CN118121487B - 一种用于艾灸治疗仪的温度传感器数据异常处理方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于艾灸治疗仪的温度传感器数据异常处理方法，包括：采集艾灸治疗仪的加热功率数据序列、温度数据序列以及电流数据序列；根据不同采集时刻之间温度数据的分布差异得到异常程度；根据异常程度得到整合数据参考区间；根据整合数据参考区间得到区间温度异常程度；根据整合数据参考区间内加热功率数据、温度数据以及电流数据得到关联维度异常程度；根据整合数据参考区间的温度数据得到参考邻域区间；根据参考邻域区间内区间温度异常程度以及关联维度异常程度，对温度数据进行异常处理。本发明提高了异常温度的检测结果的准确性降低，提高了对异常温度进行异常处理的效率。

Description

一种用于艾灸治疗仪的温度传感器数据异常处理方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于艾灸治疗仪的温度传感器数据异常处理方法。

背景技术

艾灸治疗仪是一种利用艾草的药理作用进行温热疗法医疗设备，为了保证在治疗过程中不会因温度过高或过低降低艾草的药理作用，需要实时监测艾灸治疗仪的温度，并对异常温度进行及时处理。

现有方法通常利用非局部均值滤波算法对异常温度数据进行去异常处理，但艾灸治疗仪在工作时的温度数据会受到其他维度数据的影响，而现有的非局部均值滤波算法仅能根据温度数据进行异常处理，没有结合其他相关维度数据对温度数据的影响，导致异常温度的检测结果的准确性降低，从而降低了对异常温度进行异常处理的效率。

发明内容

本发明提供一种用于艾灸治疗仪的温度传感器数据异常处理方法，以解决现有的问题：现有的非局部均值滤波算法仅能根据温度数据进行异常处理，没有结合其他相关维度数据对温度数据的影响，导致异常温度的检测结果的准确性降低。

本发明的一种用于艾灸治疗仪的温度传感器数据异常处理方法采用如下技术方案：

包括以下步骤：

采集艾灸治疗仪的加热功率数据序列、温度数据序列以及电流数据序列，所述加热功率数据序列包含多个加热功率数据，温度数据序列包含多个温度数据，电流数据序列包含多个电流数据，每个加热功率数据、温度数据以及电流数据均对应一个采集时刻；

根据不同采集时刻之间温度数据的分布差异，得到每个采集时刻的温度数据的异常程度；根据异常程度从多个采集时刻中筛选出若干待分析采集时刻；根据待分析采集时刻周围采集时刻的连续分布情况对多个采集时刻进行划分，得到每个待分析采集时刻的整合数据参考区间；根据整合数据参考区间内温度数据的异常程度，得到每个待分析采集时刻的区间温度异常程度；

根据整合数据参考区间内加热功率数据、温度数据以及电流数据之间的变化关联情况，得到每个待分析采集时刻的关联维度异常程度；

根据整合数据参考区间内温度数据的变化波动情况，从多个采集时刻中筛选出若干参考邻域区间；根据不同参考邻域区间内区间温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理。

优选的，所述根据不同采集时刻之间温度数据的分布差异，得到每个采集时刻的温度数据的异常程度，包括的具体方法为：

式中，表示第个采集时刻的温度数据的初始异常程度；表示第个采集时刻的温度数据；表示所有采集时刻的温度数据的均值；表示除第个采集时刻的温度数据以外所有采集时刻的温度数据的数量；表示除第个采集时刻的温度数据以外第个采集时刻的温度数据；表示取绝对值；获取所有采集时刻的温度数据的初始异常程度，将所有的初始异常程度进行线性归一化，将归一化后的每个初始异常程度记为异常程度。

