CN117969973A - 一种电磁监测实时分析***、方法、装置与介质 - Google Patents

Abstract

本说明书实施例涉及电磁监测技术领域，提供一种电磁监测实时分析***、方法、装置与介质，该***包括：数据传输模块被配置为接收电磁环境测试数据；数据缓存模块被配置为缓存电磁环境测试数据并将电磁环境测试数据发送至处理模块和/或存储模块；处理模块被配置为确定待分析数据并将其发送至存储模块；存储模块被配置为存储电磁环境测试数据和待分析数据；分析反馈模块被配置为确定控制指令以控制数据缓存模块的数据传输流向。该方法包括：基于电磁环境测试数据确定待分析数据；基于待分析数据确定是否存在测试参数错误；响应于存在，发出参数错误预警。该方法还通过计算机可读存储介质存储的计算机指令被读取后运行。

Description

一种电磁监测实时分析***、方法、装置与介质

技术领域

本说明书涉及电磁监测技术领域，特别涉及一种电磁监测实时分析***、方法、装置与介质。

背景技术

电磁监测广泛应用于通信、雷达、航空航天，以及无线电频谱管理等领域。传统的电磁监测设备一般按人工提前调试或预设的设备参数自动进行测试。在自动测试前，为了保证测试数据的可靠性，需要做好设备校准和设备测试参数的合理配置。

在获取电磁测试数据后，设备可以基于自身配套***对电磁监测数据进行实时统计分析和预处理，但是在自动测试时，设备校准误差以及设备测试参数设置错误等问题往往比较隐蔽，加上可能存在人工核查疏漏问题，这样获取的电磁测试数据质量较低，甚至无法使用，而且往往在自动测试完成后才发现此类问题。

因此，有必要提供一种电磁监测实时分析***、方法、装置与介质，可以在设备本身对数据统计分析阶段，及时发现前期设备校准问题和/或设备测试参数错误设置问题，进而保证后续采集的电磁测试数据的质量，提高监测效率和准确性，避免产生不必要的采集成本。

发明内容

为了解决上述在设备本身对数据统计分析阶段，不能及时发现前期设备校准问题和/或设备测试参数错误设置问题，以保证后续采集的电磁测试数据的质量，提高监测效率和准确性，避免产生不必要的采集成本。本说明书提供了及一种电磁监测实时分析***、方法、装置与介质。

本说明书中包括一种电磁监测实时分析***，包括：数据传输模块、数据缓存模块、处理模块、存储模块和分析反馈模块；所述数据传输模块被配置为接收电磁环境测试数据，所述电磁环境测试数据包括至少一组测试项数据，所述测试项数据包括采样频谱数据、校准数据、天线和***增益数据；所述数据缓存模块被配置为缓存所述电磁环境测试数据；以及基于所述分析反馈模块的控制指令，将所述电磁环境测试数据发送至所述处理模块和/或所述存储模块；所述处理模块被配置为基于所述电磁环境测试数据确定待分析数据，以及将所述待分析数据发送至所述存储模块；所述存储模块被配置为存储所述电磁环境测试数据和所述待分析数据；所述分析反馈模块被配置为确定所述控制指令以控制所述数据缓存模块的数据传输流向；以及基于所述存储模块的所述待分析数据确定是否存在测试参数错误；响应于存在所述测试参数错误，发出参数错误预警。

发明内容包括一种电磁监测实时分析方法，包括：获取电磁环境测试数据，所述电磁环境测试数据包括至少一组测试项数据，所述测试项数据包括采样频谱数据、校准数据、天线和***增益数据；基于所述电磁环境测试数据确定待分析数据并存储所述待分析数据；基于所述待分析数据确定是否存在测试参数错误；响应于存在所述测试参数错误，发出参数错误预警。

发明内容包括一种电磁监测实时分析装置，包括处理器，所述处理器用于执行所述的电磁监测实时分析方法。

发明内容包括一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行所述的电磁监测实时分析方法。

有益效果：通过电磁监测实时分析***，能够在设备本身对数据统计分析阶段，及时发现前期设备校准问题和/或设备测试参数错误设置问题，使操作人员能够及时采取适当的措施进行修复或调整，进而保证后续采集的电磁测试数据的质量，提高监测效率和准确性，避免产生不必要的采集成本。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的电磁监测实时分析***的结构示意图；

图2是根据本说明书一些实施例所示的确定测试参数错误以及校准的示例性流程图；

图3是根据本说明书一些实施例所示的测试参数判断模型的示例性结构图；

图4是根据本说明书一些实施例所示的分析反馈模块配置方式的示例性结构图；

图5是根据本说明书一些实施例所示的确定测试循环次数的示例性流程图。

附图标记说明：数据传输模块110、数据缓存模块120、处理模块130、存储模块140、分析反馈模块150、干扰特征311、待分析数据312、测试时间313、测试频段314、初始电磁环境测试数据320、历史预设时间段内的历史电磁环境测试数据330、测试参数判断模型340、频谱处理层341、分析层342、频谱特征350、测试参数错误360、测试循环次数410、自动测试时间420。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的电磁监测实时分析***的结构示意图。

