CN118070098A - 干扰信号检测方法、模型训练方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种干扰信号检测方法、模型训练方法、装置、设备及介质，涉及轨道交通技术领域。其中，干扰信号检测方法，包括：获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，当前电流信号为当前时刻对应的电流信号；当前电磁信号为当前时刻对应的电磁信号；将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果。本发明实施例的技术方案提高了信号机械室内干扰信号检测的准确性和鲁棒性。

Description

干扰信号检测方法、模型训练方法、装置、设备及介质

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种干扰信号检测方法、模型训练方法、装置、设备及介质。

背景技术

信号机械室是控制铁路相关设备的场所，是铁路行车指挥的核心。随着铁路智能化的发展，信号机械室中的设备越来越多，部分设备的集成度和复杂度也越来越高。由于信号机械室的电气布局比较复杂，信号机械室内存在一些干扰信号，可能会导致部分设备故障，直接或间接对铁路运行系统造成安全问题。

现有技术通过测量信号机械室中的电磁信号，以及对电磁信号划定阈值线的方式，判断信号电磁室中是否存在干扰信号。但是现有技术的干扰信号检测方法，需要提前预知电磁信号的特征，以确定合适的电磁信号的阈值线，但是，由于信号机械室内环境的复杂性和不确定性，电磁信号的阈值线难以精准确定。

发明内容

本发明提供了一种干扰信号检测方法、模型训练方法、装置、设备及介质，提高了信号机械室内干扰信号检测的准确性和鲁棒性。

根据本发明的一方面，提供了一种干扰信号检测方法，所述方法包括：

获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，当前电流信号为当前时刻对应的电流信号；当前电磁信号为当前时刻对应的电磁信号；

将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果。

根据本发明的另一方面，提供了一种模型训练方法，所述方法包括：

获取训练样本；其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果；其中，历史电流信号为历史时刻对应的电流信号；历史电磁信号为历史时刻对应的电磁信号；

将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果；

根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练；样本干扰检测结果包括第一历史时刻干扰检测结果；

其中，干扰信号检测模型可以实现本发明任一实施例的干扰信号检测方法。

根据本发明的另一方面，提供了一种干扰信号检测装置，所述装置包括：

当前信号获取模块，用于获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，当前电流信号为当前时刻对应的电流信号；当前电磁信号为当前时刻对应的电磁信号；

当前检测结果确定模块，用于将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的当前干扰信号检测结果。

根据本发明的另一方面，提供了一种模型训练装置，所述装置包括：

训练样本获取模块，用于获取训练样本；其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果；其中，历史电流信号为历史时刻对应的电流信号；历史电磁信号为历史时刻对应的电磁信号；

历史检测结果确定模块，用于将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果；

模型训练模块，用于根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练；样本干扰检测结果包括第一历史时刻干扰检测结果；

其中，干扰信号检测模型可以实现本发明任一实施例的干扰信号检测方法。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的干扰信号检测方法或模型训练方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的干扰信号检测方法或模型训练方法。

本发明实施例的技术方案，通过获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，当前电流信号为当前时刻对应的电流信号；当前电磁信号为当前时刻对应的电磁信号；将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果，解决了现有技术的干扰信号检测方法，需要提前预知电磁信号的特征，以确定合适的电磁信号的阈值线，但是，由于信号机械室内环境的复杂性和不确定性，电磁信号的阈值线难以精准确定的问题，提高了信号机械室内干扰信号检测的准确性和鲁棒性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

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是根据本发明实施例一提供的一种干扰信号检测方法的流程图；

图2是根据本发明实施例二提供的一种模型训练方法的流程图；

图3是根据本发明实施例三提供的干扰信号检测模型训练方法的流程图；

图4是根据本发明实施例三提供的样本实际检测结果确定方法的场景图；

图5是根据本发明实施例三提供的干扰信号检测模型训练方法的原理图；

图6是根据本发明实施例四提供的一种干扰信号检测装置的结构示意图；

图7是根据本发明实施例五提供的一种模型训练装置的结构示意图；

图8是实现本发明实施例的干扰信号检测方法或模型训练方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种干扰信号检测方法的流程图。本发明实施例可适用于对信号机械室进行干扰信号检测的情况，该方法可以由干扰信号检测装置来执行，该干扰信号检测装置可以采用硬件和/或软件的形式实现，该干扰信号检测装置可配置于承载干扰信号检测功能的电子设备中，例如信号机械室的监测设备中。

