信号检测方法及使用其的电子装置制造方法及图纸

本申请提供一种信号检测方法。此信号检测方法包含：收集一初始数据；对初始数据进行预处理，以得到一原始信号；利用一优化深度学习模型对原始信号进行重构，以产生一重建信号；以及比较原始信号和重建信号，以确认原始信号是否有异常发生。本申请更提供一种使用此信号检测方法的电子装置。本申请利用优化深度学习模型来重建出无杂讯的信号，并利用异常愈多则重建出来的信号与原始信号差异愈大的特性进行异常检测，以获得清楚且明确的检测结果。以获得清楚且明确的检测结果。以获得清楚且明确的检测结果。

【技术实现步骤摘要】
信号检测方法及使用其的电子装置


[0001]本申请是有关执行一信号检测方法的电子装置。

技术介绍

[0002]现有在检测接收的信号时，通常需要标记异常信号的特征图案(pattern)，并利用这些特征图案进行异常检测，以找出异常信号。然而，这种标记的检测方式，需要倚靠大量的事前人工作业，将所有可能的特征图案标记起来，整个过程相当繁琐，且由于对应异常信号的特征图案有时候有无限多种，或是不好标记，所以很难去对信号标记出所有特征图案，进而影响异常检测时的准确度。

技术实现思路

[0003]有鉴于此，本申请提供一种信号检测方法，包含：收集一初始数据；对初始数据进行预处理，以得到一原始信号；利用一优化深度学习模型对原始信号进行重构，以产生一重建信号；以及比较原始信号及重建信号，以确认原始信号是否有异常发生。
[0004]本申请更提供一种电子装置，包含一感应器以及一运算装置。感应器用以收集多个样本数据及一初始数据。运算装置电性连接该感应器，运算装置对样本数据进行预处理，以获得多个样本信号，并利用样本信号对一深度学习模型进行训练，以产生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信号检测方法，其特征在于，包含：收集初始数据；对所述初始数据进行预处理，以得到原始信号；利用优化深度学习模型对所述原始信号进行重构，以产生重建信号；以及比较所述原始信号及所述重建信号，以确认所述原始信号是否有异常发生。2.根据权利要求1所述的信号检测方法，其特征在于，其中所述原始信号与所述重建信号的差值大于预设临界值，表示所述原始信号有异常发生。3.根据权利要求1所述的信号检测方法，其特征在于，其中所述原始信号为声音信号、影像信号或振波信号。4.根据权利要求1所述的信号检测方法，其特征在于，其中所述优化深度学习模型的建立更包括：收集多个样本数据；对所述这些样本数据进行预处理，以获得多个样本信号；以及利用所述这些样本信号对深度学习模型进行训练，以产生所述优化深度学习模型。5.根据权利要求4所述的信号检测方法，其特征在于，其中所述初始数据及所述这些样本数据是利用相同的测试条件进行收集。6.根据权利要求4所述的信号检测方法，其特征在于，其中在对所述深度学习模型进行训练的步骤中更包括：对每一所述样本信号提取特征，以获得特征数据，根据所述特征数据重建训练信号，并计算所述训练信号与所述样本信号之间的差异值，以根据所述差异值调整所述深度学习模型的模型参数；在所述训练信号与所述样本信号之间的差异值收敛至最小时，取得优化后的所述模型参数，将优化后的所述模型参数套用于所述深度学习模型中，以产生所述优化深度学习模型。7.根据权利要求1所述的信号检测方法，其特征在于，更包括：将所述原始信号减掉所述重建信号，以获得异常图案。8.一种电子装置，其特征在于，包含：感应器，用以收集多个样本数据及初始数据；以及运...

【专利技术属性】
技术研发人员：曾源毅，赖柏吟，廖书巧，
申请(专利权)人：华硕电脑股份有限公司，
类型：发明
国别省市：