[發明專利]一種基于離群點檢測的超高次諧波發射信號檢測方法

有效

• 申請號: 202110277704.3
• 申請日: 2021-03-15
• 公開（公告）號: CN112633427B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 周群;周慧;桂澤森;劉雪山;賀明智;翟義然
• 申請（專利權）人: 四川大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G01R23/167
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 羅江

1.一種基于離群點檢測的超高次諧波發射信號檢測方法，其特征在于：包括以下步驟：

一、輸入數據并進行數據預處理；

二、確定概率分布模型：計算預處理后數據集的峰度與偏度，獲得數據集的概率分布模型，確定離群點檢測閾值，提取大于閾值范圍的數據集N；

三、DBSCAN離群點檢測，包括：

3.1)、參數確定：根據輸入數據集N計算出距離分布矩陣DIST_n×n，將DIST_n×n中每行按照升序排序，得到矩陣KNN_n×n，其中矩陣KNN_n×n的第i列表示距離每個數據點最近的第i個距離值的集合；將KNN_n×n矩陣每列升序排列，得到k-dist圖；根據k-dist曲線中斜率變化自適應確定半徑取值；

3.2)、根據斜率變化自適應確定聚類鄰域半徑Eps，包括：

a、計算各點斜率并去除斜率為零的計算結果，得到數據集Q；

b、計算數據集Q的偏度與峰度，確定其概率分布類型；

c、若數據集Q為正態分布，取第一個大于平均值與標準差之和的數據點所對應的距離值作為半徑；若數據集Q為偏態分布，取第一個大于中位數與2倍絕對中位偏差之和的點所對應的距離值作為半徑；

3.3)、確定最小聚類點數MinPts；

3.4)、DBSCAN算法計算：DBSCAN通過檢查數據集中每點的Eps鄰域來搜索簇，如果點P的Eps鄰域包含的點數多于MinPts，則創建一個以P為核心對象的簇，然后DBSCAN迭代地聚集從這些核心對象直接密度可達與密度可達的對象；當沒有新的點添加到任何簇時算法結束；

四、檢測效果分析：通過超高次諧波檢測率指標來衡量信號檢測情況。

2.根據權利要求1所述的一種基于離群點檢測的超高次諧波發射信號檢測方法，其特征在于：步驟一中，數據預處理是：首先利用橢圓型數字濾波器濾除2kHz以下的低次諧波，其次對余下包含超高次諧波發射信號的測量數據進行傅里葉變換。

3.根據權利要求2所述的一種基于離群點檢測的超高次諧波發射信號檢測方法，其特征在于：步驟二中，偏度是反映總體分布非對稱或偏移性的一種度量，當偏度為正，表示呈右偏分布，當偏度為負，表示呈左偏分布；峰度反映總體分布密度函數在眾數附近“峰”的尖削程度，正態分布的峰度為0；其偏度β₁、峰度β₂定義如下式所示：

其中m_n,k(k＝2,3,4)為總體的k階中心距，n為樣本量；X₁，X₂，……，X_n是從總體X中抽取的n個樣本；表示取樣本平均值；

提出假設H₀：X是正態分布數據總體，H₁：X不是正態分布數據總體；

u₁＝β₁/σ₁；

u₂＝(β₂-μ₂)/σ₂；

式中：σ₁，σ₂分別表示樣本偏度標準差與樣本峰度標準差，u₁，u₂為偏度、峰度統計量的值；當|u₁|，|u₂|值大時，就會拒絕H₀；z為檢驗統計量，取顯著性檢驗水平α＝0.1，z_α/4表示檢驗臨界值，則H₀的拒絕域為：

|u₁|＝|β₁/σ₁|≥z_α/4＝1.96；

|u₂|＝|(β₂-μ₂)/σ₂|≥z_α/4＝1.96；

當結果大于1.96時，即證明數據不滿足正態分布，進一步根據偏度值的正負判斷屬于右/左偏分布；對一組數據從小到大排序，找出中位數，將所得的中位數與每一項原始數據求差得絕對值，再對求得的絕對值求出中位數即MAD，閾值為原數據的中位數與2倍MAD的和，對于單變量數據集X₁，X₂,…，X_n，計算公式如下式所示：

MAD＝median(|X_i-median(X)|)；

T＝median(X)+2MAD；

其中1≤i≤n，X_i表示數據集中的原始數據，median(X)表示取數據集的中位數，T為檢測閾值上限；將超過T值的數據作為包含超高次諧波發射信息的點，基于此進行下一步聚類處理。