参见图1所示的干扰信号检测方法，包括：

S110、获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号。

信号机械室用于控制铁路相关设备。信号机械室集成了大量的设备。由于信号机械室复杂的电气布局，信号机械室内存在干扰信号，会导致信号机械室内的部分设备发生故障。检测位置可以为信号机械室中检测干扰信号的位置。可选的，检测位置可以包括信号机械室中电流信号交互的位置和电磁信号交互的位置等。示例性的，电流信号交互的位置可以包括汇流排、接地排、接地线、地网和雷电地网等。电磁信号交互的位置可以包括空间电磁环境。当前电流信号可以为当前时刻对应的电流信号。当前电磁信号可以为当前时刻对应的电磁信号。不同于现有技术仅考虑电磁信号的干扰信号检测，本方案还考虑了信号机械室中的电流信号，将电流信号作为干扰信号检测的对象，从参考数据的角度上，可以进一步提高信号机械室内干扰信号检测的准确度。

在本发明一个可选实施例中，获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号，包括：获取信号机械室中至少一个第一检测位置的当前电流信号；其中，第一检测位置包括接地排、接地线、地网和雷电接地网；获取信号机械室中至少一个第二检测位置的当前电磁信号；其中，第二检测位置包括空间电磁环境。

第一检测位置可以为当前电流信号的检测位置。示例性的，第一检测位置可以包括接地排、接地线、地网和雷电接地网等。第二检测位置可以为当前电磁信号的检测位置。示例性的，第二检测位置可以为空间电磁环境。

本方案通过将检测位置具体化为第一检测位置和第二检测位置，提高了干扰信号检测位置的典型性，进一步减少了干扰信号检测的数据数量，提高了干扰信号检测的效率。

具体的，可以通过信号机械室中的监测设备，获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号。示例性的，监测设备可以包括接地电流探头、雷电电流探头和全向空间环境天线等。其中，接地电流探头和雷电电流探头可以用于采集当前电流信号。全向空间环境天线可以用于采集当前电磁信号。

S120、将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果。

干扰信号检测模型用于通过当前时刻各检测位置的当前电流信号和当前电磁信号，确定各检测位置是否存在干扰信号。干扰信号检测模型的输入数据为各检测位置的当前电流信号和当前电磁信号。干扰信号检测模型的输出结果为各检测位置的干扰信号的检测结果。目标干扰检测结果可以为检测位置是否存在干扰信号的结果。可选的，目标干扰结果可以包括当前时刻干扰检测结果。其中，当前时刻干扰检测结果可以为当前时刻检测位置的干扰信号的检测结果。可以理解为，在检测位置，当前时刻是否存在干扰信号。

在本发明一个可选实施例中，目标干扰检测结果还包括未来时刻干扰检测结果，未来时刻是当前时刻的相邻下一时刻。

未来时刻干扰检测结果可以为未来时刻检测位置的干扰信号的预测结果。可以理解为，在检测位置，未来时刻是否存在干扰信号。其中，未来时刻可以为当前时刻的相邻下一时刻。

本方案相较于只能在干扰信号发生之后才能确定检测位置是否存在干扰信号，干扰信号的检测存在滞后性，本方案在当前时刻干扰检测结果的基础上，引入了未来时刻干扰检测结果，实现了基于各检测位置的当前电流信号和当前电磁信号，对未来时刻的干扰信号的预测，可以及时对信号机械室中的干扰信号进行预警，进一步提高了信号机械室中设备运行和铁路设备控制的安全性和稳定性。

具体的，可以将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果。

本发明实施例的技术方案，通过获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号，将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果，解决了现有技术的干扰信号检测方法，需要提前预知电磁信号的特征，以确定合适的电磁信号的阈值线，但是，由于信号机械室内环境的复杂性和不确定性，电磁信号的阈值线难以精准确定的问题，基于当前电流信号和当前电磁信号，进行信号机械室的干扰信号检测，增加了干扰信号检测的输入数据的数量，从数据源的角度上，提高了干扰信号检测的准确性，同时，还引入了干扰信号检测模型，提高了干扰信号检测的效率、准确性和鲁棒性。

