信号检测方法、装置、存储介质、电子设备及产品制造方法及图纸

本申请公开了一种信号检测方法、装置、存储介质、电子设备及产品，涉及人工智能技术领域，本申请可以应用于区块链、地图车联网等技术领域，该方法包括：获取待检测信号对应的待检测信号数据；基于所述待检测信号数据提取所述待检测信号的目标信号特征；对所述目标信号特征进行分类处理，得到所述待检测信号对应的第一类型信息；将所述目标信号特征与样本信号特征进行比较处理，以得到所述待检测信号对应的第二类型信息；基于所述第一类型信息及所述第二类型信息，确定所述待检测信号的信号类型。本申请可以对已知信号及未知信号均进行有效检测，提升信号检测可靠性。提升信号检测可靠性。提升信号检测可靠性。

【技术实现步骤摘要】
信号检测方法、装置、存储介质、电子设备及产品


[0001]本申请涉及人工智能
，具体涉及一种信号检测方法、装置、存储介质、电子设备及产品。

技术介绍

[0002]信号检测即对各类待检测信号进行检测分析的工作，例如，对天体信号进行检测分析的工作。目前，相关技术中通常利用监督学习的方法训练分类模型来从海量信号数据中检测信号的方案，监督学习的方法利用已知规律的已知信号训练分类模型，分类模型通常仅能对已知信号进行有效的分类检测。
[0003]但是，有价值的信号往往还包括人类不曾探测到的未知信号，此类未知信号往往比已经观测到并解释其形成原因的已知信号更具价值，目前的方案下对这些未知信号通常是单纯盲目分类，无法有效检测，会造成信号漏检，导致信号检测可靠性较差。

