波形异常检测方法、装置、电子设备及存储介质

摘要

本申请涉及数据处理领域，提供了一种波形异常检测方法、装置、电子设备及存储介质，所述方法包括：获取待测时域波形数据；对待测时域波形数据进行从时域到频域的变换，得到相关系数，相关系数表征待测时域波形数据与变换中采用的参照波形之间的相关关系；基于相关系数和参照波形，得到目标波形数据；将目标波形数据输入至检测模型，得到对目标波形数据的检测结果，检测结果用于表征待测时域波形数据是否为异常波形数据；其中，检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。解决了相关技术对异常波形判断效率低的问题，实现了波形异常检测的高效性。

权利要求

1.一种波形异常检测方法，其特征在于，所述方法包括：

获取待测时域波形数据；

对所述待测时域波形数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系；

基于所述相关系数，得到目标数组，所述目标数组表征与待测时域波形数据特征关联的相关系数的集合；

在待测时域波形数据各区段下，将目标数组中不同伸缩量的小波与各区段之间相似度最高的小波系数作为各区段下的目标相关系数；

基于所述目标相关系数和参照波形，得到目标波形数据；所述目标波形数据是与待测时域波形数据的总体特征相似度超过预设阈值的合成波形数据；

将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

2.根据权利要求1所述的方法，其特征在于，所述获取待测时域波形数据，包括：获取初始时域波形数据；

基于预设截取条件，对所述初始时域波形数据进行截取，得到待测时域波形数据。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到，包括：对时域波形样本数据进行从时域到频域的变换，得到相关系数，所述相关系数表征时域波形样本数据与所述变换中采用的参照波形之间的相关关系；

基于相关系数和参照波形，得到目标波形样本数据；

将目标波形样本数据和目标波形样本数据的样本标签输入至待训练模型，对待训练模型进行训练以得到检测模型；

所述检测模型用于对待测时域波形数据是否为异常波形数据进行检测。

4.根据权利要求3所述的方法，其特征在于，所述对时域波形样本数据进行从时域到频域的变换，得到相关系数，包括：对所述时域波形样本数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

5.一种波形异常检测装置，其特征在于，所述装置包括：

第一获取单元，用于获取待测时域波形数据；

变换单元，用于对所述待测时域波形数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系；

第二获取单元，用于基于所述相关系数，得到目标数组，所述目标数组表征与待测时域波形数据特征关联的相关系数的集合；在待测时域波形数据各区段下，将目标数组中不同伸缩量的小波与各区段之间相似度最高的小波系数视为各区段下的目标相关系数；基于所述目标相关系数和参照波形，得到目标波形数据；所述目标波形数据是与待测时域波形数据的总体特征相似度超过预设阈值的合成波形数据；

检测单元，用于将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

6.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑4中任一项所述的方法。

7.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1‑4中任一项所述的方法。

说明书

波形异常检测方法、装置、电子设备及存储介质

技术领域

[0001] 本申请涉及数据处理领域，尤其涉及一种波形异常检测方法、装置、电子设备及存储介质。

背景技术

[0002] 在笔记本电脑出厂前，通常会对其电路板中关键点电信号的波形是否存在异常进行检测。相关技术主要通过人工对波形是否存在异常进行检测，效率较低。可见，如何提高波形异常检测的效率成为亟待解决的技术问题。

发明内容

[0003] 本申请提供了一种波形异常检测方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。

[0004] 本申请提供了一种波形异常检测方法，所述方法包括：

[0005] 获取待测时域波形数据；

[0006] 对待测时域波形数据进行从时域到频域的变换，得到相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系；

[0007] 基于相关系数和参照波形，得到目标波形数据；

[0008] 将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

[0009] 上述方案中，所述对待测时域波形数据进行从时域到频域的变换，得到相关系数，包括：

[0010] 对所述待测时域波形数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0011] 上述方案中，所述获取待测时域波形数据，包括：