实施例二

图2为本发明实施例二提供的一种模型训练方法的流程图。本发明实施例可适用于对干扰信号检测模型进行训练的情况，该方法可以由模型训练装置来执行，该模型训练装置可以采用硬件和/或软件的形式实现，该模型训练装置可配置于承载模型训练功能的电子设备中，例如信号机械室的监测设备中。

参见图2所示的模型训练方法，包括：

S210、获取训练样本；其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果；其中，历史电流信号为历史时刻对应的电流信号；历史电磁信号为历史时刻对应的电磁信号。

训练样本可以为对干扰信号检测模型进行训练所依据的样本。历史电流信号可以为历史时刻对应的电流信号。历史电磁信号为历史时刻对应的电磁信号。样本实际检测结果可以为各检测位置的历史干扰信号的真值。样本实际检测结果可以用于作为干扰信号检测模型的调参依据。

具体的，可以通过信号机械室中的监测设备，获取信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果，确定为训练样本。

S220、将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果。

样本干扰检测结果为各检测位置是否存在干扰信号的模型检测结果。可选的，样本干扰检测结果可以包括第一历史时刻干扰检测结果。第一时刻样本干扰检测结果可以为历史时刻检测位置的干扰信号的检测结果。可以理解为，在检测位置，历史时刻是否存在干扰信号。

具体的，可以将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果。

S230、根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练。其中，干扰信号检测模型可以本发明任一实施例所述的干扰信号检测方法。

具体的，可以根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，计算损失值。可以以损失值最小或收敛为目标，调整干扰信号检测模型的参数。干扰信号检测模型训练完成，可以用于检测干扰信号。

在本发明一个可选实施例中，样本实际检测结果包括第一历史时刻实际检测结果；在获取训练样本集合中的训练样本之前，还包括：获取至少一个检测位置的历史电流信号和历史电磁信号；对历史电流信号进行特征分析，得到历史电流信号的信号类型和信号类型对应的至少一个特征量；针对历史电流信号的各信号类型，在信号类型对应的各特征量均满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为异常；针对历史电流信号的各信号类型，在信号类型对应的任一特征量不满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为正常；对历史电磁信号进行特征分析，得到历史电磁信号的至少一个特征量；在历史电磁信号的各特征量均满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为异常；在历史电磁信号的任一特征量不满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为正常；将至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的第一历史时刻实际检测结果，确定为第一训练样本，并添加至训练样本中。

历史电流信号的信号类型可以包括电流波动信号和大电流信号。示例性的，电流波动信号可以为汇流排、接地排、接地线和地网等检测位置获取的历史电流信号。大电流信号可以为雷电电网处获取的历史电流信号。特征量可以用于表征历史电流信号或历史电磁信号的信号特征。示例性的，历史电流信号的信号类型对应的特征量可以包括波形变化等。其中，波形变化可以包括上升沿宽度、下降沿宽度和持续时间等。示例性的，历史电磁信号的特征量可以包括幅值和频段等。干扰信号条件可以用于检测某一信号类型的历史电流信号或历史电磁信号是否为干扰信号。不同信号类型的历史电流信号或历史电磁信号，特征量对应的干扰信号条件不同。特征量与干扰信号条件一一对应。第一历史时刻实际检测结果为异常，可以理解为，在检测位置，历史时刻存在干扰信号。第一历史时刻实际检测结果为异常，可以理解为，在检测位置，历史时刻不存在干扰信号。第一训练样本可以为检测历史时刻是否存在干扰信号所依据的样本。

具体的，在获取训练样本集合中的训练样本之前，可以通过监测设备，获取至少一个检测位置的历史电流信号和历史电磁信号。可以对历史电流信号的波形进行特征分析，得到历史电流信号的信号类型和信号类型对应的至少一个特征量。可以针对历史电流信号的各信号类型，在信号类型对应的各特征量均满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为异常。可以针对历史电流信号的各信号类型，在信号类型对应的任一特征量不满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为正常。可以对历史电磁信号的频段和幅值进行特征分析，得到历史电磁信号的至少一个特征量。可以在历史电磁信号的各特征量均满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为异常。可以在历史电磁信号的任一特征量不满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为正常。可以将至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的第一历史时刻实际检测结果，确定为第一训练样本，并添加至训练样本中。

