[发明专利]信号分析系统和特征提取并对其解译的方法

说明书

基于传感器数据的描述性和规范性系统的开发涉及机器学习任务，如分类和回归。任何这类系统开发都需要不同的利益相关方的参与以获取特征。通常获得的这些特征对于1‑D传感器信号是不可解译的。本公开的实施例提供了能够执行用于特征提取和对其解译的信号分析的系统和方法，其中输入是原始信号数据，在原始信号数据中，特征的原点被描绘为信号数据并被映射到领域/应用知识。特征是使用深度学习网络提取的，并且针对传感器数据分析来实施机器学习(ML)模型，以执行预测的因果关系分析。深度网络的层(如最后一层)包含可用于ML任务的自动导出特征。参数调整是根据系统推荐的一组特征来执行的，以确定所考虑的系统(或应用程序)的性能。

相关申请的交叉引用

本申请基于2017年11月3日提交的第201721039304号印度专利申请要求优先权。

技术领域

本公开大体涉及数据分析系统，并且更具体地，涉及信号分析系统和特征提取并对其解译以进行推荐的方法。

背景技术

基于描述性和规范性系统的传感器数据的开发涉及机器学习任务，如分类和回归。任何这类系统开发都需要不同利益相关方的参与，以了解问题领域，并生成用于执行数据分析的因果分析、信号处理(SP)、机器学习(ML)技术的模型，最后由开发人员部署解决方案。现在，开发这类个系统的问题是每个利益相关方都说自己的语言和术语。在一项相关的调查中，发现上述工作流程中最困难的任务是特征工程(特征罗列/提取与特征选择的结合)，并且在深度学习方法中，这些特征不可解译为1-D传感器信号，因此就执行预测和活动监测而言容易出错。

发明内容

本公开的实施例提出了技术改进，作为解决上述发明人在传统系统中认识到的一个或多个上述技术问题的解决方案。例如，在一个方面，提供了执行用于特征提取和解译的数据分析的处理器实施的方法。该方法包括经由一个或多个硬件处理器从一个或多个传感器中获取输入数据(例如，输入信号)；经由所述一个或多个硬件处理器预处理所述输入数据，以便对噪音和一个或多个异常中的至少一个进行过滤，并获得过滤的数据；使用针对所述过滤的数据的基于窗口的处理技术从所述过滤的数据中提取第一组特征，其中，来自所述第一组特征的每个特征是唯一的，且对应于一个或多个领域；将元数据应用于所述第一组特征；使用选择与推荐系统在应用所述元数据时从所述第一组特征中生成第二组特征；基于在所述基于窗口的处理技术中观察到的一个或多个时间实例而生成所述第二组特征的多个特征值中的一个特征值；基于结构化知识表示方法的搜索(例如，知识图搜索)来执行一个或多个生成的特征值与一个或多个相应预定义领域值的比较；以及基于所述比较将所述一个或多个生成的特征值映射到一个或多个相应领域的特定模板。

在一个实施例中，使用针对所述过滤的数据的基于窗口的处理技术从所述过滤的数据中提取第一组特征的步骤可以包括：分析与使用所述基于窗口的处理技术而应用的每个窗口相关联的窗口大小；以及使用所分析的窗口大小提取与每个窗口相关联的所述第一组特征。在一个实施例中，基于领域指定窗口和统计上识别的窗口大小中的至少一个的加权聚合来分析所述窗口大小。

在一个实施例中，该方法还可以包括对与来自所述第二组特征的每个特征对应的所述一个或多个特征值进行调整，以便确定每个特征在所述一个或多个领域中的性能。在一个实施例中，该方法还可以包括在应用基于窗口的处理技术时，从每个窗口中识别一个或多个重复特征；并且对来自所述第一组特征的所述一个或多个重复特征进行过滤。