优选的，所述根据异常程度从多个采集时刻中筛选出若干待分析采集时刻，包括的具体方法为：

预设一个异常程度阈值，将异常程度大于的温度数据记为待分析温度数据，将待分析温度数据对应的采集时刻记为待分析采集时刻。

优选的，所述根据待分析采集时刻周围采集时刻的连续分布情况对多个采集时刻进行划分，得到每个待分析采集时刻的整合数据参考区间，包括的具体方法为：

预设一个采集时刻数量，对于任意一个待分析采集时刻，将待分析采集时刻的前个采集时刻以及后个采集时刻共同构成的数据段记为待分析采集时刻的数据分析区间，获取所有待分析采集时刻的数据分析区间；

对于任意两个相邻的待分析采集时刻，在两个待分析采集时刻中，将任意一个待分析采集时刻记为第一待分析采集时刻，将另一个待分析采集时刻记为第二待分析采集时刻，若第一待分析采集时刻与第二待分析采集时刻的数据分析区间存在重合的部分，将第一待分析采集时刻的数据分析区间与第二待分析采集时刻的数据分析区间进行合并，得到新的数据段，并分别记为第一待分析采集时刻的整合数据参考区间以及第二待分析采集时刻的整合数据参考区间。

优选的，所述根据整合数据参考区间内温度数据的异常程度，得到每个待分析采集时刻的区间温度异常程度，包括的具体方法为：

式中，表示任意一个待分析采集时刻的区间温度异常程度；表示待分析采集时刻的整合数据参考区间中所有待分析采集时刻的数量；表示待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示待分析采集时刻的整合数据参考区间中所有采集时刻的温度数据的均值；表示待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据的异常程度；表示待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据；表示取绝对值。

优选的，所述根据整合数据参考区间内加热功率数据、温度数据以及电流数据之间的变化关联情况，得到每个待分析采集时刻的关联维度异常程度，包括的具体方法为：

获取所有采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子；

获取所有采集时刻的邻域温度采集时刻；

式中，表示任意一个待分析采集时刻的关联维度异常程度；表示待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示在待分析采集时刻的整合数据参考区间中，所有采集时刻的电流数据的均值；表示待分析采集时刻的整合数据参考区间中第个采集时刻的电能耗变化因子；表示待分析采集时刻的整合数据参考区间中第个采集时刻的电流数据；表示待分析采集时刻的整合数据参考区间第个采集时刻的温度变化因子；表示待分析采集时刻的整合数据参考区间第个采集时刻的加热能耗变化因子；表示在分析采集时刻的整合数据参考区间中，第个采集时刻的所有邻域温度采集时刻的数量；表示在待分析采集时刻的整合数据参考区间中，第个采集时刻的温度变化因子；表示待分析采集时刻的整合数据参考区间中，第个采集时刻的第个邻域温度采集时刻的温度变化因子；表示取绝对值。

优选的，所述获取所有采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子，包括的具体方法为：

对于任意两个相邻的采集时刻，在两个采集时刻中，将第一个采集时刻的温度数据与第二个采集时刻的温度数据的差值，记为第二个采集时刻的温度变化因子；将第一个采集时刻的加热功率数据与第二个采集时刻的加热功率数据的差值，记为第二个采集时刻的加热能耗变化因子；将第一个采集时刻的电流数据与第二个采集时刻的电流数据的差值，记为第二个采集时刻的电能耗变化因子。

优选的，所述获取所有采集时刻的邻域温度采集时刻，包括的具体方法为：

预设一个温度数据阈值，对于任意两个采集时刻，在两个采集时刻中，将任意一个采集时刻记为第一采集时刻，将另一个采集时刻记为第二采集时刻，若第一采集时刻与第二采集时刻之间温度数据的差值的绝对值小于，将第二采集时刻记为第一采集时刻的邻域温度采集时刻。

优选的，所述根据整合数据参考区间内温度数据的变化波动情况，从多个采集时刻中筛选出若干参考邻域区间，包括的具体方法为：

对于任意一个待分析采集时刻的整合数据参考区间，将整合数据参考区间的长度记为目标长度；在所有采集时刻中，获取若干长度为的邻域块，将每个邻域块记为参考数据区间；

预设一个标准差阈值，对于任意一个参考数据区间，将参考数据区间内所有采集时刻的温度数据的标准差记为第一温度标准差，若参考数据区间的第一温度标准差与整合数据参考区间内所有采集时刻的温度数据的标准差小于，将参考数据区间记为整合数据参考区间的参考邻域区间。