在一些实施例中，电磁监测实时分析***可以包括数据传输模块110、数据缓存模块120、处理模块130、存储模块140和分析反馈模块150。

在一些实施例中，数据传输模块110可以被配置为接收电磁环境测试数据，电磁环境测试数据包括至少一组测试项数据。

电磁环境测试数据是电磁环境测试设备进行多次测试后生成的多组测试项数据。

电磁环境测试设备用于监测和评估特定区域内电磁环境状况。可以通过电磁环境测试设备收集、分析和记录环境中的电磁信号和干扰源，提供对电磁辐射水平、频谱分布以及干扰源定位等信息地获取和分析。

在一些实施例中，电磁环境测试设备可以包括输入组件。操作人员可以通过输入组件输入校准数据，发送校准完成指令等。例如，电磁环境测试设备可以包括键盘、鼠标/触摸屏、语音输入设备、手势输入设备、控制按钮/开关、旋钮/滑动条或可编程接口等。

测试项数据指在特定的频段、天线通道和极化方式下完成一次测试后获得的数据。

特定的频段指的是需要测试的电磁辐射的频段，例如，生活中常出现干扰的频段、某电器通常工作的频段等。

天线是电磁波的接收器和发射器，它们捕捉或发出信号，并将其传递给电磁环境测试设备。天线通道是在电磁监测实时分析***中用于接收和发送无线信号的天线的通道或接口。它是连接天线和***的物理接口，承载无线信号的传输和接收。天线通道可以用于传输不同频率的电磁辐射。

极化方式是天线的一个重要指标，天线的S极（南极）和N极（北极）决定电磁辐射能不能进入天线，以及能不能发射出去。极化方式包括水平极化、垂直极化或圆极化等。

在一些实施例中，每组测试项数据可以有与之对应的测试循环次数和自动测试时间。有关测试循环次数和自动测试时间的内容，可以参见图4中的相关描述。

在一些实施例中，测试项数据包括采样频谱数据、校准数据、天线和***增益数据等中的至少一种。

采样频谱数据是信号在不同频率下的信息（如振幅、功率、强度或相位等），例如可以是一组正弦波。

校准数据是操作人员人工校准产生的数据。校准是在测试前由操作人员人工主动进行的操作，目的是避免其他影响因素（***噪声、环境噪声等）干扰以致影响测试数据质量。

天线和***增益数据是指天线在某一规定方向上的辐射功率通量密度与参考天线在相同输入功率时最大辐射功率通量密度的比值。

在一些实施例中，可以基于电磁环境测试设备自带的噪声源发生装置，通过测定开启噪声源、关闭噪声源的电磁测试信号，计算确定天线和***增益数据。

在一些实施例中，电磁环境测试设备可以采集电磁环境测试数据，并将采集的电磁环境测试数据传输到数据传输模块110。

在一些实施例中，数据传输模块110可以将接收到的电磁环境测试数据传输到数据缓存模块120和/或处理模块130等。例如，数据传输模块110可以通过无线通信技术等实现数据传输，具体可以采用无线传感器网络（Wireless Sensor Network，WSN）的方式进行电磁环境测试数据的接收和传输。

在一些实施例中，数据缓存模块120可以被配置为缓存电磁环境测试数据。例如，数据缓存模块120可以缓存来自数据传输模块110的电磁环境测试数据。

在一些实施例中，数据缓存模块120可以被配置为基于分析反馈模块150的控制指令，将电磁环境测试数据发送至处理模块130和/或存储模块140。

分析反馈模块150的控制指令是用来确定数据流向的指令。有关控制指令的具体内容，参见图1下述的相关说明。

在一些实施例中，数据缓存模块120根据控制指令将电磁环境测试数据发送至处理模块130和/或存储模块140等。例如，如图1所示，数据缓存模块120可以接收来自分析反馈模块150的控制指令，并根据该控制指令将缓存的电磁环境测试数据发送给处理模块130和/或存储模块140。

在一些实施例中，处理模块130可以被配置为基于电磁环境测试数据确定待分析数据。

待分析数据是对电磁环境测试数据进行预处理（统计、筛选和/或采样等）后获得的将要分析的数据。

在一些实施例中，处理模块130可以通过多种方式对电磁环境测试数据进行预处理，以确定待分析数据。

例如，处理模块130可以通过对电磁环境测试数据进行采样，将样本数据进行滤波，将滤波前后数据满足预设条件的样本数据确定为待分析数据。

预设条件是指提前预设的确定待分析数据的条件，例如，预设条件可以是滤波前后数据的变化值小于变化阈值等。变化阈值可以提前预设。例如，对从上午八点到当天二十点产生的电磁环境测试数据，处理模块130可以按照一个小时长度划分，得到12个时间段的数据。在这12个时间段的每个时间段内，随机取样固定时间长度（如5分钟长度等）的数据，将取样数据作为该时间段的抽样样本数据。

处理模块130可以将每个时间段内的抽样样本数据通过滤波器处理，得到滤波前后的样本数据。如果样本滤波前后数据满足预设条件，处理模块130可以将满足预设条件的样本对应的时间段的电磁环境测试数据作为待分析数据。

