一种基于人工智能的通信链路故障检测方法与流程

技术特征：
1.一种基于人工智能的通信链路故障检测方法，其特征在于，应用于通信故障检测设备，所述通信故障检测设备与信号收发设备通信连接，所述信号收发设备与预设通信节点连通，所述方法包括：获取信号收发设备发送的第一测试信号以及从第一信号接收节点至第二信号接收节点的第二测试信号，所述第一测试信号和所述第二测试信号均包括信号类别标识和信号编码方式；从预存的参数配置库中确定出与所述第一测试信号对应的信号类别以及信号编码方式所表征的第一信号接收节点处的第一测试信号特性以及从第一信号接收节点处到第二信号接收节点的通信链路上的第二测试信号特性；根据所述第一测试信号特性以及所述第二测试信号特性，确定出从第一信号接收节点发送的测试信号到达第二信号接收节点时的信号失真向量；根据所述第一测试信号的类别和信号编码方式确定所述信号失真向量的第一校验因子并根据所述第一测试信号中的机器码序列确定所述信号失真向量的第二校验因子；基于所述第一校验因子对所述信号失真向量进行第一次校验得到第一校验向量并确定所述第一校验向量与所述信号失真向量的相关性矩阵，基于所述相关性矩阵确定出所述第二校验因子对应的校验规则，基于所述第二校验因子以及所述对应的校验规则对所述第一校验向量进行第二次校验得到第二校验向量；对所述第一测试信号进行特征提取得到第一特征向量，基于所述第二校验向量对所述第一特征向量进行修正得到第一目标特征向量，按照对所述第一测试信号进行特征提取的相同逻辑对所述第二测试信号进行特征提取得到第二特征向量，并基于所述第二校验向量对所述第二特征向量进行修正得到第二目标特征向量；将所述第一目标特征向量与所述第二目标特征向量进行特征融合，并使用预设人工智能模型进行识别，从而得到通信链路故障类型和故障节点定位的结果。2.根据权利要求1所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述根据所述第一测试信号特性以及所述第二测试信号特性，确定出从第一信号接收节点发送的测试信号到达第二信号接收节点时的信号失真向量的步骤，包括：确定所述第一测试信号特性的第一信息熵以及所述第二测试信号特性的第二信息熵，通过预设的信号特性类别划分规则建立信号特性类别集合并基于所述第一信息熵和所述第二信息熵的比值将信号特性类别集合进行切分得到第一信号特性类别子集和第二信号特性类别子集，分别为所述第一信号特性类别子集和所述第二信号特性类别子集分配第一算力资源和第二算力资源；所述第一信息熵和所述第二信息熵用于表征所述第一测试信号和所述第二测试信号的信息量大小，预设的信号特性类别划分规则是基于信号类别和信号编码特征，在所述信号收发设备中所需要的信号处理方式得到的，所述第一测试信号特性类别子集和所述第二测试信号特性类别子集是相互独立的互斥集合，所述第一算力资源和所述第二算力资源用于表征对所述第一测试信号特性子集和所述第二测试信号特性子集进行信号处理所需要的计算资源；分别将所述第一测试信号特性和所述第二测试信号特性映射值所述第一信号特性类别子集和所述第二信号特性类别子集，基于所述第一算力资源和所述第二算力资源分别对所述第一测试信号和所述第二测试信号进行信号处理得到第一信号处理结果和第二信号
处理结果；所述第一信号处理结果和所述第二信号处理结果中分别包括第一信号完整度和第二信号完整度，用于表征信号经过传输以后的信息丢失率；从所述第一信号处理结果中的第一信号完整度中确定出第一目标影响因子以及所述第二信号处理结果中的第二信号完整度中确定出第二目标影响因子，所述第一目标影响因子以及所述第二目标影响因子是对测试信号在信号经过通信链路传输存在影响的通信链路故障对应的标识；基于所述第一目标影响因子和所述第二目标影响因子，确定所述第一目标影响因子和所述第二目标影响因子之间的关联关系，并根据所述关联关系将相关性强的第一目标影响因子和第二目标影响因子预设的信号失真配对列表中以确定出第一目标影响因子对应的第一信号失真响应数组和第二目标影响因子对应的第二信号失真响应数组，所述信号失真配对列表中包括由不同通信链路故障对同一测试信号的失真影响系数，所述失真影响系数用于表征测试信号在通信链路内的平均信号丢失率；确定出所述第一失真响应数组中的每个第一失真影响系数的第一环境扰动权重以及所述第二失真响应数组中的每个第二失真影响系数的第二环境扰动权重，根据所述环境扰动权重的大小对所述第一环境扰动权重和所述第二环境扰动权重进行由大到小的排序得到第一目标序列，并基于所述第一目标序列对所述第一失真影响系数和所述第二失真影响序列进行排序得到第二目标序列，将所述第一目标序列和所述第二目标序列元素对应相乘得到信号失真向量，所述环境扰动权重用于表征不同环境因素对信号在通信链路中传输时产生的信号突变和衰减的影响。