一种用于异常电路信号的检测方法及装置制造方法及图纸

本发明专利技术提供了一种用于异常电路信号的检测方法及装置，涉及电路信号的检测领域，本方法包括：获取正常信号的时域信息、正常信号的时频特征图和检测数据；对正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集；对检测数据通过预设的变换模型进行计算，得到多个连续的第二时频子图集；将所有第一时频子图集和正常信号的时频特征图输入至预设的YOLOv4目标检测模型中进行训练，得到异常电路信号检测模型；将所有第二时频子图集依次输入至异常电路信号检测模型中，得到检测数据的时频特征图。本方法一方面保证了对异常电路信号的识别准确率，另一方面提高了场景适应性，降低了环境迁移性的影响。降低了环境迁移性的影响。降低了环境迁移性的影响。

【技术实现步骤摘要】
一种用于异常电路信号的检测方法及装置


[0001]本专利技术涉及电路信号的检测领域，具体而言，涉及一种用于异常电路信号的检测方法及装置。

技术介绍

[0002]在现有技术中，现有异常电路信号检测方法主要包括以下4种：（1）基于统计学方法的异常检测：通过对电路信号的统计特征进行分析，如均值、方差、相关系数等，来判断信号是否异常；（2）基于频谱分析的异常检测：通过对电路信号的频谱进行分析，如功率谱密度、频谱特征等，来判断信号是否异常；（3）基于状态估计的异常检测：通过对电路的状态进行估计，如电压、电流等状态的估计，来判断信号是否异常；（4）基于阈值的检测：通过将异常电路信号与预先设定的阈值进行比较，若超过阈值则判定为异常信号。现有方法在面对复杂的电路系统时会出现漏检或误检的情况，受环境的迁移性影响较大，且应用的条件边界不清晰。因此亟需一种用于异常电路信号的检测方法，一方面需保证对异常电路信号的识别准确率，另一方面需提高场景适应性，降低环境迁移性的影响。