在一些实施例中，处理模块130可以按照测试周期长度作为一个划分标准。

如果通过滤波器处理后，数据变化不大，则说明数据存在的噪声少，这部分数据是供分析的良好数据。

在一些实施例中，处理模块130可以将待分析数据发送至存储模块140进行存储。

处理模块130既可以接收来自数据缓存模块120缓存的电磁环境测试数据，也可以将处理得到的待分析数据发送至存储模块140。

在一些实施例中，存储模块140可以被配置为存储电磁环境测试数据和待分析数据等。

在电磁监测实时分析***中，存储模块140可以是一个硬盘驱动器或云存储服务。该存储模块140可以用于存储电磁环境测试数据（如采样频谱数据、校准数据等）和待分析数据等。

在一些实施例中，（历史）电磁环境测试数据、是否存在测试参数错误和待分析数据等数据可以以数据库的形式存储在存储模块140中。

示例性的，电磁监测实时分析***用于监测无线电频谱，存储模块140可以将采样频谱数据保存在数据库中。存储模块140每次接收到的采样频谱数据都会被存储为一个记录，该记录包括时间戳、频率范围和信号强度等信息。上述记录可以按照时间顺序进行组织，以便进行后续的数据分析和回溯。

在一些实施例中，存储模块140还可以存储待分析数据。有关待分析数据的内容，参见图1中对处理模块130生成的待分析数据的相关描述。

在一些实施例中，存储模块140还可以存储与电磁监测实时分析***相关的多种数据，例如，历史测试结果、历史测试数据、初始电磁环境测试数据、历史预设时间段内的历史电磁环境测试数据、测试时间、测试频段等，关于上述的更多内容可以参见下述图2至图5的相关描述。

在一些实施例中，分析反馈模块150可以被配置为确定控制指令以控制数据缓存模块120的数据传输流向，数据传输流向包括将电磁环境测试数据发送至处理模块130或存储模块140；以及基于存储模块140的待分析数据确定是否存在测试参数错误；响应于存在测试参数错误，发出参数错误预警。

控制指令是根据电磁环境测试数据发送至处理模块还是存储模块进行处理，以确定控制数据传输流向的指令。

在一些实施例中，控制指令是根据电磁环境测试数据的分析处理流程，预先设置在分析反馈模块150中的。

测试参数错误是指表征待分析数据中测试参数的正常情况。测试参数错误可以通过文字、数值、符号等中的至少一种进行表示。例如，测试参数错误可以通过数值0/1进行表示。如果存在错误，则可以1来表示，否则用0来表示。

分析反馈模块150可以将待分析数据和不存在测试参数错误的标准测试结果数据进行相似度计算，如果相似度低于相似度阈值，则认为该待分析数据存在测试参数错误。

在一些实施例中，测试参数错误可以包括校准错误和天线参数设置错误等中的至少一种。校准错误是人工校准存在校准参数不当、校准失败、校准疏漏等的错误。天线参数设置错误是指表征天线通道与当前情况不相适配。

在一些实施例中，响应于存在测试参数错误，分析反馈模块150将发出参数错误预警。参数错误预警的方式包括但不限于声音或视觉警报、异常通知或警报消息、远程报警信息、使用指示灯，或者日志记录和报告等中的至少一种。

有关分析反馈模块150通过测试参数判断模型确定测试参数错误、中断测试及发出校准请求等的内容，参见图2中的相关描述。

本说明书所提供的电磁监测实时分析***，能够在设备本身对数据统计分析阶段，及时发现前期设备校准问题和/或设备测试参数错误设置问题，使操作人员能够及时采取适当的措施进行修复或调整，进而保证后续采集的电磁测试数据的质量，提高监测效率和准确性，避免产生不必要的采集成本。

在一些实施例中，电磁监测实时分析***可以被配置为辅助电磁环境测试设备进行测试。电磁监测实时分析***可以被配置为基于电磁环境测试设备的处理器执行。处理器包括数据传输模块110、数据缓存模块120、处理模块130、存储模块140和分析反馈模块150等。

应当理解，图1所示的***及其模块可以利用各种方式来实现。例如，在一些实施例中，数据传输模块110可以自带缓存介质，包含数据缓存模块120的功能。再例如，处理模块130与存储模块140可以被集成在同一个模块中，分别执行各自的功能。

需要注意的是，以上对于电磁监测实时分析***及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该***的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子***与其他模块连接。在一些实施例中，图1中披露的数据传输模块、数据缓存模块、处理模块、存储模块和分析反馈模块可以是一个***中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的确定测试参数错误以及校准的示例性流程图。在一些实施例中，流程可以由分析反馈模块150执行。

S210，基于存储模块的待分析数据，通过测试参数判断模型确定测试参数错误。

有关存储模块140、待分析数据和测试参数错误的内容，请参见图1的相关描述。

测试参数判断模型可以指用于确定测试参数错误的模型。在一些实施例中，测试参数判断模型可以是机器学习模型。例如，测试参数判断模型可以包括卷积神经网络（Convolutional Neural Networks，CNN）模型、神经网络（Neural Networks，NN）模型或其他自定义的模型结构等中的任意一种或组合。