3.根据权利要求2所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述根据所述第一测试信号的类别和信号编码方式确定所述信号失真向量的第一校验因子的步骤，包括：根据所述第一测试信号的信号类别，在预存的参数配置库中确定出与所述第一测试信号的信号类别匹配度大于预设值的类别标识，并将所述每个类别标识作为一个维度组成第一目标向量，所述第一目标向量维度和所述类别标识在故障检测设备中以二进制的形式进行存储，所述匹配度根据信号编码方式对所述二进制形式存储的第一目标向量维度标识和所述类别标识进行解码，然后通过所述向量维度标识和所述类别标识在对应位置上连续相同的二进制数值串占总的编码长度的比例得到；确定所述第一测试信号的信号类别对应的信号传输稳定性，所述信号传输稳定性用于表征测试信号在通信链路中传输时的数据包丢失率；确定第一目标向量中的每个第一目标向量元素值与所述信号传输稳定性之间的关联系数，所述关联系数用于表征每个第一目标向量元素与所述信号传输稳定性之间的关联程度，根据所述关联系数为每个第一目标向量值分配第一加权系数，并根据分配了所述第一加权系数的第一目标向量值确定所述第一校验因子。4.根据权利要求1所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述根据所述第一测试信号中的机器码序列确定所述信号失真向量的第二校验因子的步骤，包括：从所述第二信号接收节点上的信号收发设备上获取所述机器码序列并将所述机器码序列头部预设机器码位数的序列列出，得到第一机器码标识序列；
确定所述第一机器码标识序列的特征向量，所述特征向量用于唯一标识所述机器码序列的所表示的信号特性；判断所述特征向量的维度是否与所述失真向量的向量维度关系，若所述失真向量的维度高于所述特征向量维度，则对所述特征向量进行维度扩展，然后根据所述扩展后的特征向量在所述失真向量中投影确定失真向量中第二目标向量元素值的第二加权系数确定所述失真向量的第二校验因子；若所述失真向量的维度与所述特征向量维度相同，则根据所述扩展后的特征向量在所述失真向量中投影确定失真向量中第二目标向量元素值的第二加权系数确定所述失真向量的第二校验因子；若所述失真向量的维度低于所述特征向量维度，则对所述特征向量进行截断，然后根据所述扩展后的特征向量在所述失真向量中投影确定失真向量中第二目标向量元素值的第二加权系数确定所述失真向量的第二校验因子。5.根据权利要求4所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述基于所述第二校验因子以及所述对应的校验规则对所述第一校验向量进行第二次校验得到第二校验向量的步骤，包括：从所述第二校验因子中提取与所述第二校验因子中的当前校验值对应的相关性矩阵，获取所述相关性分布矩阵中包括的当前校验值的对应的测试信号失真统计信息并拟合出测试信号失真函数；所述测试信号失真函数用于表征测试信号的失真规律，所述当前校验值为所述第二校验因子中与所述第一校验向量中的每个校验元素均存在设点关系的向量元素值，所述设定关系用于表征当前向量元素值与所述第一校验向量存在失真关联；将每个校验向量元素映射至所述测试信号失真函数曲线中得到每个校验向量元素值再所述测试信号失真函数中的校验节点，根据每个校验节点在所述测试信号失真函数曲线中所处的位置对每个校验节点对应的校验向量元素值进行修正，得到修正后的校验向量元素值，根据所述修正后的校验向量元素值得到所述第二校验向量。6.根据权利要求1至5任意一项所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述第一信号接收节点和所述第二信号接收节点为统一通信链路上的通信连接的不同节点，所述第一测试信号和所述第二测试信号存储具有关联性。7.