[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

摘要

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。

主权项

1.一种基于时域全局相似度的多通道测量数据自动筛选方法，其特征在于，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；步骤11，读取多通道测量系统的测量数据，然后对原始数据进行预处理，从而去除噪声以及不同通道指标或量纲的影响，完成对原始数据的预处理；步骤11包括两个处理过程：(1)、滤波记第i个测量通道对某个事件m采集的时间序列信号为S_mi，根据所研究的问题，对原始信号进行滤波F₁，消除噪声及无关因素的影响，滤波后的信号记为S′_mi，假设共有N个测量通道，P个事件，则：其中事件指的是多通道测量系统对同一个物体或过程的一次测量或监测，同一个事件中各测量通道的数据具有一定关联性；(2)、向量归一化将各通道的信号分别进行归一化F₂，消除不同通道指标或量纲的影响，归一化后的信号记为S″_mi，即S″_mi＝F₂(S′_mi)；步骤12，从经过预处理的信号中，提取样本的特征及进行标记；步骤12包括四个处理过程：(1)、从经过预处理的数据中，提取样本；每一个样本是从对同一个事件的多道测量信号中，选取两道独立信号组合而成的，对于第m个事件的测量数据，从经过步骤11数据预处理过程的信号中，选取任意两道信号S″_mi及S″_mj作为一个样本的原始数据，记为通道数为N的多通道测量系统对于一个事件的测量数据，可以组合出个样本；(2)、提取样本的标记将组合成一个样本的两个信号S″_mi与S″_mj的相似性关系作为样本的标记分为相似与不相似两类，即或‑1；(3)、提取样本的特征采用距离函数D_k作为相似性度量，将组合成一个样本的两个信号S″_mi与S″_mj的相似性度量作为样本的特征，记第k个样本特征为使用多个距离函数，可以提高特征空间的维度，从而将样本映射到一个合适的高纬度特征空间，进而在特征空间内对信号之间的相似性进行二分类，假设共采用了M个距离函数，则：(4)、特征归一化为了增加训练样本的数目，提高模型的精确度，可以将从不同的事件中提取的样本组合成训练集，将不同的事件放在一起比较时，需要消除不同事件的指标或者量纲影响，对特征进行归一化F₃，归一化后的特征记为则步骤13，根据标记样本，进行模型选择，得到最终分类器；采用支持向量机或神经网络模型基于步骤12中提取的样本特征进行筛选器训练，得到需要的初级筛选器；步骤14，利用训练集和测试集对步骤13中获得的初级筛选器进行评估和优化，最终得到具有高准确率和稳定性的筛选器；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21，获取某个多通道测量数据后，选取其中两个通道测量数据作为输入数据；步骤22，将数据输入步骤14中得到的筛选器，筛选器给出筛选结果标签其中代表两通道数据相似，代表两通道数据不相似；步骤23，对于同一事件或过程的多通道信号，TDGS筛选器判定相似的信号为“两道好信号”，而不相似的信号可能为“坏信号与好信号”或者“坏信号与坏信号”，通过反复进行通道间的两两对比，即可以认定与其他信号均不相似的信号为坏道，TDGS方法从不相似的样本集合B中选择出下标X，满足：则信号S_nX为坏道。