技术实现思路

[0004]本申请实施例提供一种信号检测方法、装置、存储介质、电子设备及产品，对已知信号及未知信号均可以进行有效检测，有效提升信号检测可靠性。
[0005]为解决上述技术问题，本申请实施例提供以下技术方案：
[0006]根据本申请的一个实施例，一种信号检测方法，该方法包括：获取待检测信号对应的待检测信号数据；基于所述待检测信号数据提取所述待检测信号的目标信号特征；对所述目标信号特征进行分类处理，得到所述待检测信号对应的第一类型信息；将所述目标信号特征与样本信号特征进行比较处理，以得到所述待检测信号对应的第二类型信息；基于所述第一类型信息及所述第二类型信息，确定所述待检测信号的信号类型。
[0007]根据本申请的一个实施例，一种信号检测装置，所述装置包括：数据获取模块，用于获取待检测信号对应的待检测信号数据；特征提取模块，用于基于所述待检测信号数据提取所述待检测信号的目标信号特征；分类模块，用于对所述目标信号特征进行分类处理，得到所述待检测信号对应的第一类型信息；比较模块，用于将所述目标信号特征与样本信号特征进行比较处理，以得到所述待检测信号对应的第二类型信息；确定模块，用于基于所述第一类型信息及所述第二类型信息，确定所述待检测信号的信号类型。
[0008]在本申请的一种实施例中，所述装置还包括样本信号特征提取模块，所述样本信号特征提取模块包括：第一信号数据获取单元，用于获取预定类型的第一信号样本对应的第一信号数据，所述预定类型为已知信号对应的类型；样本信号特征提取单元，用于基于所述第一信号数据进行特征提取处理，得到所述样本信号特征。
[0009]在本申请的一种实施例中，所述信号类型包括所述预定类型及目标类型中一种，所述目标类型为未知信号对应的类型；所述样本信号特征提取单元，用于：将所述第一信号数据输入特征提取器进行特征提取处理，得到所述特征提取器提取的所述样本信号特征，其中，所述特征提取器为根据第二信号数据及所述第一信号数据训练得到的，所述第二信
号数据为对所述第一信号数据进行数据调整得到的，所述第二信号数据用于模拟所述目标类型的第二信号样本。
[0010]在本申请的一种实施例中，所述装置还包括特征提取器训练单元，用于：将所述第一信号数据输入预设特征提取器进行针对所述预定类型的类内空间建模，生成每个所述第一信号样本的第一信号特征；将所述第二信号数据输入预设特征提取器进行相对于所述预定类型的类外空间建模，得到每个所述第二信号样本的第二信号特征；根据所述第一信号特征及所述第二信号特征进行分类处理得到的样本类型信息，对所述预设特征提取器进行参数优化，以得到训练后的所述特征提取器，其中，针对所述类内空间建模进行参数优化的优化方向和引力方向一致，所述引力方向包括每个所述第一信号特征受到其他的第一信号特征的引力的作用方向。
[0011]在本申请的一种实施例中，所述特征提取模块，用于：将所述待检测信号数据输入所述特征提取器进行特征提取处理，得到所述待检测信号对应的所述目标信号特征。
[0012]在本申请的一种实施例中，所述信号类型包括预定类型及目标类型中一种，所述预定类型为已知信号对应的类型，所述目标类型为未知信号对应的类型；所述分类模块，包括：特征输入单元，用于将所述目标信号特征输入分类器进行分类处理，得到所述待检测信号对应的分类结果，所述分类器为根据第二信号数据及第一信号数据训练得到的，所述第一信号数据对应于预定类型的第一信号样本，所述第二信号数据为对所述第一信号数据进行数据调整得到的，所述第二信号数据用于模拟所述目标类型的第二信号样本；结果处理单元，用于根据所述分类结果生成所述第一类型信息。
[0013]在本申请的一种实施例中，所述装置还包括分类器训练单元，用于：将第一信号特征及第二信号特征分别输入预设分类器进行分类处理，得到样本类型信息，其中，所述第一信号特征为对所述第一信号数据及所述第二信号数据进行特征提取得到的；根据所述样本类型信息对所述预设分类器进行参数优化，以得到训练后的所述分类器。
[0014]在本申请的一种实施例中，所述分类结果为所述待检测信号属于所述预定类型的概率值，所述第一类型信息为所述待检测信号属于目标类型的第一评分；所述结果处理单元，用于：生成所述概率值的相反数；将所述概率值的相反数作为所述第一评分。
[0015]在本申请的一种实施例中，所述比较模块，包括：相似度计算单元，用于计算所述目标信号特征与样本信号特征之间的相似度；信息生成单元，用于根据所述相似度生成所述待检测信号对应的第二类型信息。
[0016]在本申请的一种实施例中，所述样本信号特征对应于预定类型的第一信号样本，所述第二类型信息为所述待检测信号属于目标类型的第二评分；所述信息生成单元，用于：生成所述相似度的相反数；将所述相似度的相反数作为所述第二评分。
[0017]在本申请的一种实施例中，所述第一类型信息为所述待检测信号属于目标类型的第一评分，所述第二类型信息为所述待检测信号属于目标类型的第二评分；所述确定模块，包括：类型分数生成单元，用于根据所述第一评分及所述第二评分生成所述待检测信号属于目标类型的类型分数；类型确定单元，用于根据所述类型分数确定所述待检测信号的信号类型是否为所述目标类型。
[0018]根据本申请的一个实施例，一种信号检测方法，该方法包括：获取预定类型的第一信号样本的第一信号数据以及模拟目标类型的第二信号样本的第二信号数据，所述第二信
号数据为对所述第一信号数据进行数据调整处理得到的，所述预定类型为已知信号对应的类型；基于所述第一信号数据及所述第二信号数据训练特征提取器及分类器；通过训练后的所述特征提取器，对待检测信号的待检测信号数据进行特征提取处理，得到目标信号特征；通过训练后的所述分类器对所述目标信号特征进行分类得到第一类型信息；根据所述第一类型信息及第二类型信息，确定所述待检测信号的信号类型，所述第二类型信息为将所述目标信号特征与样本信号特征进行比较处理得到的。
[0019]根据本申请的一个实施例，一种信号检测装置，所述装置包括：样本获取模块，用于获取预定类型的第一信号样本的第一信号数据以及模拟目标类型的第二信号样本的第二信号本文档来自技高网...