技术实现思路

[0003]本专利技术的目的在于提供一种用于异常电路信号的检测方法及装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本申请提供了一种用于异常电路信号的检测方法，所述方法包括：获取正常信号的时域信息、正常信号的时频特征图和检测数据，所述检测数据为待检测宽带信号的时域信息；对所述正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集；对所述检测数据通过预设的变换模型进行计算，得到多个连续的第二时频子图集；将所有所述第一时频子图集和所述正常信号的时频特征图输入至预设的YOLOv4目标检测模型中进行训练，得到异常电路信号检测模型；将所有所述第二时频子图集依次输入至所述异常电路信号检测模型中，得到检测数据的时频特征图，所述检测数据的时频特征图用于进行异常电路信号的分析。
[0004]第二方面，本申请还提供了一种用于异常电路信号的检测装置，所述装置包括：获取模块，用于获取正常信号的时域信息、正常信号的时频特征图和检测数据，所述检测数据为待检测宽带信号的时域信息；第一计算模块，用于对所述正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集；第二计算模块，用于对所述检测数据通过预设的变换模型进行计算，得到多个连续的第二时频子图集；
模型生成模块，用于将所有所述第一时频子图集和所述正常信号的时频特征图输入至预设的YOLOv4目标检测模型中进行训练，得到异常电路信号检测模型；检测模块，用于将所有所述第二时频子图集依次输入至所述异常电路信号检测模型中，得到检测数据的时频特征图，所述检测数据的时频特征图用于进行异常电路信号的分析。
[0005]本专利技术的有益效果为：本检测方法引入预设的变换模型，将电路信号转换为二维时频图像,并在此基础上提取时频图像的特征，设计新的YOLO检测模型,融合时频图像特征进一步提高识别性能，保证了识别准确率；此外，本方法将待检测宽带信号的时域信息进行时频变化后直接输入至新的YOLO检测模型中，提高了场景适应性，降低了环境迁移性的影响，实现了以深度神经网络模型对异常信号的特征呈现。
[0006]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0008]图1为本专利技术实施例中所述的用于异常电路信号的检测方法流程示意图;图2为本专利技术实施例中所述的用于异常电路信号的检测装置结构示意图；图3为本专利技术实施例中所述第一计算模块的结构示意图；图4为本专利技术实施例中所述的用于异常电路信号的检测设备结构示意图；图中标记：1、获取模块；2、第一计算模块；3、第二计算模块；4、模型生成模块；5、检测模块；21、第一计算单元；22、第二计算单元；211、第一获取单元；212、第一计算子单元；213、第二计算子单元；214、第三计算子单元；2141、第一处理单元；2142、第二处理单元；2143、第三处理单元；31、第三计算单元；32、第四计算单元；41、第二获取单元；42、第五计算单元；43、第六计算单元；51、第四处理单元；52、第五处理单元；53、第六处理单元；800、用于异常电路信号的检测设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
[0009]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通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，都属于本专利技术保护的范围。
[0010]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0011]实施例1：本实施例提供了一种用于异常电路信号的检测方法。
[0012]参见图1，图中示出了本方法包括步骤S1至S5，具体有：S1:获取正常信号的时域信息、正常信号的时频特征图和检测数据，所述检测数据为待检测宽带信号的时域信息；S2:对所述正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集；为明确所述第一时频子图集的具体计算，所述变换模型包括时频变换模型和分割模型，步骤S2包括S21至S22，具体有：S21:对所述正常信号的时域信息通过所述时频变换模型进行计算，得到正常信号所对应的第一时频图集；在步骤S21中，所述时频变换模型包括短时傅里叶变换模型和数据图像分析模型，步骤S21包括S211至S214，具体有：S211:获取样本的偏移量；S212:根据所述样本的偏移量对预设的窗函数进行调整，得到调整后的窗函数；S213:对所述正常信号的时域信息和所述调整后的窗函数通过所述短时傅里叶变换模型进行计算，得到正常信号所对应的初始时频图集；在步骤S213中，由于需要处理的相关信号是离散数据，因此本步骤引入短时傅里叶变换模型。即首先对待处理信号进行分块处理，分别对每一块进行傅里叶变换，最终得到的合成结果放置在矩阵中，其包含每一个时间点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于异常电路信号的检测方法，其特征在于，包括：获取正常信号的时域信息、正常信号的时频特征图和检测数据，所述检测数据为待检测宽带信号的时域信息；对所述正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集；对所述检测数据通过预设的变换模型进行计算，得到多个连续的第二时频子图集；将所有所述第一时频子图集和所述正常信号的时频特征图输入至预设的YOLOv4目标检测模型中进行训练，得到异常电路信号检测模型；将所有所述第二时频子图集依次输入至所述异常电路信号检测模型中，得到检测数据的时频特征图，所述检测数据的时频特征图用于进行异常电路信号的分析。2.根据权利要求1所述的用于异常电路信号的检测方法，其特征在于，对所述正常信号的时域信息通过预设的变换模型进行计算，得到多个连续的第一时频子图集，所述变换模型包括时频变换模型和分割模型，包括：对所述正常信号的时域信息通过所述时频变换模型进行计算，得到正常信号所对应的第一时频图集；对所述第一时频图集通过所述分割模型进行分割，得到多个连续的第一时频子图集。3.根据权利要求2所述的用于异常电路信号的检测方法，其特征在于，对所述正常信号的时域信息通过所述时频变换模型进行计算，得到正常信号所对应的第一时频图集，所述时频变换模型包括短时傅里叶变换模型和数据图像分析模型，包括：获取样本的偏移量；根据所述样本的偏移量对预设的窗函数进行调整，得到调整后的窗函数；对所述正常信号的时域信息和所述调整后的窗函数通过所述短时傅里叶变换模型进行计算，得到正常信号所对应的初始时频图集；对所述正常信号所对应的初始时频图集通过所述数据图像分析模型进行计算，得到正常信号所对应的第一时频图集。4.根据权利要求3所述的用于异常电路信号的检测方法，其特征在于，对所述正常信号所对应的初始时频图集通过所述数据图像分析模型进行计算，得到正常信号所对应的第一时频图集，包括：对所述正常信号所对应的初始时频图集进行预处理，得到预处理后的初始时频图集；对所述预处理后的初始时频图集进行参数确定，得到数据图像分析参数，所述数据图像分析参数包括分析时间、分析频率和能量因子；对所述数据图像分析参数通过所述数据图像分析模型进行计算，得到正常信号所对应的第一时频图集。5.根据权利要求1所述的用于异常电路信号的检测方法，其特征在于，将所有所述第二时频子图集依次输入至所述异常电路信号检测模型中，得到检测数据的时频特征图，包括：将所述检测数据的时频特征图进行坐标确定，得到当前输入信号的多个信号坐标；将多个所述信号坐标进行预设电路信号范围的确定，得到当前电路信号范围内的置信度；当所述当前电路信号范围内的置信度大于预设置信度时，所述当前输入信号存在有异
常电路。6.一种用于异常电...

【专利技术属性】
技术研发人员：王昕，寇云峰，郭太强，李林峰，付强，
申请(专利权)人：成都新欣神风电子科技有限公司，
类型：发明
国别省市：