本方案引入了对历史电流信号进行特征分析，基于历史电流信号的信号类型、信号类型对应的特征量以及特征量相应干扰信号条件，确定了历史电流信号对应的检测位置的第一历史时刻实际检测结果；同时，通过对历史电磁信号进行分析，基于历史电磁信号的各特征量和各特征量相应干扰条件，确定了历史电磁信号对应的检测位置的第一历史时刻实际检测结果，实现了对第一历史实际检测结果的确定，提高了基于第一历史实际检测结果所训练的干扰信号检测模型的准确度。

在本发明一个可选实施例中，样本干扰检测结果还包括第二历史时刻干扰检测结果；样本实际检测结果还包括第二历史时刻实际检测结果；第一历史时刻在第二历史时刻之前。

第一历史时刻在第二历史时刻之前。第二历史时刻干扰检测结果可以为历史时刻之后的其他时刻检测位置的干扰信号的检测结果。可以理解为，在检测位置，历史时刻之后的其他时刻是否存在干扰信号。

可选的，在确定为第一训练样本之后，还可以获取第二历史时刻的至少一个检测位置的历史电流信号和历史电磁信号。对第二历史时刻的历史电流信号进行特征分析，得到第二历史时刻的历史电流信号的信号类型和信号类型对应的至少一个特征量。针对第二历史时刻的历史电流信号的各信号类型，在信号类型对应的各特征量均满足相应干扰信号条件时，确定第二历史时刻的历史电流信号对应的检测位置的第二历史时刻实际检测结果为异常。针对历史电流信号的各信号类型，在信号类型对应的任一特征量不满足相应干扰信号条件时，确定第二历史时刻的历史电流信号对应的检测位置的第二历史时刻实际检测结果为正常。对第二历史时刻的历史电磁信号进行特征分析，得到第二历史时刻的历史电磁信号的至少一个特征量。在第二历史时刻的历史电磁信号的各特征量均满足相应干扰信号条件时，确定第二历史时刻的历史电磁信号对应的检测位置的第二历史时刻实际检测结果为异常。在第二历史时刻的历史电磁信号的任一特征量不满足相应干扰信号条件时，确定第二历史时刻的历史电磁信号对应的检测位置的第二历史时刻实际检测结果为正常。将各检测位置的第二历史时刻实际检测结果，确定为第一历史时刻的对应的各检测位置的历史时刻实际预测结果。将第一历史时刻的对应的各检测位置的历史时刻实际预测结果，确定为第二训练样本，并添加至训练样本中。

本方案引入了第二历史时刻干扰检测结果和第二历史时刻实际检测结果，基于第一历史时刻的历史电流信号和历史电磁信号，实现了第一历史时刻之后的干扰信号检测，也即实现了干扰信号的预测，相较于只能在干扰信号发生之后才能确定检测位置是否存在干扰信号，干扰信号的检测存在滞后性，本方案在当前时刻干扰检测结果的基础上，引入了未来时刻干扰检测结果，实现了基于各检测位置的当前电流信号和当前电磁信号，对未来时刻的干扰信号的预测，可以及时对信号机械室中的干扰信号进行预警，进一步提高了信号机械室中设备运行和铁路设备控制的安全性和稳定性。

本发明实施例的技术方案，通过获取训练样本，其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果，将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果，其中，样本干扰检测结果包括第一历史时刻干扰检测结果，根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练，实现了对干扰信号检测模型的训练，提高了干扰信号检测的效率、准确性和鲁棒性。

实施例三

图3为本发明实施例三提供的一种干扰信号检测模型训练方法的流程图。图3为本发明的一种优选实施例。

参见图3所示的干扰信号检测模型训练方法，包括：

S310、通过对监测设备输出的历史时刻的监测数据进行大数据分析，筛选出引起故障的数据并进行标注，得到训练样本。

其中，检测设备输出的历史时刻的监测数据可以包括历史电流信号和历史电磁信号。筛选出引起故障的数据并进行标注，可以理解为，确定各检测位置的样本实际检测结果。

具体的，可以通过监测设备收集的历史时刻的监测数据。其中，监测设备包括历史电流信号和历史电磁信号。可以通过预安装的监测设备，对监测数据进行特征分析，得到检测数据的特征量。经过一段时间之后，可以得到大量的不同历史时刻的监测数据。这些数据中有正常的监测数据，也包含一些可能引起故障或已经引起故障的监测数据。这些数据将作为大数据分析的源数据。图4为样本实际检测结果确定方法的场景图。如图4所示，可以对历史时刻的监测数据进行大数据分析，得到各检测位置的样本实际检测结果。其中，样本实际检测结果可以包括正常、可疑和异常。其中，可疑可以为干扰信号检测模型的预测结果为异常。