[0012] 获取初始时域波形数据；

[0013] 基于预设截取条件，对所述初始时域波形数据进行截取，得到待测时域波形数据。

[0014] 上述方案中，所述基于相关系数和参照波形，得到目标波形数据，包括：

[0015] 基于所述相关系数，得到目标数组，所述目标数组表征与待测时域波形数据特征关联的相关系数的集合；

[0016] 基于所述目标数组和参照波形，得到目标波形数据。

[0017] 上述方案中，所述基于所述目标数组和参照波形，得到目标波形数据，包括：

[0018] 确定目标数组中的目标相关系数；

[0019] 基于所述目标相关系数和参照波形，得到目标波形数据。

[0020] 上述方案中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到，包括：

[0021] 对时域波形样本数据进行从时域到频域的变换，得到相关系数，所述相关系数表征时域波形样本数据与所述变换中采用的参照波形之间的相关关系；

[0022] 基于相关系数和参照波形，得到目标波形样本数据；

[0023] 将目标波形样本数据和目标波形样本数据的样本标签输入至待训练模型，对待训练模型进行训练以得到检测模型；

[0024] 所述检测模型用于对待测时域波形数据是否为异常波形数据进行检测。

[0025] 上述方案中，所述对时域波形样本数据进行从时域到频域的变换，得到相关系数，包括：

[0026] 对所述时域波形样本数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0027] 本申请提供了一种波形异常检测装置，所述装置包括：

[0028] 第一获取单元，用于获取待测时域波形数据；

[0029] 变换单元，用于对待测时域波形数据进行从时域到频域的变换，得到相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系；

[0030] 第二获取单元，用于基于相关系数和参照波形，得到目标波形数据；

[0031] 检测单元，用于将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

[0032] 本申请提供了一种电子设备，包括：

[0033] 至少一个处理器；以及

[0034] 与所述至少一个处理器通信连接的存储器；其中，

[0035] 所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。

[0036] 本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本申请所述的方法。

[0037] 本申请中，通过获取待测时域波形数据，对待测时域波形数据进行从时域到频域的变换，得到相关系数，相关系数表征待测时域波形数据与变换中采用的参照波形之间的相关关系，基于相关系数和参照波形，得到目标波形数据，将目标波形数据输入至检测模型，得到对目标波形数据的检测结果，以实现待测时域波形数据为异常波形数据或正常波形数据的检测。其中，检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

[0038] 本申请提供的波形数据异常或正常检测流程为一种自动实现流程，且实现简单、不繁琐，解决了相关技术对异常波形判断效率低的问题，实现了波形异常检测的高效性。

[0039] 应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

[0040] 通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：

[0041] 在附图中，相同或对应的标号表示相同或对应的部分。

[0042] 图1示出了本申请实施例波形异常检测方法的实现流程示意图一；

[0043] 图2示出了本申请实施例波形异常检测方法的实现流程示意图二；

[0044] 图3示出了本申请实施例待测时域波形数据的示意图；

[0045] 图4示出了本申请实施例小波变换示意图一；

[0046] 图5示出了本申请实施例小波变换示意图二；

[0047] 图6示出了本申请实施例检测模型的训练方法的实现流程示意图；

[0048] 图7示出了本申请实施例正常时域波形样本数据的示意图；

[0049] 图8示出了本申请实施例正常时域波形样本数据对应的目标波形样本数据的示意图；

[0050] 图9示出了本申请实施例异常时域波形样本数据的示意图；

[0051] 图10示出了本申请实施例异常时域波形样本数据对应的目标波形样本数据的示意图；

[0052] 图11示出了本申请实施例波形异常检测装置的组成结构示意图；

[0053] 图12示出了本申请实施例一种电子设备的组成结构示意图。

具体实施方式

[0054] 为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0055] 可以理解，笔记本电脑在出厂前，通常会对其电路板上关键点电信号的波形是否存在异常进行检测，如对关键点的电压波形是否存在异常进行检测。相关技术中，主要通过人工对波形是否存在异常进行检测。具体的，对波形的参数进行量测，人工核对量测到的参数是否符合规格。这种人工核对方案，需要依赖测试人员的经验，核对的效率较低。而且，通过判断参数是否符合规格来确定波形是否为异常波形，很难关注到波形的细节，容易出现漏判和误判。示例性地，对波形的最大电压和最小电压进行量测，当波形的最大电压和最小电压符合规格时，人工就会判定波形为正常波形。但当波形中存在细微异常时，人工无法察觉，即使最大电压和最小电压符合规格，该波形也存在潜在的异常风险，这样的情况下人工核对的准确率会大大降低，一定程度下也会影响波形异常检测的效率。