在一些实施例中，测试参数判断模型的输入可以包括待分析数据，输出可以包括测试参数错误。

测试参数判断模型340可以通过训练过程学习测试参数的正常范围和异常模式，并能够根据输入的数据进行预测和判断。训练数据集包括已知的测试参数正确和测试参数错误的样本数据。这些样本数据可以由人工手动标记，也可以通过其他方式标记。在一些实施例中，可以基于大量带有第一标签的第一训练样本训练测试参数判断模型。第一训练样本可以是样本待分析数据，第一训练样本的第一标签可以为样本测量参数错误。在一些实施例中，第一训练样本可以通过处理模块130基于历史电磁环境测试数据生成得到，第一标签可以基于人工标注确定。通过第一标签和初始测试参数判断模型的结果构建损失函数，基于损失函数迭代更新初始测试参数判断模型的参数。当初始测试参数判断模型的损失函数满足迭代条件时模型训练完成，得到训练好的测试参数判断模型。其中，迭代条件可以是损失函数收敛、迭代的次数达到阈值等。测试参数判断模型训练完成后，可以通过输入待分析数据来确定测试参数错误。

测试参数判断模型还包括其他输入，具体参见图3的相关描述。

S220，响应于存在测试参数错误，中断本次测试，并发出校准请求。

校准请求是分析反馈模块150向操作人员发出的请求，提示操作人员对参数设置（例如校准参数设置和/或天线参数设置等）进行调整，以在重新测试后消除测试参数错误。

在一些实施例中，如果存在测试参数错误，则中断本次测试，并发出校准请求。例如，如果将某组待分析数据输入到测试参数判断模型后，输出为存在测试参数错误，则分析反馈模块150可以中断测试过程并向操作人员发出校准请求。

S230，响应于获取到校准完成指令，重新启动测试。

在操作人员收到分析反馈模块150发出的校准请求后，将进行测试参数校准，并在校准完成后，向分析反馈模块150发送校准完成指令。

在一些实施例中，如果获取到校准完成指令，则重新启动测试。例如，操作人员在完成测试参数校准后，可以录入校准完成指令并向分析反馈模块150发出该指令，分析反馈模块150收到该指令后，将重新启动测试。

在重新启动测试后，电磁环境测试设备将重新启动或被初始化，然后从头开始按照测试流程执行测试操作。

测试参数错误的引发原因包括人为偶然因素、测试场景改变和环境干扰等。可以通过校准减少或者消除测试参数错误的引发原因，但是校准可能存在校准参数不适当、校准失败等问题，可能发生人为疏漏。在本说明书一些实施例中，基于存储模块140的待分析数据通过测试参数判断模型确定是否存在测试参数错误，可以避免出现上述人为疏漏。通过分析反馈模块的上述配置方法，***能够自动检测待分析数据中的测试参数错误；可以避免错误数据的进一步分析，确保测试结果的准确性；可以确保***在校准后继续提供可靠的数据和结果。

图3是根据本说明书一些实施例所示的测试参数判断模型的示例性结构图。

在一些实施例中，测试参数判断模型340的输入还包括干扰特征311、初始电磁环境测试数据320，以及历史预设时间段内的历史电磁环境测试数据330、历史预设时间段内的历史电磁环境测试数据对应的测试时间313和测试频段314等。

干扰特征是是指可以表征干扰的相关信息的特征。例如，干扰特征可以表征干扰的类型和干扰发生的时间段等多种信息。有关干扰特征的更多内容可以参见本说明书后面的详细描述。

初始电磁环境测试数据指的是原始的（例如第一次的）电磁环境测试数据。分析反馈模块150可以从存储模块140中获取初始电磁环境测试数据320。

历史预设时间段是指预先设定的时间范围，用于回溯、调取和分析特定时间段内的电磁环境测试数据。例如，历史预设时间段可以为过去一周，也可以为上一个测试循环等。

历史预设时间段内的历史电磁环境测试数据330、以及对应的测试时间313和测试频段314是分析反馈模块150从存储模块140中获取的。

如图3所示，测试参数判断模型340可以包括频谱处理层341和分析层342。

频谱处理层是测试参数判断模型的一部分，它对所输入的电磁环境测试数据进行频谱分析和处理，以输出频谱特征。频谱处理层341的输入为可以包括初始电磁环境测试数据320和历史预设时间段内的历史电磁环境测试数据330等；输出为频谱特征350。

频谱特征是指从电磁环境测试数据中提取出来的用于描述信号频谱特性的数据或特征，以揭示信号的频率分布、频带占用情况、功率强度等信息。

分析层是测试参数判断模型的组成部分之一，用于进一步分析和判断测试参数的准确性。

在一些实施例中，分析层342的输入可以包括干扰特征311、待分析数据312、频谱特征350、测试时间313和测试频段314等；输出为测试参数错误360。

有关电磁环境测试数据、待分析数据和测试参数错误的内容，参见图1中的相关描述。

在一些实施例中，频谱处理层的输出可以为分析层的输入，频谱处理层、分析层可以联合训练得到。

在一些实施例中，联合训练的样本数据的每组数据包括样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段，样本数据的标签为每组数据是否存在测试参数错误。联合训练的样本数据可以通过历史数据获取，对应的标签可以人工标注。将样本初始电磁环境测试数据、样本历史电磁环境测试数据输入频谱处理层，得到频谱处理层输出的频谱特征；将频谱特征作为训练样本数据，和样本干扰特征、样本待分析数据、样本测试时间以及样本测试频段输入分析层，得到分析层输出的测试参数错误。基于样本数据标签和分析层输出构建损失函数，同步更新频谱处理层和分析层的参数。通过参数更新，得到训练好的频谱处理层和分析层。