优选的，所述根据不同参考邻域区间内区间温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理，包括的具体方法为：

对于任意一个待分析采集时刻的整合数据参考区间的任意一个参考邻域区间，参考待分析采集时刻的区间温度异常程度以及关联维度异常程度的获取方法，获取参考邻域区间的区间温度异常程度以及关联维度异常程度；

式中，表示参考邻域区间的区间滤波权重；表示参考邻域区间中第一个采集时刻与该整合数据参考区间中第一个采集时刻的差值的绝对值；表示待分析采集时刻的区间温度异常程度；表示参考邻域区间的区间温度异常程度；表示待分析采集时刻的关联维度异常程度；表示参考邻域区间的关联维度异常程度；表示预设的超参数；表示参考邻域区间与整合数据参考区间中所有采集时刻序号相同的数量；表示参考邻域区间中第个采集时刻的温度数据；表示整合数据参考区间中第个采集时刻的温度数据；表示取绝对值；表示线性归一化；表示sigmoid函数；获取所有参考邻域区间的区间滤波权重，对所有的区间滤波权重进行线性归一化，将归一化后的每个区间滤波权重记为区间滤波权重因子；

式中，表示任意一个待分析采集时刻的温度数据的滤波值；表示待分析采集时刻的整合数据参考区间的所有参考邻域区间的数量；表示待分析采集时刻的整合数据参考区间的第个参考邻域区间的区间滤波权重因子；表示待分析采集时刻的整合数据参考区间的第个参考邻域区间中所有温度数据的均值；获取所有待分析采集时刻的温度数据的滤波值；

将每个待分析采集时刻的温度数据替换为对应的滤波值。

本发明的技术方案的有益效果是：根据不同采集时刻之间温度数据的分布差异得到整合数据参考区间；根据整合数据参考区间内温度数据的异常程度，得到待分析采集时刻的区间温度异常程度；根据整合数据参考区间内加热功率数据、温度数据以及电流数据之间的变化关联情况，得到待分析采集时刻的关联维度异常程度；根据不同待分析采集时刻的温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理；本发明的异常程度反映了采集时刻的温度数据存在异常的概率，区间温度异常程度反映了整合数据参考区间对待分析采集时刻本身异常的价值，关联维度异常程度反映了待分析采集时刻周围温度、电流以及加热效率互相之间的影响关系；结合多个相关维度数据对温度数据的影响，提高了异常温度的检测结果的准确性降低，提高了对异常温度进行异常处理的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种用于艾灸治疗仪的温度传感器数据异常处理方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于艾灸治疗仪的温度传感器数据异常处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于艾灸治疗仪的温度传感器数据异常处理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于艾灸治疗仪的温度传感器数据异常处理方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集艾灸治疗仪的加热功率数据序列、温度数据序列以及电流数据序列。

需要说明的是，现有方法通常利用非局部均值滤波算法对异常温度数据进行去异常处理，但艾灸治疗仪在工作时的温度数据会受到其他维度数据的影响，而现有的非局部均值滤波算法仅能根据温度数据进行异常处理，没有结合其他相关维度数据对温度数据的影响，导致异常温度的检测结果的准确性降低，从而降低了对异常温度进行异常处理的效率。

具体的，首先需要采集温度数据序列以及电流数据序列，具体过程为：使用温度传感器、电流传感器以及艾灸治疗仪的加热功率检测模块每隔0.1秒为一个采集时刻，采集一次艾灸治疗仪的加热功率数据、温度数据以及电流数据，共采集5分钟，获取所有加热功率数据、温度数据以及电流数据；将所有的加热功率数据按照采集时刻从小到大的顺序进行排列，将排列后的序列记为加热功率数据序列；将所有的温度数据按照采集时刻从小到大的顺序进行排列，将排列后的序列记为温度数据序列；将所有的电流数据按照采集时刻从小到大的顺序进行排列，将排列后的序列记为电流数据序列。其中每个采集时刻对应一个加热功率数据、一个温度数据以及一个电流数据。另外需要说明的是，本实施例不对采集时刻、采集总时长以及采集数据种类进行具体限定，其中采集时刻、采集总时长以及采集数据种类可根据具体实施情况而定。