[0056] 本申请实施例中，通过获取待测时域波形数据，对待测时域波形数据进行从时域到频域的变换，得到相关系数，相关系数表征待测时域波形数据与变换中采用的参照波形之间的相关关系，基于相关系数和参照波形，得到目标波形数据，将目标波形数据输入至检测模型，得到对目标波形数据的检测结果，检测结果用于表征待测时域波形数据是否为异常波形数据；其中，检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。实现流程不繁琐，解决了相关技术对异常波形判断效率低的问题，实现了波形异常检测的高效性。并且，本申请提供的波形数据异常或正常检测流程为一种自动实现流程，相比于相关技术中通过人工进行检测的方案来说，能够关注到波形的细节，不容易出现漏判和误判。

[0057] 下面对本申请实施例的波形异常检测方法做详细说明。

[0058] 本申请实施例提供一种波形异常检测方法，如图1所示，所述方法包括：

[0059] S101：获取待测时域波形数据。

[0060] 本步骤中，待（检）测时域波形数据是需要对其是否异常进行检测的波形数据。通过读取待测时域波形数据进而获取到待测时域波形数据。在实际应用中，可以通过自动化程序读取待测时域波形数据，进而获取到待测时域波形数据。本步骤中，读取到的波形数据为时域数据。

[0061] S102：对待测时域波形数据进行从时域到频域的变换，得到相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系。

[0062] 本步骤中，采用时域到频域的转换算法，对待测时域波形数据进行从时域到频域的转换。在执行转换方案时预先选定或设置参照波形，基于参照波形对待测时域数据进行从时域到频域的变换，从而得到表征待测时域波形数据与参照波形之间的相关关系的相关系数。相关系数的数量可以为一个，也可以为两个或多个，优选的为多个。

[0063] 其中，相关系数的数量是两个或多个的情形，可以这样理解：将同一待测时域波形数据进行从时域到频域的变换，本质上就是把同一待测时域波形数据拆分成多个区段来进行特征分析。由于每个区段的波形走势可能存在区别，所以，本申请中针对每个区段，计算一个相关系数。对全部区段计算出的相关系数，就是针对各区段计算出的各相关系数的集合。从这点来看，相关系数的数量为两个或多个。

[0064] 本申请中，相关系数表征的相关关系可以是待测时域波形数据的各区段与参照波形之间的相似度。相似度的高低在本申请中决定了参照波形与待测时域波形数据各区段之间特征的相似程度。相关系数越大，表示待测时域波形数据该区段与参照波形之间的相似度越高，即二者之间特征的相似程度越高。相关系数越小，表示待测时域波形数据该区段与参照波形之间的相似度越低，即二者之间特征的相似程度越低。

[0065] S103：基于相关系数和参照波形，得到目标波形数据。

[0066] 本步骤中，目标波形数据为输入检测模型的波形数据。本申请中的目标波形数据为一个和待测时域波形数据总体特征相似度超过一定预设阈值的合成波形数据。其中，相似度超过一定预设阈值可视为与待测时域波形数据总体特征的相似度高。

[0067] 其中，基于表征待测时域波形数据各区段和参照波形相似度的相关系数，得到和待测时域波形数据总体特征相似度超过一定预设阈值的合成波形数据，能够更好地对待测时域波形数据的特征进行分析。

[0068] S104：将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

[0069] 本步骤中，检测模型是用于对待测时域波形数据是否为异常波形数据进行检测的模型。检测模型是由带正常和异常波形数据样本标签的时域波形样本数据对待训练模型进行训练得到的。将目标波形数据输入检测模型中，即可得到待测时域波形数据是否为异常波形数据的检测结果。