通过测试参数判断模型的上述双层结构及输入的多种数据，有助于***对电磁环境进行更准确、更全面的评估和判断，有助于模型捕捉到频谱数据中的潜在模式和异常情况，使得模型能够进行高级的数据挖掘和决策，提高测试参数判断的准确性和可靠性。

在一些实施例中，测试参数判断模型（频谱处理层和分析层）的训练过程可以分为一个或多个阶段。阶段的数量可以根据实际需求设置。

在一些实施例中，测试参数判断模型（频谱处理层和分析层）的训练过程可以包括第一阶段训练和第二阶段训练等。第一阶段训练是指初始的训练，第二阶段训练是指第一阶段训练完成后进行的训练。

在一些实施例中，第一阶段训练可以包括：基于第一训练集对测试参数判断模型进行第一阶段训练。第一训练集可以包括预设比例的第一类数据、第二类数据和第三类数据。

预设比例指在训练测试参数判断模型时，用于构建不同类别数据集的比例设定。预设比例决定了在训练集中各个类别数据的相对比例，以确保模型能够学习到不同类别数据的特征和模式。例如，对于包含三个类别的数据集，预设比例可以是每个类别的数据占训练集的1/3。预设比例可以根据实际需求预设。

第一类数据、第二类数据和第三类数据是指满足预设比例的第一训练集的三类不同的数据。

在一些实施例中，第一类数据中的每组数据为标签为存在测试参数错误的样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段）。例如，分析反馈模块150可以从存储了历史电磁环境测试数据的数据库中获取第一类数据，对应的标签为存在测试参数错误。

在一些实施例中，第二类数据为不存在测试参数错误的样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段。例如，分析反馈模块150可以从存储了历史电磁环境测试数据的数据库中获取第二类数据，对应的标签为不存在测试参数错误。

在一些实施例中，第三类数据中的每组数据为应用噪声后的样本数据。例如，分析反馈模块150可以从存储了历史电磁环境测试数据的数据库中获取至少一组存在测试参数错误的样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段），并对每组数据应用一个或多个噪声（一个或多个噪声包括但不限于椒盐噪声、高斯噪声和/或泊松噪声等）。分析反馈模块150可以将应用噪声后的每组数据确定为第三类数据，对应的标签为存在测试参数错误。

在一些实施例中，分析反馈模块150可以基于第一类数据、第二类数据和第三类数据，对测试参数判断模型（频谱处理层和分析层）进行第一阶段训练的联合训练。训练过程与图3上述的联合训练过程类似，更多内容参见图3上述的相关描述。

通过将存在测试参数错误和不存在测试参数错误的样本数据进行训练，测试参数判断模型能够学习到区分和判断测试参数是否错误的特征和模式。同时，将第三类数据中的加入噪声也能够帮助模型更好地适应实际应用中的噪声环境。

在一些实施例中，对测试参数判断模型（频谱处理层和分析层）的第一阶段训练完成后，分析反馈模块150可以进行第二阶段训练。

在一些实施例中，第二阶段训练基于第二训练集对第一阶段训练后的测试参数判断模型进行，第二训练集可以包括第四类数据和第五类数据。

在一些实施例中，第四类数据为通过第一阶段训练后的测试参数判断模型被错误的检测为存在测试参数错误、但在存储了历史电磁环境测试数据的数据库中标注是不存在测试参数错误的样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段）。

在一些实施例中，第五类数据为通过第一阶段训练后的测试参数判断模型被错误的检测为不存在测试参数错误、但在存储了历史电磁环境测试数据的数据库中标注是存在测试参数错误的样本干扰特征、样本待分析数据、样本初始电磁环境测试数据、样本历史电磁环境测试数据、样本测试时间以及样本测试频段）。

在一些实施例中，分析反馈模块150可以基于第四类数据和第五类数据，对第一阶段训练后的测试参数判断模型（频谱处理层和分析层）进行第二阶段训练的联合训练。训练过程与图3上述的联合训练过程类似，更多内容参见图3上述的相关描述。

通过使用第一训练集和第二训练集进行两个阶段的训练，测试参数判断模型可以包括多类数据训练、增强模型泛化能力、考虑真实场景和提高模型鲁棒性。这些特征使得测试参数判断模型能够更好地适应不同情况下的测试参数错误判断，并提高模型在实际应用中的性能和可靠性。

图4是根据本说明书一些实施例所示的分析反馈模块配置方式的示例性结构图。

在一些实施例中，分析反馈模块150可以进一步被配置为确定至少一组测试项数据中的每组测试项数据的测试循环次数410。在一些实施例中，分析反馈模块150可以进一步被配置为调整至少一组测试项数据的自动测试时间420。

关于至少一组测试项数据的更多内容，可以参见图1中的相关描述。

测试循环次数是指测试项数据进行测试的重复次数。每组测试项数据分别对应一个测试循环次数。通过测试循环次数的调整，可以减少测试中随机误差的影响，提高测试结果的准确性。

