一种基于变分自编码器和对抗网络的信号异常检测方法技术

本发明专利技术公开了一种基于变分自编码器和对抗网络的信号异常检测方法，包括：获取时序信号，转换为频域图像；对频域图像进行预处理，作为目标图像；建立基于变分自编码器以及生成对抗网络的组合网络；输入目标图像至组合网络，并提取输出；计算组合网络的损失函数以及损失函数梯度，训练组合网络；检测组合网络目标图像的编码有无异常。本发明专利技术的有益效果为：1.通过将时序信号转换为频域图像来处理，检测结果更为直观简单；2.组合网络融合了变分自编码器以及生成对抗网络，在判别的同时能对噪声有鲁棒性；3.通过损失函数来训练组合网络，组合网络的损失能降到最小。

【技术实现步骤摘要】
一种基于变分自编码器和对抗网络的信号异常检测方法
本专利技术涉及计算机视觉算法
，尤其涉及到一种基于变分自编码器和对抗网络的信号异常检测方法。
技术介绍
数字信号实时准确地剔除异常是十分必要的，信号分析的异常检测方法基本是基于特征提取及阈值分类的方式，针对形态多样的异常信号需要定制化相应检测算法，模型普适性较差。基于深度学习的视觉缺陷识别技术为提高模型普适应提供的技术基础，因此，将信号转成图像数据，基于深度学习方法进行缺陷检测提供了新思路。如中国专利公开号为CN111767930A的一种物联网时序数据异常检测方法及其相关设备，增加了针对不同类型信号的自动模型选择模块，消除了信号的周期、趋势、噪声、数据孤岛等不稳定性因素的影响，即针对不同类型信号设置了模型选择操作，这样，确定模型后的信号再进行节点的异常检测，使得异常检测结果更加准确，从而提高了异常检测的通用性和对不稳定序列的兼容性，并提高了检测效率，提高了异常检测精度。然而，该专利对于异常信号检测较为复杂。
技术实现思路
本专利技术要解决的技术问题是：目前对于异本文档来自技高网...

【技术保护点】
1.一种基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，包括：/n获取时序信号，转换为频域图像；/n对频域图像进行预处理，作为目标图像；/n建立基于变分自编码器以及生成对抗网络的组合网络；/n输入目标图像至组合网络，并提取输出；/n计算组合网络的损失函数以及损失函数梯度，训练组合网络；/n检测组合网络目标图像的编码有无异常。/n

【技术特征摘要】
1.一种基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，包括：
获取时序信号，转换为频域图像；
对频域图像进行预处理，作为目标图像；
建立基于变分自编码器以及生成对抗网络的组合网络；
输入目标图像至组合网络，并提取输出；
计算组合网络的损失函数以及损失函数梯度，训练组合网络；
检测组合网络目标图像的编码有无异常。


2.根据权利要求1所述的基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，所述对频域图像进行预处理包括图像增强处理、图像去噪处理和图像切片处理。


3.根据权利要求2所述的基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，所述图像增强处理包括直方图均衡和/或图像亮度调整。


4.根据权利要求1或2所述的基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，所述组合网络包括生成器、编码器、解码器和判别器，所述生成器、编码器、解码器以及判别器依次连接。


5.根据权利要求4所述的基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，所述提取输出包括编码器输出编码z、生成器输出图像x’和判别器输出判断d。


6.根据权利要求5所述的基于变分自编码器和对抗网络的信号异常检测方法，其特征在于，所述损失函数包括先验分布损失Ldist、图像相似度损失Llike和GAN损失LGA...

【专利技术属性】
技术研发人员：胡芬，董云成，古胜达，楼阳冰，张志勇，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：浙江;33