S320、将训练样本输入到干扰信号检测模型中，得到干扰信号检测模型。

其中，干扰信号检测模型可以对干扰信号进行检测和预测。示例性的，干扰信号检测模型可以为卷积神经网络模型。

具体的，可以将训练样本输入到干扰信号检测模型中，得到样本干扰检测结果。根据样本实际检测结果和样本干扰检测结果之间的差异，计算损失值。可以以损失值最小或收敛为目标，对干扰信号检测模型进行训练。由此，生成干扰信号检测模型。可选的，图5为干扰信号检测模型训练方法的原理图。在将训练样本输入到干扰信号检测模型中，得到干扰信号检测模型之前，可以对监测数据先进行清洗、转换、分析和标注，得到各检测位置的样本实际检测结果。在干扰信号检测模型训练完成之后，可以将干扰信号检测模型导入监测设备中，从而对当前时刻的检测数据进行干扰信号检测。

S330、持续获取新的信号数据，并对干扰信号检测模型进行更新和迭代。

其中，新的信号数据可以包括当前电流信号、当前电磁信号和对应的实际检测结果。

通过干扰信号检测模型，可以提前感知干扰信号的出现，达到提前预警的目的，通过持续更新干扰信号检测模型，形成数据流闭环，提高预测模型的准确性。

实施例四

图6为本发明实施例四提供的一种干扰信号检测装置的结构示意图。本发明实施例可适用于对信号机械室进行干扰信号检测的情况，该装置可以执行干扰信号检测方法，该装置可以采用硬件和/或软件的形式实现，该装置可配置于承载干扰信号检测功能的电子设备中，例如信号机械室的监测设备中。

参见图6所示的干扰信号检测装置，包括：当前信号获取模块610和当前检测结果确定模块620。其中，当前信号获取模块610，用于获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，当前电流信号为当前时刻对应的电流信号；当前电磁信号为当前时刻对应的电磁信号；当前检测结果确定模块620，用于将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的当前干扰信号检测结果。

本发明实施例的技术方案，通过获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号，将各检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各检测位置的目标干扰检测结果，干扰检测结果包括当前时刻干扰检测结果，解决了现有技术的干扰信号检测方法，需要提前预知电磁信号的特征，以确定合适的电磁信号的阈值线，但是，由于信号机械室内环境的复杂性和不确定性，电磁信号的阈值线难以精准确定的问题，基于当前电流信号和当前电磁信号，进行信号机械室的干扰信号检测，增加了干扰信号检测的输入数据的数量，从数据源的角度上，提高了干扰信号检测的准确性，同时，还引入了干扰信号检测模型，提高了干扰信号检测的效率、准确性和鲁棒性。

在本发明一个可选实施例中，目标干扰检测结果还包括未来时刻干扰检测结果，未来时刻是当前时刻的相邻下一时刻。

在本发明一个可选实施例中，当前信号获取模块610，包括：当前电流信号获取单元，用于获取信号机械室中至少一个第一检测位置的当前电流信号；其中，第一检测位置包括接地排、接地线、地网和雷电接地网；当前电磁信号获取单元，用于获取信号机械室中至少一个第二检测位置的当前电磁信号；其中，第二检测位置包括空间电磁环境。

本发明实施例所提供的干扰信号检测装置可执行本发明任意实施例所提供的干扰信号检测方法，具备执行方法相应的功能模块和有益效果。

实施例五

图7为本发明实施例五提供的一种模型训练装置的结构示意图。本发明实施例可适用于对干扰信号检测模型进行训练的情况，该装置可以执行模型训练方法，该装置可以采用硬件和/或软件的形式实现，该装置可配置于承载模型训练功能的电子设备中，例如信号机械室的监测设备中。