在一些实施例中，分析反馈模块150可以通过多种方式确定每组测试项数据的测试循环次数。例如，分析反馈模块150可以通过预设算法基于历史测试结果中每组测试项数据的测试参数错误的次数确定该组测试项数据对应的测试循环次数。

预设算法是指预先确定的、用于计算每组测试项数据的测试循环次数的算法。例如，某组测试项数据的测试参数错误的次数越多和测试参数错误越频繁，该组测试项数据对应的测试循环次数也就越大。通过预设算法确定测试循环次数，可以避免人工核查后发现数据数量不够，需进行额外测试的风险。

历史测试结果是历史时间已经完成的测试的结果。历史测试结果包括每组测试项数据的测试参数错误的次数。分析反馈模块可以从存储模块中获取历史测试结果。有关测试参数错误的内容，参见图1中对它的相关描述。

在一些实施例中，预设算法可以是：

测试循环次数=k存在测试参数错误的次数+b

其中，k和b为预设系数。

在一些实施例中，确定每组测试项数据的测试循环次数还包括进一步的方法，具体内容参见图5中的相关描述。

自动测试时间是指对每组测试项数据进行自动测试的时间。自动测试时间决定了每组测试项数据在***中进行测试的时间点以及测试时间段。

在一些实施例中，至少一组测试项数据的自动测试时间的长度可以根据至少一组测试项数据的测试循环次数确定：

自动测试时间的长度=Δt测试循环次数

其中，Δt为单次测试需要花费的时间长度，可以预设。

在一些实施例中，分析反馈模块150可以按照测试流程和自动测试时间的长度确定自动测试时间，比如，测试流程是测试项1、测试项2和测试项3，单次测试需要花费的时间长度分别为10min、5min和8min，测试从9:00AM开始，那么测试项1、测试项2和测试项3的自动测试时间分别是9:00~9:10、9:10~9:15和9:15~9:23。

在一些实施例中，分析反馈模块150可以基于历史测试数据确定干扰特征；基于干扰特征和每组测试项数据的测试循环次数，确定至少一组测试项数据的自动测试时间。有关历史测试数据的更多内容可以参见图5的相关描述。

在一些实施例中，分析反馈模块150可以基于历史测试数据，通过多种方式确定干扰特征311。在一些实施例中，干扰特征311可以包括偶发性的人为干扰或工业干扰等的发生时间。

基于历史测试数据，分析反馈模块150可以统计其中用于分析的数据中由于发生各种干扰而产生的数据异常时间段，将统计结果作为干扰特征311。

在一些实施例中，分析反馈模块150可以基于干扰特征311和每组测试项数据的测试循环次数410，通过多种方式确定至少一组测试项数据的自动测试时间420。例如，假设测试流程是测试项1、测试项2和测试项3，干扰特征为9:10~9:13会发生类目1的干扰，类目1的干扰会对测试项1和测试项3产生严重影响，对测试项2会产生影响但是不影响测试结果，假设要分别对测试项1、测试项2和测试项3进行10min、5min和8min的测试，测试从9:00AM开始，那么测试项1、测试项2和测试项3的自动测试时间分别是9:00~9:10、9:10~9:15和9:15~9:23，其中，因为类目1在9:10~9:13的干扰对测试项2的测试结果不产生影响，所以不用特意避开。再例如，假设要分别对测试项1、测试项2和测试项3进行20min、5min和8min的测试，测试从9:00AM开始，那么，如果测试被中断，则测试项1的自动测试时间是9:00~9:10、9:13~9:23；测试项2和测试项3的自动测试时间分别是9:23~9:28和9:28~9:36。如果测试不可以被中断，则测试项1、测试项2和测试项3的自动测试时间分别是9:13~9:33、9:33~9:38和9:38~9:46。

在一些实施例中，至少一组测试项数据的自动测试时间还可以相关于测试需求和测试持续时间。例如，当测试流程的变化、测试流程中包括可以中断和不可以中断的测试项目时，自动测试时间都会受到不同程度的影响。测试需求是指至少一组测试项数据测试的相关需求，例如，测试是否可以中断、测试时间点的要求等。测试持续时间是指至少一组测试项数据的持续时间。

在一些实施例中，基于干扰特征确定至少一组测试项数据的自动测试时间还包括基于干扰特征、测试需求、测试持续时间和每组测试项数据的测试循环次数，通过时间确定模型确定至少一组测试项数据的自动测试时间。其中，时间确定模型可以是机器学习模型。

干扰特征311、测试需求、测试持续时间和每组测试项数据的测试循环次数410是时间确定模型的输入，至少一组测试项数据的自动测试时间420为时间确定模型的输出。

时间确定模型可以通过模型训练得到，样本数据中的每组样本数据是历史数据中的样本干扰特征、样本测试需求、样本测试持续时间和每组测试项数据的样本测试循环次数。训练标签是通过统计历史数据中每组样本数据对应的测试项数据的自动测试时间进行测试后产生的测试数据中发生测试参数错误，将产生测试参数错误最少的自动测试时间作为该组样本数据对应的训练标签。