至此，通过上述方法得到加热功率数据序列、温度数据序列以及电流数据序列。

步骤S002：根据不同采集时刻之间温度数据的分布差异，得到每个采集时刻的温度数据的异常程度；根据异常程度从多个采集时刻中筛选出若干待分析采集时刻；根据待分析采集时刻周围采集时刻的连续分布情况对多个采集时刻进行划分，得到每个待分析采集时刻的整合数据参考区间；根据整合数据参考区间内温度数据的异常程度，得到每个待分析采集时刻的区间温度异常程度。

需要说明的是，在实际环境中，不同温度会对艾灸治疗仪中的药物活性产生不同程度的影响，温度过低会无法有效激活药物活性，而温度过高会大幅度地破坏药物活性，导致治疗效果不佳，所以艾灸治疗仪在实际工作时，温度数据直观地反映艾灸治疗仪中药物的治疗效率；为了提高温度数据异常处理的效率，本实施例通过分析不同采集时刻之间温度数据的变化关联情况，得到不同采集时刻的区间温度异常程度，以便后续分析多维度数据之间的关联情况。

具体的，根据第个采集时刻的温度数据与其他采集时刻的温度数据之间的差异，得到第个采集时刻的温度数据的初始异常程度。作为一种示例，可通过如下公式计算第个采集时刻的温度数据的初始异常程度：

式中，表示第个采集时刻的温度数据的初始异常程度；表示第个采集时刻的温度数据；表示所有采集时刻的温度数据的均值；表示除第个采集时刻的温度数据以外所有采集时刻的温度数据的数量；表示除第个采集时刻的温度数据以外第个采集时刻的温度数据；表示取绝对值；表示以第个采集时刻的温度数据为中心，周围温度数据的离散程度。其中若第个采集时刻的温度数据的初始异常程度越大，说明第个采集时刻的温度数据与其他温度数据的差异越大，反映第个采集时刻的温度数据越有可能存在异常。获取所有采集时刻的温度数据的初始异常程度，将所有的初始异常程度进行线性归一化，将归一化后的每个初始异常程度记为异常程度。

进一步的，预设一个异常程度阈值，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定，将异常程度大于的温度数据记为待分析温度数据，将待分析温度数据对应的采集时刻记为待分析采集时刻，获取所有待分析采集时刻；预设一个采集时刻数量，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定，以任意一个待分析采集时刻为例，将该待分析采集时刻的前个采集时刻以及后个采集时刻共同构成的数据段记为该待分析采集时刻的数据分析区间，获取所有待分析采集时刻的数据分析区间；以任意两个相邻的待分析采集时刻为例，在这两个待分析采集时刻中，将任意一个待分析采集时刻记为第一待分析采集时刻，将另一个待分析采集时刻记为第二待分析采集时刻，若第一待分析采集时刻与第二待分析采集时刻的数据分析区间存在重合的部分，那么将第一待分析采集时刻的数据分析区间与第二待分析采集时刻的数据分析区间进行合并，得到新的数据段，并分别记为第一待分析采集时刻的整合数据参考区间以及第二待分析采集时刻的整合数据参考区间，以此类推，获取所有待分析采集时刻的整合数据参考区间。其中该待分析采集时刻的数据分析区间中包含该待分析采集时刻；每个待分析采集时刻的数据分析区间包含多个采集时刻；任意两个相邻的待分析采集时刻之间存在多个采集时刻。需要说明的是，若该待分析采集时刻前后剩余的采集时刻的数量不满足预设的时，那么该待分析采集时刻前后剩余的采集时刻构成的数据段作为该待分析采集时刻的数据分析区间。