根据权利要求1所述的一种基于人工智能的通信链路故障检测方法，其特征在于，所述将所述第一目标特征向量与所述第二目标特征向量进行特征融合，使用预设人工智能模型进行识别，从而得到通信链路故障类型和故障节点定位的结果的步骤，包括：获取所述第一目标特征向量的第一目标特征向量维度和所述第二目标特征向量的第二目标特征向量维度，若所述第一目标特征向量维度与所述第二目标特征向量维度相同，则将第一目标特征向量元素与对应位置的第二目标特征向量元素进行加权融合得到第一融合向量；若所述第一目标特征向量维度小于所述第二目标特征向量维度，则将所述第一目标特征向量与所述第二目标特征向量进行拼接得到第一融合向量，所述第二目标特征向量元素在前；若所述第一目标特征向量维度大于所述第二目标特征向量维度，则将所述第一目标特征向量与所述第二目标特征向量进行拼接得到第一融合向量，所述第一目标特征向量元素在前；将所述第一融合向量作为输入，加载预设人工智能模型进行前向推理，得到识别结果，所述预设人工智能模型为根据大量的通信链路故障数据集训练得到，所述识别结果包括与
通信链路故障类型相对应的整数标志以及与故障节点与当前测试节点的相对位置。8.一种基于人工智能的通信链路故障检测装置，其特征在于，应用于通信故障检测设备，所述通信故障检测设备与信号收发设备通信连接，所述装置包括：获取模块，用于获取信号收发设备发送的第一测试信号以及从第一信号接收节点至第二信号接收节点的第二测试信号，所述第一测试信号和所述第二测试信号均包括信号类别标识和信号编码方式；第一确定模块，用于根据所述第一测试信号特性以及所述第二测试信号特性，确定出从第一信号接收节点发送的测试信号到达第二信号接收节点时的信号失真向量；第二确定模块，用于根据所述第一测试信号的类别和信号编码方式确定所述信号失真向量的第一校验因子并根据所述第一测试信号中的机器码序列确定所述信号失真向量的第二校验因子；校验模块，用于基于所述第一校验因子对所述信号失真向量进行第一次校验得到第一校验向量并确定所述第一校验向量与所述信号失真向量的相关性矩阵，基于所述相关性矩阵确定出所述第二校验因子对应的校验规则，基于所述第二校验因子以及所述对应的校验规则对所述第一校验向量进行第二次校验得到第二校验向量；修正模块，用于对所述第一测试信号进行特征提取得到第一特征向量，基于所述第二校验向量对所述第一特征向量进行修正得到第一目标特征向量，按照对所述第一测试信号进行特征提取的相同逻辑对所述第二测试信号进行特征提取得到第二特征向量，并基于所述第二校验向量对所述第二特征向量进行修正得到第二目标特征向量；识别模块，用于将所述第一目标特征向量与所述第二目标特征向量进行特征融合，并使用预设人工智能模型进行识别，从而得到通信链路故障类型和故障节点定位的结果。9.一种通信故障检测设备，其特征在于，包括深度学习并行计算加速芯片、处理器、机器可读存储介质和网络接口，所述深度学习并行计算加速芯片、所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述深度学习并行计算加速芯片用于深度学习模型和3d卷积神经网络前向推理计算加速、所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1
‑
6中任意一项所述的基于人工智能的人体步态验证方法。10.一种计算机刻度存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现上述权利要求1
‑
6任一项所述的一种基于人工智能的通信链路故障检测方法。

技术总结
本发明公开了一种基于人工智能的通信链路故障检测方法及装置，能够获取信号收发设备发送的第一测试信号并从预存的参数配置库中确定出与所述第一测试信号对应的信号类别所表征的第一信号接收节点处的第一测试信号特性以及从第一信号接收节点处到第二信号接收节点的通信链路上的第二测试信号特性，确定出从第一信号接收节点发送的测试信号到达第二信号接收节点时的信号失真向量，基于确定出的第一校验因子和第二校验因子对信号失真向量进行校验得到第二校验向量以实现对测试信号的征向量进行修正，基于修正得到的特征向量采用人工智能模型进行识别，如此，能够基于人工智能模型对通信链路进行故障类型的智能判断，提高故障诊断效率。提高故障诊断效率。提高故障诊断效率。


技术研发人员：赵梦杰
受保护的技术使用者：泰安宇杰科技有限公司
技术研发日：2021.07.08
技术公布日：2021/10/23