通过分析历史测试数据中的干扰特征和考虑测试循环次数，***能够确定更合适的自动测试时间，并优化测试方案以应对干扰的存在，这有助于在较少干扰的时间段内进行更多的测试。在本说明书一些实施例中，基于干扰特征、测试需求、测试持续时间和每组测试项数据的测试循环次数等，通过时间确定模型确定自动测试时间，可以进一步提高确定的自动测试时间的准确性。

每组测试项数据可能需要循环多次，每组测试项数据对应的自动测试时间可能不同（例如，自动测试时间为早晨或凌晨等），在实际测试过程中，可能存在一些不可控因素（如固定时段的未知干扰、建筑施工时间段的干扰等）。通过对分析反馈模块的进一步配置，***能够根据具体情况自动确定每组测试项数据需要进行的测试循环次数；可以根据每个测试项数据的复杂性、测试目标以及实际情况等，自动调整至少一组测试项数据的自动测试时间，从而提高测试的效率和准确性。

图5是根据本说明书一些实施例所示的确定测试循环次数的示例性流程图。在一些实施例中，流程可以由分析反馈模块150执行。

S510，基于历史测试数据，确定测试参数频繁项和测试参数频繁项对应的支持度。

历史测试数据至少包括各测试项的历史测试结果和测试参数错误次数等。分析反馈模块150可以从存储模块140中获取历史测试数据。

测试参数频繁项是指不同的测试项数据对应不同的测试次数的项目。例如，测试参数频繁项为测试项1对应测试次数100次、测试项1对应测试次数200次、测试项2对应测试次数100次等。测试参数频繁项对应的支持度是指可以反映一定测试次数下出现测试参数错误的频率。某一相同的测试项对应的测试次数不同，相对应的测试参数频繁项对应的支持度可能不同。

在一些实施例中，分析反馈模块150可以基于历史测试数据，通过多种方式确定测试参数频繁项及其对应的支持度。例如，分析反馈模块150可以统计历史测试数据中在相同的测试条件下每个测试项在测试次数i下存在测试参数错误次数n，将i≥阈值1且n≤阈值2的测试项及其测试次数i确定为测试参数频繁项，将n与i的比值确定为测试参数频繁项对应的支持度，其中，阈值1和阈值2的大小可以根据实际需求预设。

在一些实施例中，i≥阈值1表示测试项的测试次数足够多，这可以排除测试的偶发性误差。n≤阈值2表示测试参数错误次数不能太高，这可以排除一些由于非变量内的错误和非正常测试（例如，机器出现问题，理论上测试是正确的，但是结果显示测试错误）等。

S520，基于测试参数频繁项和测试参数频繁项对应的支持度，构建频繁项数据库。

频繁项数据库是指可以表征多组组测试项分别对应的测试参数频繁项和测试参数频繁项对应的支持度。

在一些实施例中，分析反馈模块150可以基于测试参数频繁项和测试参数频繁项对应的支持度，通过多种方式构建频繁项数据库。例如，分析反馈模块150可以按照支持度的升序对试参数频繁项进行排序，选择排序靠前的预设个数的测试参数频繁项及其对应的支持度构建成频繁项数据库。对于预设个数，可以根据需要来设置。

S530，基于频繁项数据库，确定每组测试项数据的测试循环次数。有关每组测试项数据的测试循环次数的内容，参见图4中对它的相关描述。

在一些实施例中，分析反馈模块150可以基于频繁项数据库确定每组测试项数据的测试循环次数。例如，可以选择每个测试项中的支持度最低的测试参数频繁项对应的测试次数确定为每组测试项数据的测试循环次数。

通过执行流程中的步骤，***能够选择支持度低的测试参数频繁项对应的测试次数为每组测试项数据的测试循环次数，使确定的测试循环次数更合理和准确，以提高测试效率和准确性。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

本说明书的一些实施例还提供了一种电磁监测实时分析方法，该方法可以通过电磁监测实时分析***实现，具体步骤如下。

第一步，获取电磁环境测试数据。该步骤可以通过数据传输模块110实现。

在一些实施例中，可以获取电磁环境测试数据，该电磁环境测试数据包括至少一组测试项数据，测试项数据包括采样频谱数据、校准数据、天线和***增益数据。有关获取电磁环境测试数据的内容，参见图1中有关数据传输模块110的相关描述。

第二步，确定和存储待分析数据。该步骤可以通过数据缓存模块120、处理模块130和存储模块140实现。

在一些实施例中，可以基于电磁环境测试数据确定待分析数据并存储待分析数据。有关确定和存储待分析数据的具体内容，参见图1中有关数据缓存模块120、处理模块130和存储模块140的相关描述。

第三步，确定是否存在测试参数错误以及是否发出错误预警。该步骤可以通过分析反馈模块150实现。

在一些实施例中，可以基于待分析数据确定是否存在测试参数错误；响应于存在测试参数错误，发出参数错误预警。有关确定是否存在测试参数错误以及是否发出错误预警的具体内容，参见图1中有关分析反馈模块150的相关描述。