[0070] 在S101 S104所示的方案中，通过对待测时域波形数据进行从时域到频域的变换，~得到表征待测时域波形数据与变换中采用的参照波形之间的相关关系的相关系数，基于相关系数，得到目标波形数据，将目标波形数据输入至检测模型，得到待测时域波形数据是否为异常波形数据的检测结果。实现流程不繁琐，解决了相关技术对异常波形判断效率低的问题，实现了波形异常检测的高效性。并且，本申请提供的波形数据异常或正常检测流程为一种自动实现流程，相比于相关技术中通过人工进行检测的方案来说，不容易出现漏判和误判。

[0071] 在一个可选的方案中，如图2所示，所述对待测时域波形数据进行从时域到频域的变换，得到相关系数，包括：

[0072] S202：对所述待测时域波形数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0073] 本申请中，采用小波变换算法，对待测时域波形数据进行小波变换。可以理解，小波变换算法为时域到频域的转换算法中的其中之一。

[0074] 对待测时域波形数据进行小波变换，得到至少一个小波系数。可以理解，小波函数即为有限持续时间内的波形，其平均值为0。小波函数通常是不规则、不对称的。小波变换就是以待测时域波形数据为标准，利用小波函数的平移变换和伸缩变换得到至少一个小波系数，该小波系数表征待测时域波形数据各区段与小波函数（作为参照波形来使用）的相似程度。

[0075] 具体的，如图3所示，横坐标表示时间，纵坐标表示振幅。图3表示为待测时域波形数据。图4表示小波没有伸缩时，从待测时域波形数据的开始位置，计算小波系数。向右平移一定时间单位后再次计算小波系数，再平移再计算，以此类推，直到将小波平移到待测时域波形数据的结束位置。图5表示将小波扩展1倍时，从待测时域波形数据的开始位置计算小波系数，直至将小波平移到待测时域波形数据的结束位置。

[0076] 其中，图5是以小波扩展1倍为例，此外，小波伸缩的倍数还可以是3倍、4倍或者更多倍，本申请对此不做具体限制。其中，小波系数通过公式（1）和公式（2）进行计算：

[0077] 公式（1）

[0078] 公式（2）

[0079] 前述公式（1）和公式（2）中， 为连续的待测时域波形数据。表示时间。表示小波系数。 表示选用的小波函数或者小波。表示偏移量（如平移的时间单位）。
表示伸缩量的最大值（如当小波扩展1倍时，a为1）。 表示 的共轭复数。
表示在（‑∞，∞）区间内对 进行积分。

[0080] 本申请中，通过对待测时域波形数据进行小波变换，能够将待测时域波形数据拆分成多个区段，计算每个区段的小波系数。通俗来讲，小波系数表示的是每个区段与小波函数特征的相似程度。小波系数的计算，能够更好的提取待测时域波形数据各个区段的局部特征，进而更好的对待测时域波形数据的总体特征或整体特征进行分析。

[0081] 在一个可选的方案中，所述获取待测时域波形数据，包括：

[0082] 获取初始时域波形数据；

[0083] 基于预设截取条件，对所述初始时域波形数据进行截取，得到待测时域波形数据。

[0084] 本申请中，初始时域波形数据为获取到的最初的完整时域波形数据。由于一个完整的波形数据通常包括平缓区段和不平缓区段。当在一区段内的波形数据存在上升或下降时，该区段可被视为不平缓区段。通常情况下，只有在不平缓区段内才会发生异常（如一个上升或下降的时间段）。对不平缓区段内的波形进行是正常或异常的检测才有意义。基于此，本申请中，将获取到的完整时域波形数据中的平缓波形数据删除，保留下不平缓区段内的波形数据。保留下的波形数据即为对初始时域波形数据进行截取所得到的待测时域波形数据。

[0085] 本申请中，将初始时域波形数据中不可能出现异常的区段丢弃不做检测，截取可能会出现异常的区段作为待测时域波形数据进行检测，能够大大减小数据计算量，提高了检测效率。