参见图7所示的模型训练装置，包括：训练样本获取模块710、历史检测结果确定模块720和模型训练模块730。其中，训练样本获取模块710，用于获取训练样本；其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果；其中，历史电流信号为历史时刻对应的电流信号；历史电磁信号为历史时刻对应的电磁信号；历史检测结果确定模块720，用于将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果；模型训练模块730，用于根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练；样本干扰检测结果包括第一历史时刻干扰检测结果；其中，干扰信号检测模型可以实现本发明任一实施例的干扰信号检测方法。

本发明实施例的技术方案，通过获取训练样本，其中，训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的样本实际检测结果，将训练样本输入至干扰信号检测模型中，得到各检测位置的样本干扰检测结果，其中，样本干扰检测结果包括第一历史时刻干扰检测结果，根据检测位置的样本干扰检测结果和对应的样本实际检测结果之间的差异，对干扰信号检测模型进行训练，实现了对干扰信号检测模型的训练，提高了干扰信号检测的效率、准确性和鲁棒性。

在本发明一个可选实施例中，样本实际检测结果包括第一历史时刻实际检测结果；模型训练装置，还包括：历史信号获取模块，用于在获取训练样本集合中的训练样本之前，获取至少一个检测位置的历史电流信号和历史电磁信号；第一特征分析模块，用于对历史电流信号进行特征分析，得到历史电流信号的信号类型和信号类型对应的至少一个特征量；第一实际结果确定模块，用于针对历史电流信号的各信号类型，在信号类型对应的各特征量均满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为异常；第二实际结果确定模块，用于针对历史电流信号的各信号类型，在信号类型对应的任一特征量不满足相应干扰信号条件时，确定历史电流信号对应的检测位置的第一历史时刻实际检测结果为正常；第二特征分析模块，用于对历史电磁信号进行特征分析，得到历史电磁信号的至少一个特征量；第三实际结果确定模块，用于在历史电磁信号的各特征量均满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为异常；第四实际结果确定模块，用于在历史电磁信号的任一特征量不满足相应干扰信号条件时，确定历史电磁信号对应的检测位置的第一历史时刻实际检测结果为正常；第一训练样本生成模块，用于将至少一个检测位置的历史电流信号、历史电磁信号和各检测位置对应的第一历史时刻实际检测结果，确定为第一训练样本，并添加至训练样本中。

在本发明一个可选实施例中，样本干扰检测结果还包括第二历史时刻干扰检测结果；样本实际检测结果还包括第二历史时刻实际检测结果；第一历史时刻在第二历史时刻之前。

本发明实施例所提供的模型训练装置可执行本发明任意实施例所提供的模型训练方法，具备执行方法相应的功能模块和有益效果。

本发明实施例的技术方案中，所涉及的信号机械室中至少一个检测位置的当前电流信号、当前电磁信号、第一检测位置的当前电流信号、第二检测位置的当前电磁信号、训练样本、至少一个检测位置的历史电流信号和历史电磁信号等的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

实施例六

图8示出了可以用来实施本发明的实施例的电子设备800的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图8所示，电子设备800包括至少一个处理器801，以及与至少一个处理器801通信连接的存储器，如只读存储器(ROM)802、随机访问存储器(RAM)803等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器801可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。处理器801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器801可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器801执行上文所描述的各个方法和处理，例如干扰信号检测方法或模型训练方法。

在一些实施例中，干扰信号检测方法或模型训练方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM803并由处理器801执行时，可以执行上文描述的干扰信号检测方法或模型训练方法的一个或多个步骤。备选地，在其他实施例中，处理器801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行干扰信号检测方法或模型训练方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS(VirtualPrivate Server，虚拟专用服务器)服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种干扰信号检测方法，其特征在于，包括：

获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，所述当前电流信号为当前时刻对应的电流信号；所述当前电磁信号为所述当前时刻对应的电磁信号；

将各所述检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各所述检测位置的目标干扰检测结果，所述干扰检测结果包括当前时刻干扰检测结果。

2.根据权利要求1所述的方法，其特征在于，所述目标干扰检测结果还包括未来时刻干扰检测结果，所述未来时刻是所述当前时刻的相邻下一时刻。

3.根据权利要求1所述的方法，其特征在于，所述获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号，包括：

