(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111095842.6 (22)申请日 2021.09.18 (65)同一申请的已公布的文献号 申请公布号 CN 113553776 A (43)申请公布日 2021.10.26 (73)专利权人 成都诺比侃科技有限公司 地址 610074 四川省成 都市青羊区光 华南 三路88号1栋15层15 34号 (72)发明人 唐泰可　林仁辉　苏茂才　廖峪　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 代理人 李林合 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 107238 873 A,2017.10.10 CN 111244975 A,2020.0 6.05 WO 2019/2 22556 A1,2020.10.21 郝烨 等.人工 视网膜的电磁辐射 抗扰度测 试方法及测试平台研究. 《中国医疗设备》 .2019, 第34卷(第9期),第13 -16、 23页. Yun Wang 等.Electroma gnetic Disturbance of Electric Drive System Signal is Extracted Based o n PLS. 《AIP Conference Proce edings》 .2018,第020 028-1- 020028-5页. 审查员 陈鸣 (54)发明名称 一种电磁辐射数据监控分析方法及系统 (57)摘要 本发明公开了一种电磁辐射数据监控分析 方法及系统， 包括以下步骤： 步骤S1、 对目标区域 内电磁辐射多源时序数据进行主成分分析识别 出由目标区域中电磁辐射主发射源产生的电磁 辐射主源时序数据； 步骤S2、 基于所述电磁辐射 主源时序数据进行模型训练得到电磁辐射主源 波动趋势模型； 步骤S3、 利用电磁辐射主源时序 数据在未来时序的真实发展趋势和预测发展趋 势的差异度作为监听因子， 并判定电磁辐射主发 射源的稳定性。 本发明通过对电磁辐射主发射源 的进行稳定性预测以及稳定性监听， 可实现掌握 目标区域的电磁辐射的波动特征， 得到目标区域 的电磁辐射的波动规 律。 权利要求书3页 说明书10页 附图2页 CN 113553776 B 2022.02.08 CN 113553776 B 1.一种电磁辐射数据监控分析 方法， 其特 征在于， 包括以下步骤： 步骤S1、 对目标区域内电磁辐射多源时序 数据进行主成分分析识别出由目标区域中电 磁辐射主发射源产生的电磁辐射主源时序数据， 所述电磁辐射主源时序数据 表征为电磁辐 射主发射源的波动特 征； 步骤S2、 基于所述电磁辐射主源时序 数据进行模型训练得到电磁辐射主源波动趋势模 型， 所述电磁辐射主源波动趋势模型用于输出电磁辐射主源时序数据在未来时序的预测发 展趋势； 步骤S3、 利用电磁辐射主源时序数据在未来 时序的真实发展趋势和预测发展趋势的差 异度作为监听因子， 并根据监听因子判定电磁辐 射主发射源的稳定性， 以及根据所述稳定 性对所述电磁辐射主发射源进 行波动分析， 实现对目标区域内电磁辐射主发射源的波动监 听以掌握电磁辐射主发射源的波动特 征； 所述监听因子的构建方法包括： 计算未来时序 的电磁辐射主源时序数据 与未来时序 的预测电磁 辐射主源时序数据 的差异度时序链， 所述差异度 时序链的计算公式为： ； 其中， 表征为电磁辐射主发射源 在时序 的电磁辐射主源真实数据 和电磁辐 射主源预测数据 的差异度； 将电磁辐射主发射源 在未来时序 的差异度时 序链 作为电磁辐射主发射源 在未来 时序 的监听因子 ； 所述稳定性的判定方法包括： 若监听因子 位于稳定阈值范围内， 则所述电磁辐射主发射源 k在未来时序 处处于 高稳定性； 若监听因子 未位于稳定阈值范围内， 则所述电磁辐射主发射源 k在未来时序 处处 于低稳定性； 所述波动分析的方法包括： 将所述电磁辐射主发射源 k中处于低稳定性的未来时序 处的所有电磁辐射主源真实 数据 依时序链接为波动时序链； 将所述波动时序链进行曲线拟合得到波动特征分析曲线， 所述波动特征分析曲线包含 有电磁辐射主发射源 k发射的电磁辐射的波动规 律。 2.根据权利要求1所述的一种电磁辐射数据监控分析方法， 其特征在于： 所述步骤S1权　利　要　求　书 1/3 页 2 CN 113553776 B 2中， 所述电磁辐射主源时序数据的识别方法包括： 将所述电磁辐射多源时序数据 按时序量化为时序特征矩 阵 ， 其中， 表征为时序 处的电磁辐射发射源 的时序数据， n为电磁辐 射发射源的总数目， m为电磁辐射多源时序数据的时序总数目； 对所述时序特征矩阵进行主成分分析得到电磁辐射 发射源 的特征贡献率 ， 并按特征 贡献率 对电磁辐射发射源 进行降序排列得到电磁辐射发射源贡献顺序； 选取所述电磁辐射发射源贡献顺序中前p个电磁辐射发射源 作为电磁辐射主发射源 标 记为 ， 其中， p<n， 所述前p个电磁辐射发射源 的特征贡献率 之和在预设贡 献率阈值范围内； 将电磁辐射多源时序数据 转换为电磁辐射主发射源 的电磁辐射主源时序数据 ， 其中， 表征为 时序 处的电磁辐射主 发射源 的时序数据， p为电磁辐射主 发射源的总数目， m为电磁辐射 多源时序数据的时序总数目。 3.根据权利要求2所述的一种电磁辐射数据监控分析方法， 其特征在于： 所述步骤S2 中， 所述电磁辐射主源波动趋势模型的构建方法包括： 将所述电磁辐射主源时序数据 拆分为两个连续时序段 和 的 时 序 数 据 和 ， 并分别作为训练时序样本和测试时序样本， 其中， 表征为时序 处的训练样本， 且为时序 处的电磁辐射主源真实数据， 表征为时序 处 的测试样本， 且为时序 处的电磁辐射主源真实数据， M表征为训练时序样本的时序总数 目， m为电磁辐射多源时序数据的时序总数目； 将电磁辐射主发射源 的训练时序样本 和 测试时序样本 运用至CNN ‑LSTM时序预测 模型中进行模 型训练得到电磁辐射主源波动趋势模型 ， 其中， 表征为电磁 辐射主发射源 的电磁辐射主源波动趋势模型。 4.根据权利要求3所述的一种电磁辐射数据监控分析方法， 其特征在于： 所述电磁辐射 主源波动趋势模型的构建方法还 包括： 将所述训 练时序样本 依时序输入CNN卷积神经网络进行 电磁辐射主发射源的波动特征提取， 输出波动特征序列， 其中， 所述CNN卷积神经网络的训 练参数设定包括： 网络滤波器设定为128个， 激活函数设定为Relu函数， 池化处理设定为权　利　要　求　书 2/3 页 3 CN 113553776 B 3