[0086] 在一个可选的方案中，所述基于相关系数和参照波形，得到目标波形数据，包括：

[0087] 基于所述相关系数，得到目标数组，所述目标数组表征与待测时域波形数据特征关联的相关系数的集合；

[0088] 基于所述目标数组和参照波形，得到目标波形数据。

[0089] 本申请中，将至少一个小波系数保存在目标数组里，作为表示与待测时域波形数据各区段特征关联（特征相似程度）的相关系数的集合。可以理解，目标数组为二维数组，可以看作一个系数矩阵。矩阵里的小波系数表示在各个伸缩量下的小波函数与待测时域波形数据各区段的相关关系（相似度）。示例性地，表1可表示为目标数组的表现形式。如表1所示，目标数组中存有a1‑a3、b1‑b3、c1‑c3这9个小波系数，分别表示小波函数在没有伸缩（小波函数为G（x））、扩展一倍（小波函数为G(2x)）以及扩展两倍（小波函数为G(3x)）时与待测时域波形数据在A1‑A2区段的特征相似程度、A2‑A3区段的特征相似程度、以及A3‑A4区段的特征相似程度。

[0090] 表1

[0091]

[0092] 本申请中，将经过小波变换得到的至少一个小波系数存放在数组中。能够直观的罗列出不同伸缩量的小波函数与待测时域波形数据各个区段的相似度大小，为准确得到最终的目标波形数据提供了数据基础。

[0093] 在一个可选的方案中，所述基于所述目标数组和参照波形，得到目标波形数据，包括：

[0094] 确定目标数组中的目标相关系数；

[0095] 基于所述目标相关系数和参照波形，得到目标波形数据。

[0096] 本申请中，在待测时域波形数据各区段下，将不同伸缩量的小波与该区段之间相似度最高的小波系数视为该区段下的目标相关系数，即，实现了不同区段对应的目标相关系数的挑选。被挑选出的目标相关系数是在这一区段下该伸缩量的小波的特征最接近待测时域波形数据的特征时的特征相似程度。

[0097] 参照表1，假设在A1‑A2区段下的三个小波系数a1‑a3中，a3的值最大，则a3可被视为一个目标相关系数。即，在A1‑A2区段下，目标相关系数a3对应伸缩量的小波G(3x)的特征与待测时域波形数据的特征最接近，特征相似度最高。同理，在A2‑A3区段下的三个小波系数b1‑b3中，b1的值最大，则b1可被视为一个目标相关系数。即，在A2‑A3区段下，目标相关系数b1对应伸缩量的小波G(x)的特征与待测时域波形数据的特征最接近。在A3‑A4区段下的三个小波系数c1‑c3中，c2的值最大，则c2可被视为一个目标相关系数。即，在A3‑A4区段下，目标相关系数c2对应伸缩量的小波G(2x)的特征与待测时域波形数据的特征最接近。将各区段的目标相关系数作为其对应伸缩量的小波函数的权重，与对应伸缩量的小波函数相乘，如a3×G(3x)、b1×G(x)、c2×G(2x)。最后，将各区段目标相关系数与其对应伸缩量的小波函数相乘，再相加后得到目标波形数据，如目标波形数据H(x)=a3×G(3x)+b1×G(x)+c2×G(2x)。可以理解，目标波形数据是根据目标相关系数与其对应伸缩量的小波函数拟合或合成出的波形，这样的波形可视为合成波形数据。本申请中，利用与待测时域波形数据中各区段相似度最高的小波函数拟合出一个合成波形数据。因为该合成波形数据是由表征与待测时域波形数据各区段特征最接近的目标相关系数和与其对应伸缩量的小波函数而合成出的，所以，该合成波形数据的特征能够最大程度接近待测时域波形数据的特征。

[0098] 本申请中，利用目标相关系数和参照波形得到目标波形数据，实现了利用表征与待测时域波形数据各区段特征最接近的目标相关系数和与其对应伸缩量的小波函数，拟合出一个合成波形数据，该合成波形数据的特征能够最大程度接近待测时域波形数据的特征。提高了波形异常检测的准确性。