在一些实施例中，基于待分析数据确定是否存在测试参数错误包括：基于待分析数据，通过测试参数判断模型确定测试参数错误，其中，测试参数判断模型为机器学习模型。

在一些实施例中，如果存在测试参数错误，将中断本次测试，并发出校准请求。

在一些实施例中，如果获取到校准完成指令，将重新启动测试。

以上确定是否存在测试参数错误的方法和步骤通过分析反馈模块150执行。有关确定测试参数错误的具体内容，参见图2对分析反馈模块功能的相关描述。

在一些实施例中，电磁监测实时分析方法还包括确定至少一组测试项数据中的每组测试项数据的测试循环次数，以及调整至少一组测试项数据的自动测试时间。

该方法和步骤通过分析反馈模块150执行。有关确定测试循环次数和调整自动测试时间的具体内容，参见图4对分析反馈模块配置方式的相关描述。

在一些实施例中，调整所述至少一组测试项数据的自动测试时间包括两个步骤。这两个步骤通过分析反馈模块150执行。

第一步，确定干扰特征。

在一些实施例中，可以基于历史测试数据确定干扰特征。干扰特征包括偶发性的人为干扰或工业干扰的发生时间。

第二步，确定自动测试时间。

在一些实施例中，可以基于干扰特征和每组测试项数据的所述测试循环次数，确定至少一组测试项数据的自动测试时间。

有关调整所述至少一组测试项数据的自动测试时间的具体内容，参见图4中对确定自动测试时间的相关描述。

本说明书一个或多个实施例提供电磁监测实时分析装置，包括处理器，处理器用于执行电磁监测实时分析方法。

本说明书一个或多个实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行电磁监测实时分析方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的***组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的***。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种电磁监测实时分析***，其特征在于，包括：数据传输模块、数据缓存模块、处理模块、存储模块和分析反馈模块；

所述数据传输模块被配置为接收电磁环境测试数据，所述电磁环境测试数据包括至少一组测试项数据，所述测试项数据包括采样频谱数据、校准数据、天线和***增益数据；

所述数据缓存模块被配置为缓存所述电磁环境测试数据；以及基于所述分析反馈模块的控制指令，将所述电磁环境测试数据发送至所述处理模块和/或所述存储模块；

所述处理模块被配置为基于所述电磁环境测试数据确定待分析数据，以及将所述待分析数据发送至所述存储模块；

所述存储模块被配置为存储所述电磁环境测试数据和所述待分析数据；

所述分析反馈模块被配置为确定所述控制指令以控制所述数据缓存模块的数据传输流向；以及基于所述存储模块的所述待分析数据确定是否存在测试参数错误；响应于存在所述测试参数错误，发出参数错误预警。

2.如权利要求1所述的电磁监测实时分析***，其特征在于，所述分析反馈模块进一步被配置为：

基于所述存储模块的所述待分析数据，通过测试参数判断模型确定所述测试参数错误，其中，所述测试参数判断模型为机器学习模型；

响应于存在所述测试参数错误，中断本次测试，并发出校准请求；

响应于获取到校准完成指令，重新启动测试。

3.如权利要求1所述的电磁监测实时分析***，其特征在于，所述分析反馈模块进一步被配置为：

确定所述至少一组测试项数据中的每组测试项数据的测试循环次数；

以及调整所述至少一组测试项数据的自动测试时间。

4.如权利要求3所述的电磁监测实时分析***，其特征在于，所述分析反馈模块进一步被配置为：

基于历史测试数据确定干扰特征，所述干扰特征包括偶发性的人为干扰或工业干扰的发生时间；

基于所述干扰特征和所述每组测试项数据的所述测试循环次数，确定所述至少一组测试项数据的自动测试时间。

5.一种电磁监测实时分析方法，其特征在于，包括：

获取电磁环境测试数据，所述电磁环境测试数据包括至少一组测试项数据，所述测试项数据包括采样频谱数据、校准数据、天线和***增益数据；

基于所述电磁环境测试数据确定待分析数据并存储所述待分析数据；

基于所述待分析数据确定是否存在测试参数错误；

响应于存在所述测试参数错误，发出参数错误预警。

6.如权利要求5所述的电磁监测实时分析方法，其特征在于，所述基于所述待分析数据确定是否存在测试参数错误包括：基于所述待分析数据，通过测试参数判断模型确定所述测试参数错误，其中，所述测试参数判断模型为机器学习模型；

所述响应于存在所述测试参数错误，发出参数错误预警包括：响应于存在所述测试参数错误，中断本次测试，并发出校准请求；响应于获取到校准完成指令，重新启动测试。

7.如权利要求5所述的电磁监测实时分析方法，其特征在于，所述方法进一步包括：

确定所述至少一组测试项数据中的每组测试项数据的测试循环次数；

以及调整所述至少一组测试项数据的自动测试时间。

8.如权利要求7所述的电磁监测实时分析方法，其特征在于，所述调整所述至少一组测试项数据的自动测试时间包括：

基于历史测试数据确定干扰特征，所述干扰特征包括偶发性的人为干扰或工业干扰的发生时间；

基于所述干扰特征和所述每组测试项数据的所述测试循环次数，确定所述至少一组测试项数据的自动测试时间。

9.一种电磁监测实时分析装置，其特征在于，包括处理器，所述处理器用于执行权利要求5~8中任一项所述的电磁监测实时分析方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求5~8任一项所述的电磁监测实时分析方法。