【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，包括：获取待检测信号对应的待检测信号数据；基于所述待检测信号数据提取所述待检测信号的目标信号特征；对所述目标信号特征进行分类处理，得到所述待检测信号对应的第一类型信息；将所述目标信号特征与样本信号特征进行比较处理，以得到所述待检测信号对应的第二类型信息；基于所述第一类型信息及所述第二类型信息，确定所述待检测信号的信号类型。2.根据权利要求1所述的方法，其特征在于，所述将所述目标信号特征与样本信号特征进行比较处理之前，所述方法还包括：获取预定类型的第一信号样本对应的第一信号数据，所述预定类型为已知信号对应的类型；基于所述第一信号数据进行特征提取处理，得到所述样本信号特征。3.根据权利要求2所述的方法，其特征在于，所述信号类型包括所述预定类型及目标类型中一种，所述目标类型为未知信号对应的类型；所述基于所述第一信号数据进行特征提取处理，得到所述样本信号特征，包括：将所述第一信号数据输入特征提取器进行特征提取处理，得到所述特征提取器提取的所述样本信号特征，其中，所述特征提取器为根据第二信号数据及所述第一信号数据训练得到的，所述第二信号数据为对所述第一信号数据进行数据调整得到的，所述第二信号数据用于模拟所述目标类型的第二信号样本。4.根据权利要求3所述的方法，其特征在于，所述特征提取器按照以下步骤训练得到：将所述第一信号数据输入预设特征提取器进行针对所述预定类型的类内空间建模，生成每个所述第一信号样本的第一信号特征；将所述第二信号数据输入预设特征提取器进行相对于所述预定类型的类外空间建模，得到每个所述第二信号样本的第二信号特征；根据所述第一信号特征及所述第二信号特征进行分类处理得到的样本类型信息，对所述预设特征提取器进行参数优化，以得到训练后的所述特征提取器，其中，针对所述类内空间建模进行参数优化的优化方向和引力方向一致，所述引力方向包括每个所述第一信号特征受到其他的第一信号特征的引力的作用方向。5.根据权利要求3或4所述的方法，其特征在于，所述基于所述待检测信号数据提取所述待检测信号的目标信号特征，包括：将所述待检测信号数据输入所述特征提取器进行特征提取处理，得到所述待检测信号对应的所述目标信号特征。6.根据权利要求1至4任一项所述的方法，其特征在于，所述信号类型包括预定类型及目标类型中一种，所述预定类型为已知信号对应的类型，所述目标类型为未知信号对应的类型；所述对所述目标信号特征进行分类处理，得到所述待检测信号对应的第一类型信息，包括：将所述目标信号特征输入分类器进行分类处理，得到所述待检测信号对应的分类结
果，所述分类器为根据第二信号数据及第一信号数据训练得到的，所述第一信号数据对应于预定类型的第一信号样本，所述第二信号数据为对所述第一信号数据进行数据调整得到的，所述第二信号数据用于模拟所述目标类型的第二信号样本；根据所述分类结果生成所述第一类型信息。7.根据权利要求6所述的方法，其特征在于，所述分类器按照以下步骤训练得到：将第一信号特征及第二信号特征分别输入预设分类器进行分类处理，得到样本类型信息，其中，所述第一信号特征为对所述第一信号数据及所述第二信号数据进行特征提取得到的；根据所述样本类型信息对所述预设分类器进行参数优化，以得到训练后的所述分类器。8.根据权利要求6所述的方法，其特征在于，所述分类结果为所述待检测信号属于所述预定类型的概率值，所述第一类型信息为所述待检测信号属于目标类型的第一评分；所述根据所述分类结果生成所述第一类型信息，包括：生成所述概率值的相反数；将所述概率值的相反数作为所述第一评分。9.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述目标信号特征与样本信号特征进行比较处理，以得到所述待检测信号对应的第二类型信息，包括：计算所述目标信号特征与样本信号特征之间的相似度；根据所述相似度生成所述待检测信号对应的第二类型信息。10.根据权利要求9所述的方法，其特征在于，所述样本信号特征对应于预定类型的第一信号样本，所述第二类型信息为所述待检测信号属于目标类型的第二评分；所述根据所述相似度确定所述待检测信号对应的第二类型信息，包...

【专利技术属性】
技术研发人员：程小峰，王亚彪，丁玫菲，谢鸣，甘振业，李昱希，罗泽坤，孙众毅，汪铖杰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：