[发明专利]基于时域全局相似度的多通道测量数据自动筛选方法

说明书

本发明公开了一种基于时域全局相似度的多通道测量数据自动筛选方法，包括：步骤一、基于多通道测量系统的时域全局相似度对多通道数据进行自动机器学习判别；步骤二、利用多通道测量系统的时域全局相似度数据筛选方法，通过多通道测量系统中不同测量通道信号的整体相似性关系，来筛选坏道信号；步骤三、采用信号之间的多种距离定义作为信号间的相似性度量，将样本映射到一个合适的高维度特征空间；步骤四、采用滤波技术，从全局上对信号的相似性进行检测；步骤五、将从不同的事件中提取的样本组合成训练集时，采用了特征归一化方式，从而消除了不同事件的指标或者量纲影响。

技术领域

本发明属于监测与测量数据处理领域，涉及一种基于时域全局相似度的多通道测量数据自动筛选方法。

背景技术

在科学实验、工程测量或其他领域的监测和测量过程中，多采用多通道测量系统，即利用多个采集通道分别采集反映被测量和监测物体不同方面特性的数据，然后将各通道数据进行独立的传输、存储，最终对整体数据进行统一分析处理。多通道测量系统的测量数据，具有数据量大、各通道数据之间具有关联性等特点，可以通过多道间的相关性分析，探索被测物体深层次的物理特性。实际应用中，由于存在各种机械、电磁、电子学等多种因素干扰，很难保证所有通道的测量数据全部正确，多道测量数据中往往会出现一些坏道。少数坏道输出的错误测量数据，会使数据处理者对被测物体的部分特性以及特性间的相关性规律作出错误判断，进而引起对整体数据的分析结论无效。因此，在进行数据分析处理之前必须判别并剔除多道测量系统中的坏道数据，这对提高多通道测量系统的数据可信度和真实性具有重要意义。

在传统的数据处理过程中，数据处理人员往往逐条检查数据，根据经验发现并剔除坏道。这样不仅需要大量具有特定训练的人员花费大量精力、时间，还容易出现人为因素导致的误判，更不可能实现在测量完成的同时进行实时筛选提供正确数据。测量数据处理的实时性在很多情况和应用中十分重要，数据的实时处理分析可以用于对系统的自动化反馈与控制、对突发情况的自动判别与快速反应等。同时，对于一些数据量正迅速增长的领域，人工已经无法满足数据处理的要求，许多一天内积累的时间可能需要几百人人工处理上百年时间，这在实际应用中是不可能实现的。近期，机器学习和数据挖掘技术的快速发展，为自动处理实验数据奠定了良好的基础，通过机器学习，不仅可以极大提高数据处理的效率，满足大量数据的处理需求，降低大量数据处理压力，同时还能快速提供数据分析结果，实现数据处理与应用的实时性。

发明内容

本发明的目的是基于机器学习方法，提出一种基于时域全局相似度(Time-domainGlobal Similarity，TDGS)的多通道测量数据自动筛选方法，该方法可通用于多通道测量系统，自动检测多通道测量系统中存在的坏道信号。

本发明所采用的技术方案是：一种基于时域全局相似度的多通道测量数据自动筛选方法，该方法包括如下步骤：

步骤一、基于多通道测量系统的时域全局相似度对多通道数据进行自动机器学习判别，极大提高了数据处理的效率，降低了大量测量数据处理的压力；

步骤二、首次提出多通道测量系统的时域全局相似度数据筛选方法，通过多通道测量系统中不同测量通道信号的整体相似性关系，来筛选坏道信号；

步骤三、采用信号之间的多种距离定义作为信号间的相似性度量，将样本映射到一个合适的高维度特征空间，从而保证了对信号间相似性的准确分类效果；

步骤四、采用滤波技术，从全局上对信号的相似性进行检测，避免局部或小尺度噪声对信号间的全局相似性造成干扰；

步骤五、采用特征归一化方式，消除不同事件的指标或者量纲影响，进而将从不同的事件中提取的样本组合成训练集，提高了模型的精确度。

本发明首次将TDGS方法应用于磁约束聚变装置中的多通道测量系统—偏振干涉仪系统，并取得了优秀效果，具有极高应用价值。

本发明与现有技术相比的优点在于：