[0099] 在一个可选的方案中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到，如图6所示，包括：

[0100] S601：对时域波形样本数据进行从时域到频域的变换，得到相关系数，所述相关系数表征时域波形样本数据与所述变换中采用的参照波形之间的相关关系；

[0101] 本步骤中，采用时域到频域的转换算法，对时域波形样本数据进行从时域到频域的转换。在执行转换方案时预先选定或设置参照波形，基于参照波形对时域波形样本数据进行从时域到频域的变换，从而得到表征时域波形样本数据与参照波形之间的相关关系的相关系数。相关系数的数量可以为一个，也可以为两个或多个，优选的为多个。

[0102] 其中，相关系数的数量是两个或多个的情形，可以这样理解：将同一时域波形样本数据进行从时域到频域的变换，本质上就是把同一时域波形样本数据拆分成多个区段来进行特征分析。由于每个区段的波形走势可能存在区别，所以，本申请中针对每个区段，计算一个相关系数。对全部区段计算出的相关系数，就是针对各区段计算出的各相关系数的集合。从这点来看，相关系数的数量为两个或多个。

[0103] 本申请中，相关系数表征的相关关系可以是时域波形样本数据的各区段与参照波形之间的相似度。相似度的高低在本申请中决定了参照波形与时域波形样本数据各区段之间特征的相似程度。相关系数越大，表示时域波形样本数据该区段与参照波形之间的相似度越高，即二者之间特征的相似程度越高。相关系数越小，表示时域波形样本数据该区段与参照波形之间的相似度越低，即二者之间特征的相似程度越低。

[0104] S602：基于相关系数和参照波形，得到目标波形样本数据；

[0105] 本步骤中，目标波形样本数据为输入待训练模型的波形数据。本申请中的目标波形样本数据为一个和时域波形样本数据总体特征相似度超过一定预设阈值的合成波形数据。

[0106] 其中，基于表征时域波形样本数据各区段和参照波形相似度的相关系数，得到和时域波形样本数据总体特征相似度超过一定预设阈值的合成波形数据，能够更好地对时域波形样本数据的特征进行分析。

[0107] S603：将目标波形样本数据和目标波形样本数据的样本标签输入至待训练模型，对待训练模型进行训练以得到检测模型；所述检测模型用于对待测时域波形数据是否为异常波形数据进行检测。

[0108] 本步骤中，检测模型是通过带正常波形数据样本标签的目标波形样本数据和带异常波形数据样本标签的目标波形样本数据对待训练模型进行训练而得到的。图7、图8分别示出了正常的时域波形样本数据及其对应的目标波形样本数据，通常情况下，在一个正常时域波形样本数据的下降区间（或上升区间）内的突变点应当只有一个，其对应的目标波形样本数据中的峰值也应该只有一个。而参照图9、图10所示，时域波形样本数据在一个上升区间（或下降区间）内对应的目标波形样本数据却存在两个峰值相近的波峰。也就是说，图9、图10所示分别为异常的时域波形样本数据及其对应的目标波形样本数据。将带正常波形数据样本标签和带异常波形数据样本标签的目标波形样本数据以80%：20%的比例区分训练数据集和测试数据集，训练数据集用于对待训练模型进行训练，测试数据集用于对训练得到的检测模型的分类性能进行测试，能够提高检测模型检测的准确率。采用带正常和异常标签的目标波形样本数据对待训练模型进行训练，能够利用训练得到的检测模型对待测时域波形数据是否为异常数据进行检测。

[0109] 本申请中，通过利用带正常和异常标签的目标波形样本数据对待训练模型进行训练，使得能够利用训练得到的检测模型对待测时域波形数据是否为异常数据进行检测。相比于相关技术中依赖人工经验、通过人工反复核验的方案而言，提高了检测的效率，同时保证了检测的准确性。

[0110] 在一个可选的方案中，所述对时域波形样本数据进行从时域到频域的变换，得到相关系数，包括：

[0111] 对所述时域波形样本数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0112] 本申请中，通过对时域波形样本数据进行小波变换，得到至少一个小波系数。可以理解，小波函数即为有限持续时间内的波形，其平均值为0。并且小波函数通常是不规则、不对称的。小波变换就是以时域波形样本数据为标准，利用小波函数的平移变换和伸缩变换得到至少一个小波系数，该小波系数表征时域波形样本数据各区段与小波函数的相似程度。小波系数的计算方式参考前述的公式（1）和公式（2），不赘述。

