高信噪比时间序列的基线检测方法、设备及存储介质技术

本申请实施例公开了一种高信噪比时间序列的基线检测方法、高信噪比时间序列的基线检测设备及存储介质。本申请实施例可以通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线；连接相邻滑动窗口的子序列基线，以获取初步基线模型；及根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型。本申请通过数据点的概率密度分布，对有实际意义的数据点和噪音点进行了有效的区分，适用于高信噪比时间序列的基线探测及自动校正。的基线探测及自动校正。的基线探测及自动校正。

【技术实现步骤摘要】
高信噪比时间序列的基线检测方法、设备及存储介质


[0001]本申请涉及时间序列的基线检测
，具体涉及一种高信噪比时间序列的基线检测方法、高信噪比时间序列的基线检测设备及存储介质。

技术介绍

[0002]随着计算机、数据处理和传感技术的发展，越来越多的智能设备(传感器)被应用到现实生活中。这些设备在给我们提供便利的同时，也按照时间的顺序记录着主体的活动。这些数字化的记录被称为时间序列。时间序列在金融、智慧城市、智慧物流等关注时效规律的领域都发挥着极其重要的作用。使用时间序列进行模式识别或预测时，最大的挑战是来自环境因素的干扰(基线漂移)。如图1所示，时间序列的基线检测会受到大尺度及中尺度的干扰而使得检测出的基线与实际的时间序列之间距有相当程度的飘移/误差。
[0003]目前也有许多检测技术，例如中值滤波(Median Filter)方法、迭代多项式拟合方法及求导方法等，运用在时间序列的基线检测上，但是这些方法都不适用于信噪比(Signal-to-Noise Ratio(SNR))高或存在多尺度模式的时间序列。此外，以图2所示，在相同的窗口的时间序列，利用不同的数据特征(例如，如最小值、中值及均值)来提取时间系列的基线也有相当差异。均值基线及中值基线赋予窗口中所有的数据点相同的权值，也就是不对基线与波峰上的数据点区别对待，波峰上的数据点会影响中值及均值，因此均值基线及中值基线无法稳地的呈现信噪比高的时间序列的实际状态。同样地，当所有的波峰都向上时，最小值基线才稳定，一旦遇到双向混合波峰(波峰及波谷)，最小值基线也无法呈现时间序列的实际状态。
[0004]为了克服现有方法存在的问题，需要一种针对高信噪比时间序列的基线检测方法及设备。

