[发明专利]针对光变曲线在线分析及异常报警的方法及系统

权利要求书

1.一种针对光变曲线在线分析及异常报警的方法，其特征在于，包括：

获取待分析星体的光变曲线，其中，所述光变曲线为由所述星体按时间先后顺序在一定时间范围内各时刻的多个光亮度组成的光亮度序列；

对于所述光变曲线中的每个样本点，计算该样本点对应的长时间窗口与短时间窗口的特征统计量，并根据所述特征统计量计算预设的归一化变量的值，将所述归一化变量的值代入预设的判别函数计算得到对应的判别函数值，根据所述判别函数值判断是否需要将所述光变曲线与预设的一系列模板曲线进行匹配，若需要将所述光变曲线与所述模板曲线进行匹配，则将所述光变曲线进行归一化后，将归一化后的光变曲线与所述模板曲线进行匹配，并使用动态时间规整算法计算所述归一化后的光变曲线与每一条模板曲线之间的差异度，若判断获知存在一个差异度小于指定阈值，则触发报警，否则不触发报警；其中，所述预设的判别函数能够用于计算归一化变量与预设的期望值的偏差程度；

所述计算该样本点对应的长时间窗口与短时间窗口的特征统计量，包括：

计算该样本点对应的长时间窗口内样本点特征值的均值和方差，以及该样本点对应的短时间窗口内样本点特征值的均值，其中，该样本点对应的长时间窗口为该样本点对应的时刻及该时刻前L-1个时刻对应的样本点组成的点集，该样本点对应的短时间窗口为该样本点对应的时刻及该时刻前S-1个时刻对应的样本点组成的点集，L和S均为大于1的整数，且LS；其中，所述特征值为亮度值或基于分层时序记忆的算法判断的数据点的异常值；

所述光变曲线的采样间隔为15秒，L＝2000，S＝40；

所述基于分层时序记忆的算法判断的数据点的异常值为HTM异常值S_t，其中，所述HTM异常值的计算公式为Π(x_t)为HTM对对应时刻所述待分析星体光亮度的预测值的稀疏向量表示，a(x_t)为对应时刻所述待分析星体光亮度的实际测量值的稀疏向量表示，·表示向量的内积运算，||a(x_t)||₀为a(x_t)的0范数；

所述根据所述特征统计量计算预设的归一化变量的值，包括：

计算所述归一化变量的值N_t，计算公式为其中，μ_t为该样本点对应的长时间窗口内样本点特征值的均值，为该样本点对应的长时间窗口内样本点特征值的方差，为该样本点对应的短时间窗口内样本点特征值的均值。

2.根据权利要求1所述的方法，其特征在于，所述获取待分析星体的光变曲线，包括：

获取所述待分析星体的巡天图像，通过对所述巡天图像进行点源提取、交叉认证处理，得到所述光变曲线。

3.根据权利要求1所述的方法，其特征在于，所述判别函数的表达式为：其中，

4.根据权利要求1所述的方法，其特征在于，所述根据所述判别函数值判断是否需要将所述光变曲线与预设的一系列模板曲线进行匹配，包括：

若所述特征值为光亮度，则若判断获知所述判别函数值小于第一数值或大于第二数值时确定需要将所述光变曲线与所述模板曲线进行匹配，否则，则确定不需要将所述光变曲线与所述模板曲线进行匹配，其中，所述第一数值与第二数值的和为1；或者

若所述特征值为HTM异常值，则若判断获知所述判别函数值小于第三数值时确定需要将所述光变曲线与所述模板曲线进行匹配，否则，则确定不需要将所述光变曲线与所述模板曲线进行匹配。

5.根据权利要求4所述的方法，其特征在于，所述第一数值和第三数值为0.05，所述指定阈值为0.5。

6.一种针对光变曲线在线分析及异常报警的系统，其特征在于，包括：

获取单元，用于获取待分析星体的光变曲线，其中，所述光变曲线为由所述星体按时间先后顺序在一定时间范围内各时刻的多个光亮度组成的光亮度序列；

处理单元，用于对于所述光变曲线中的每个样本点，计算该样本点对应的长时间窗口与短时间窗口的特征统计量，并根据所述特征统计量计算预设的归一化变量的值，将所述归一化变量的值代入预设的判别函数计算得到对应的判别函数值，根据所述判别函数值判断是否需要将所述光变曲线与预设的一系列模板曲线进行匹配，若需要将所述光变曲线与所述模板曲线进行匹配，则将所述光变曲线进行归一化后，将归一化后的光变曲线与所述模板曲线进行匹配，并使用动态时间规整算法计算所述归一化后的光变曲线与每一条模板曲线之间的差异度，若判断获知存在一个差异度小于指定阈值，则触发报警，否则不触发报警；其中，所述预设的判别函数能够用于计算归一化变量与预设的期望值的偏差程度；

所述处理单元，用于：

计算该样本点对应的长时间窗口内样本点特征值的均值和方差，以及该样本点对应的短时间窗口内样本点特征值的均值，其中，该样本点对应的长时间窗口为该样本点对应的时刻及该时刻前L-1个时刻对应的样本点组成的点集，该样本点对应的短时间窗口为该样本点对应的时刻及该时刻前S-1个时刻对应的样本点组成的点集，L和S均为大于1的整数，且LS；其中，所述特征值为亮度值或基于分层时序记忆的算法判断的数据点的异常值；

所述光变曲线的采样间隔为15秒，L＝2000，S＝40；

所述基于分层时序记忆的算法判断的数据点的异常值为HTM异常值S_t，其中，所述HTM异常值的计算公式为Π(x_t)为HTM对对应时刻所述待分析星体光亮度的预测值的稀疏向量表示，a(x_t)为对应时刻所述待分析星体光亮度的实际测量值的稀疏向量表示，·表示向量的内积运算，||a(x_t)||₀为a(x_t)的0范数；

所述处理单元，用于：

计算所述归一化变量的值N_t，计算公式为其中，μ_t为该样本点对应的长时间窗口内样本点特征值的均值，为该样本点对应的长时间窗口内样本点特征值的方差，为该样本点对应的短时间窗口内样本点特征值的均值。