[0113] 本申请中，通过对时域波形样本数据进行小波变换，能够将时域波形样本数据拆分成多个区段，计算每个区段的小波系数。通俗来讲，小波系数表示的是每个区段与小波函数特征的相似程度。小波系数的计算，能够更好的提取时域波形样本数据各个区段的局部特征，进而更好的对时域波形样本数据的总体特征或整体特征进行分析。

[0114] 本申请实施例提供一种波形异常检测装置，如图11所示，所述装置包括：

[0115] 第一获取单元1101，用于获取待测时域波形数据；

[0116] 变换单元1102，用于对待测时域波形数据进行从时域到频域的变换，得到相关系数，所述相关系数表征待测时域波形数据与所述变换中采用的参照波形之间的相关关系；

[0117] 第二获取单元1103，用于基于相关系数和参照波形，得到目标波形数据；

[0118] 检测单元1104，用于将所述目标波形数据输入至检测模型，得到对所述目标波形数据的检测结果，所述检测结果用于表征待测时域波形数据是否为异常波形数据；其中，所述检测模型由带正常波形数据样本标签和带异常波形数据样本标签的时域波形样本数据对待训练模型进行训练而得到。

[0119] 在一个可选的方案中，所述变换单元1102，用于对所述待测时域波形数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0120] 在一个可选的方案中，所述第一获取单元1101，用于获取初始时域波形数据；基于预设截取条件，对所述初始时域波形数据进行截取，得到待测时域波形数据。

[0121] 在一个可选的方案中，所述第二获取单元1103，用于基于所述相关系数，得到目标数组，所述目标数组表征与待测时域波形数据特征关联的相关系数的集合；基于所述目标数组和参照波形，得到目标波形数据。

[0122] 在一个可选的方案中，所述第二获取单元1103，用于确定目标数组中的目标相关系数；基于所述目标相关系数和参照波形，得到目标波形数据。

[0123] 在一个可选的方案中，所述检测单元1104，用于对时域波形样本数据进行从时域到频域的变换，得到相关系数，所述相关系数表征时域波形样本数据与所述变换中采用的参照波形之间的相关关系；基于相关系数和参照波形，得到目标波形样本数据；将目标波形样本数据和目标波形样本数据的样本标签输入至待训练模型，对待训练模型进行训练以得到检测模型；所述检测模型用于对待测时域波形数据是否为异常波形数据进行检测。

[0124] 在一个可选的方案中，所述检测单元1104，用于对所述时域波形样本数据进行小波变换，得到至少一个小波系数，将所述至少一个小波系数作为相关系数。

[0125] 需要说明的是，本申请实施例的波形异常检测装置，由于该装置解决问题的原理与前述的波形异常检测方法相似，因此，该装置的实施过程、实施原理及有益效果均可以参见前述方法的实施过程、实施原理及有益效果的描述，重复之处不再赘述。

[0126] 根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

[0127] 图12示出了可以用来实施本申请的实施例的示例电子设备1200的示意性框图。电子设备1200旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备1200还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

[0128] 如图12所示，电子设备1200包括计算单元1201，其可以根据存储在只读存储器（ROM）1202中的计算机程序或者从存储单元1208加载到随机访问存储器（RAM）1203中的计算机程序，来执行各种适当的动作和处理。在RAM1203中，还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、ROM1202以及RAM1203通过总线1204彼此相连。输入/输出（I/O）接口1205也连接至总线1204。

[0129] 电子设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许电子设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

[0130] 计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如波形异常检测方法。例如，在一些实施例中，波形异常检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到RAM1203并由计算单元1201执行时，可以执行上文描述的波形异常检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行波形异常检测方法。

[0131] 本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

[0132] 用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

[0133] 在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD‑ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

[0134] 为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

[0135] 可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。

[0136] 计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端‑服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

[0137] 应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

[0138] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

[0139] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。