技术实现思路

[0005]本申请实施例提供一种高信噪比时间序列的基线检测方法、高信噪比时间序列的基线检测设备及存储介质，根据数据的概率密度分布，对有实际意义的数据点及噪音点进行了有效的区分。本申请实施例适用于高信噪比时间序列的基线检测及自动校正，具有较高的现实应用价值。
[0006]第一方面，本申请实施例提供了一种高信噪比时间序列的基线检测方法，包括：
[0007]通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线；
[0008]连接相邻滑动窗口的子序列基线，以获取初步基线模型；及
[0009]根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型。
[0010]在一些实施方式中，所述通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线包括：
[0011]通过最小描述长度(MDL)来自动设置滑动窗口长度，将所述原始时间序列划分为所述多个子序列；及
[0012]通过核密度估计法(KDE)来分析每一个所述子序列中的数据点，以获得核平滑概率密度分布，所述核平滑概率密度分布包括多个波峰，其中振幅最大的波峰为概率密度最高的点，选定所述概率密度最高的点作为每一个所述子序列的所述子序列基线。
[0013]在一些实施方式中，所述连接相邻滑动窗口的子序列基线，以获取初步基线模型包括：
[0014]通过最小描述长度(MDL)来计算跨度值，并且根据所述跨度值移动所述滑动窗口；及
[0015]通过线性插值连接所述相邻滑动窗口的子序列基线。
[0016]在一些实施方式中，所述根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型包括：
[0017]延长所述相邻滑动窗口的两个子序列各自的所述子序列基线，以形成两个虚拟子序列基线；
[0018]定义所述两个虚拟子序列基线与所述原始时间序列的交点中最相邻的两个为两个转折点，所述两个子序列与所述各自的转折点形成两个更正后子序列；
[0019]获取两个更正后子序列基线，并且所述两个转折点之间，以相对应的所述原始时间序列作为转折点基线；及
[0020]连接所述两个更正后子序列基线及所述转折点基线，以形成更正后基线模型。
[0021]在一些实施方式中，所述高信噪比时间序列的基线检测方法，更包括：
[0022]将时间序列在前的第一子序列的所述子序列基线往后延长一个所述滑动窗口长度，以形成第一虚拟子序列基线，及将时间序列在后的第二子序列的所述子序列基线往前延长一个所述滑动窗口长度，以形成一第二虚拟子序列基线；
[0023]定义所述第一虚拟子序列基线与所述原始时间序列的最后交点为第一转折点，及定义所述第二虚拟子序列基线与所述原始时间序列的最前交点为第二转折点，其中所述第一子序列与所述第一转折点形成第一更正后子序列，所述第二子序列与所述第二转折点形成第二更正后子序列；
[0024]获取所述第一更正后子序列及所述第二更正后子序列各自的第一更正后子序列基线及第二更正后子序列基线，并且所述第一转折点与所述第二转折点之间，以相对应的所述原始时间序列作为转折点基线；及
[0025]连接所述第一更正后子序列基线、所述第二更正后子序列基线及所述转折点基线，以形成所述更正后基线模型。
[0026]在一些实施方式中，所述阈值为所述子序列的绝对斜率的均值加/减一倍标准差的和。
[0027]在一些实施方式中，所述高信噪比时间序列的基线检测方法，还包括：
[0028]将所述多个子序列基线、所述初步基线模型从所述原始时间序列上消除。
[0029]第二方面，本申请实施例还提供了一种高信噪比时间序列的基线检测设备，包括处理器及储存器，所述处理器调用所述储存器中的计算机程序以执行本申请实施例提供的任一种高信噪比时间序列的基线检测方法。
[0030]在一些实施方式中，所述计算机程序包括：
[0031]基线识别模块，用以通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线；
[0032]基线建模模块，用以连接相邻通过滑动窗口的子序列基线，以获取初步基线模型；
[0033]基线更正模块，根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型；
[0034]基线消除模块，用以将所述多个子序列基线、所述初步基线模型从所述原始时间序列上消除。
[0035]第三方面，本申请还提供一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序适于处理器进行加载，以执行本申请实施例提供的任一种高信噪比时间序列的基线检测方法。
[0036]本申请实施例基于MDL的最多穿越法，将时间序列分割成小的子序列，并且对每个子序列进行概率密度分析，以获取子序列的基线。接着把相邻子序列的基线通过线性插值方法连接起来，从而得到整个时间序列的初步基线模型。借助相邻滑动窗口的绝对斜率的密度分布，自动设置阈值，来触发初步基线模型的基线更正操作，以解决其中可能存在的边界问题。藉此，本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高信噪比时间序列的基线检测方法，其特征在于，包括：通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线；连接相邻滑动窗口的子序列基线，以获取初步基线模型；及根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型。2.根据权利要求1所述的高信噪比时间序列的基线检测方法，其特征在于，所述通过滑动窗口将原始时间序列分为多个子序列，获取所述多个子序列各自的子序列基线包括：通过最小描述长度(MDL)来自动设置滑动窗口长度，将所述原始时间序列划分为所述多个子序列；及通过核密度估计法(KDE)来分析每一个所述子序列中的数据点，以获得核平滑概率密度分布，所述核平滑概率密度分布包括多个波峰，其中振幅最大的波峰为概率密度最高的点，选定所述概率密度最高的点作为每一个所述子序列的所述子序列基线。3.根据权利要求2所述的高信噪比时间序列的基线检测方法，其特征在于，所述连接相邻滑动窗口的子序列基线，以获取初步基线模型包括：通过最小描述长度(MDL)来计算跨度值，并且根据所述跨度值移动所述滑动窗口；及通过线性插值连接所述相邻滑动窗口的子序列基线。4.根据权利要求2所述的高信噪比时间序列的基线检测方法，其特征在于，所述根据所述子序列的绝对斜率的概率密度分布来设定阈值，当所述子序列的绝对斜率大于所述阈值时，更正所述初步基线模型包括：延长所述相邻滑动窗口的两个子序列各自的所述子序列基线，以形成两个虚拟子序列基线；定义所述两个虚拟子序列基线与所述原始时间序列的交点中最相邻的两个为两个转折点，所述两个子序列与所述各自的转折点形成两个更正后子序列；获取两个更正后子序列基线，并且所述两个转折点之间，以相对应的所述原始时间序列作为转折点基线；及连接所述两个更正后子序列基线及所述转折点基线，以形成更正后基线模型。5.根据权利要求4所述的高信噪比时间序列的基线检测方法，其特征在于，更包括：将时间序列在前的第一子序列的所述子序列基线往后延长一个所述滑动窗口长度，以形成第一...

【专利技术属性】
技术研发人员：苗圣法，陈晓安，潘盛合，胡泽柱，罗剑江，王亮，陈春璐，周奇，王南飞，尹东富，李杏，张硕硕，罗仁士，马敏，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：