018-09-20 | 株式会社日立製作所 | 異常波形検知システム、異常波形検知方法、及び波形分析装置 |
US20220156321A1 (en) * | 2020-11-18 | 2022-05-19 | Alibaba Group Holding Limited | Distance measurement for time series |
-
2023
- 2023-06-08 CN CN202310671728.6A patent/CN116401103B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101707131B1 (ko) * | 2015-12-02 | 2017-02-15 | 한국항공우주산업 주식회사 | 비행기동 패턴인식 및 검출 시스템, 이를 이용한 패턴인식 및 검출 방법 |
CN109726427A (zh) * | 2018-11-16 | 2019-05-07 | 中国西安卫星测控中心 | 结合运载器飞行特征点的动态时间规整计算方法 |
CN111860446A (zh) * | 2020-08-01 | 2020-10-30 | 西安交通大学 | 一种卫星遥测时序数据未知模式的检测系统与方法 |
CN115563769A (zh) * | 2022-09-30 | 2023-01-03 | 北京空间飞行器总体设计部 | 一种面向事件的航天器飞行性能曲线分析方法 |
Non-Patent Citations (2)
Title |
---|
分析参数相关和时序特征的飞行动作识别方法;张玉叶;王颖颖;王春歆;彭海军;;计算机工程与应用(第05期);全文 * |
补偿凸变换与半凸函数的几何奇点提取;张克威;CROOKS Elaine;ORLANDO Antonio;;中国科学:数学(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116401103A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108362911B (zh) | 一种基于最小二乘法和插值法的流速仪标定方法 | |
CN102075785B (zh) | 一种atm机广角摄像机镜头畸变校正方法 | |
CN107305577B (zh) | 基于K-means的妥投地址数据处理方法和系统 | |
CN113052868B (zh) | 一种抠图模型训练、图像抠图的方法及装置 | |
CN107609300A (zh) | 一种既有铁路平面线位整体重构设计方法 | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN111322205A (zh) | 风电机组风向标零位误差辨识方法及校正方法 | |
CN117238058A (zh) | 基于数据分析的汽车用起动机监测方法 | |
CN109726427A (zh) | 结合运载器飞行特征点的动态时间规整计算方法 | |
CN110766711A (zh) | 一种视频镜头分割方法、系统、装置和存储介质 | |
CN111445108A (zh) | 数据驱动的配电网线变关系诊断方法、装置及系统 | |
CN117540220B (zh) | 一种近零碳园区源网荷匹配方法及系统 | |
CN108108692A (zh) | 一种正弦信号频率识别方法 | |
CN116401103B (zh) | 一种飞行员便携式电子图囊的数据安全管理系统 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN117764771A (zh) | 基于k-shape聚类海上风电出力预测修正方法系统 | |
CN101916381B (zh) | 基于稀疏表示的物体轮廓提取方法 | |
CN106295175B (zh) | 基于svd算法的台站气象数据缺值填充方法 | |
CN110321799B (zh) | 一种基于sbr和平均类间距离的场景数选择方法 | |
CN106874531B (zh) | 一种大气数据系统在故障时的异常测量值数据自恢复方法 | |
CN116506273A (zh) | 新型mpsk调制信号识别分类方法 | |
CN104992436B (zh) | 一种自然场景中的图像分割方法 | |
CN113239250B (zh) | 一种数据采集关键节点的筛选方法 | |
CN112668807B (zh) | 一种用于风电场功率预测的风速预测方法 | |
CN117272704B (zh) | 一种面向多源异构数据的数字孪生驱动的数据处理系统 |
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 |