获取信号机械室中至少一个第一检测位置的当前电流信号；其中，所述第一检测位置包括接地排、接地线、地网和雷电接地网；

获取信号机械室中至少一个第二检测位置的当前电磁信号；其中，所述第二检测位置包括空间电磁环境。

4.一种模型训练方法，其特征在于，包括：

获取训练样本；其中，所述训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各所述检测位置对应的样本实际检测结果；其中，所述历史电流信号为历史时刻对应的电流信号；所述历史电磁信号为历史时刻对应的电磁信号；

将所述训练样本输入至干扰信号检测模型中，得到各所述检测位置的样本干扰检测结果；其中，所述样本干扰检测结果包括第一历史时刻干扰检测结果；

根据所述检测位置的所述样本干扰检测结果和对应的所述样本实际检测结果之间的差异，对所述干扰信号检测模型进行训练；

其中，所述干扰信号检测模型可以实现权利要求1-3中任一项所述的干扰信号检测方法。

5.根据权利要求4所述的方法，其特征在于，所述样本实际检测结果包括第一历史时刻实际检测结果；

在获取训练样本集合中的训练样本之前，还包括：

获取至少一个检测位置的历史电流信号和历史电磁信号；

对所述历史电流信号进行特征分析，得到所述历史电流信号的信号类型和所述信号类型对应的至少一个特征量；

针对所述历史电流信号的各所述信号类型，在所述信号类型对应的各所述特征量均满足相应干扰信号条件时，确定所述历史电流信号对应的检测位置的第一历史时刻实际检测结果为异常；

针对所述历史电流信号的各所述信号类型，在所述信号类型对应的任一所述特征量不满足相应干扰信号条件时，确定所述历史电流信号对应的检测位置的第一历史时刻实际检测结果为正常；

对所述历史电磁信号进行特征分析，得到所述历史电磁信号的至少一个特征量；

在所述历史电磁信号的各所述特征量均满足相应干扰信号条件时，确定所述历史电磁信号对应的检测位置的第一历史时刻实际检测结果为异常；

在所述历史电磁信号的任一所述特征量不满足相应干扰信号条件时，确定所述历史电磁信号对应的检测位置的第一历史时刻实际检测结果为正常；

将至少一个所述检测位置的历史电流信号、历史电磁信号和各所述检测位置对应的第一历史时刻实际检测结果，确定为第一训练样本，并添加至训练样本中。

6.根据权利要求5所述的方法，其特征在于，所述样本干扰检测结果还包括第二历史时刻干扰检测结果；所述样本实际检测结果还包括第二历史时刻实际检测结果；所述第一历史时刻在所述第二历史时刻之前。

7.一种干扰信号检测装置，其特征在于，包括：

当前信号获取模块，用于获取信号机械室中至少一个检测位置的当前电流信号和当前电磁信号；其中，所述当前电流信号为当前时刻对应的电流信号；所述当前电磁信号为所述当前时刻对应的电磁信号；

当前检测结果确定模块，用于将各所述检测位置的当前电流信号和当前电磁信号输入至预先训练好的干扰信号检测模型中，得到各所述检测位置的当前干扰信号检测结果。

8.一种模型训练装置，其特征在于，包括：

训练样本获取模块，用于获取训练样本；其中，所述训练样本包括信号机械室中至少一个检测位置的历史电流信号、历史电磁信号和各所述检测位置对应的样本实际检测结果；其中，所述历史电流信号为历史时刻对应的电流信号；所述历史电磁信号为历史时刻对应的电磁信号；

历史检测结果确定模块，用于将所述训练样本输入至干扰信号检测模型中，得到各所述检测位置的样本干扰检测结果；

模型训练模块，用于根据所述检测位置的所述样本干扰检测结果和对应的所述样本实际检测结果之间的差异，对所述干扰信号检测模型进行训练；所述样本干扰检测结果包括第一历史时刻干扰检测结果；

其中，所述干扰信号检测模型可以实现如权利要求1-3中任一项所述的干扰信号检测方法。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的干扰信号检测方法或权利要求4-6中任一项所述的模型训练方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-3中任一项所述的干扰信号检测方法或权利要求4-6中任一项所述的模型训练方法。