进一步的，以任意一个待分析采集时刻为例，根据该待分析采集时刻的整合数据参考区间中所有温度数据，得到该待分析采集时刻的区间温度异常程度。作为一种示例，可通过如下公式计算该待分析采集时刻的区间温度异常程度：

式中，表示该待分析采集时刻的区间温度异常程度；表示该待分析采集时刻的整合数据参考区间中所有待分析采集时刻的数量；表示该待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示该待分析采集时刻的整合数据参考区间中所有采集时刻的温度数据的均值；表示该待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据的异常程度；表示该待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据；表示取绝对值。其中该待分析采集时刻的区间温度异常程度越大，说明该待分析采集时刻的整合数据参考区间中温度数据异常波动情况越频繁，反映该待分析采集时刻的整合数据参考区间对该待分析采集时刻本身异常的价值越大。获取所有待分析采集时刻的区间温度异常程度。

至此，通过上述方法得到所有待分析采集时刻的区间温度异常程度。

步骤S003：根据整合数据参考区间内加热功率数据、温度数据以及电流数据之间的变化关联情况，得到每个待分析采集时刻的关联维度异常程度。

需要说明的是，艾灸治疗仪在对药物进行加热时，流经元器件的电流会使不同的元器件产生不同程度的发热情况，这些发热情况产生的热量也会对药物进行加热，使药物活性更快地达到合适的活性范围，导致原先艾灸治疗仪按照仪器预订的加热效率进行加热时，会受到电流影响从而使预定的加热效率产生的能量过剩或者不足。在常规情况下，电流增大，加热效率会随着增大，对应影响的温度数据也会发生一定程度的增大，但若艾灸治疗仪中的元器件或者导线产生微小故障时，药物接受的热能变化会并不会与电流数据或者加热效率一直呈现正相关的关系；为了提高温度数据异常处理的效率，本实施例通过分析不同维度数据之间的关联性得到关联维度异常程度，以便后续结合区间温度异常程度对温度数据进行异常处理。

具体的，以任意两个相邻的采集时刻为例，在这两个采集时刻中，将第一个采集时刻的温度数据与第二个采集时刻的温度数据的差值，记为第二个采集时刻的温度变化因子；将第一个采集时刻的加热功率数据与第二个采集时刻的加热功率数据的差值，记为第二个采集时刻的加热能耗变化因子；将第一个采集时刻的电流数据与第二个采集时刻的电流数据的差值，记为第二个采集时刻的电能耗变化因子；获取所有采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子。另外需要说明的是，本实施例不考虑第一个采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子。

进一步的，预设一个温度数据阈值，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定；以任意两个采集时刻为例，在这两个采集时刻中，将任意一个采集时刻记为第一采集时刻，将另一个采集时刻记为第二采集时刻，若第一采集时刻与第二采集时刻之间温度数据的差值的绝对值小于，那么将第二采集时刻记为第一采集时刻的邻域温度采集时刻；获取所有采集时刻的邻域温度采集时刻。其中每个采集时刻对应多个邻域温度采集时刻。

进一步的，以任意一个待分析采集时刻为例，根据该待分析采集时刻的整合数据参考区间中所含采集时刻对应的温度变化因子、加热能耗变化因子、电能耗变化因子以及邻域温度采集时刻，得到该待分析采集时刻的关联维度异常程度。作为一种示例，可通过如下公式计算该待分析采集时刻的关联维度异常程度：

式中，表示该待分析采集时刻的关联维度异常程度；表示该待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示在该待分析采集时刻的整合数据参考区间中，所有采集时刻的电流数据的均值；表示该待分析采集时刻的整合数据参考区间中第个采集时刻的电能耗变化因子；表示该待分析采集时刻的整合数据参考区间中第个采集时刻的电流数据；表示该待分析采集时刻的整合数据参考区间第个采集时刻的温度变化因子；表示该待分析采集时刻的整合数据参考区间第个采集时刻的加热能耗变化因子；表示在该待分析采集时刻的整合数据参考区间中，第个采集时刻的所有邻域温度采集时刻的数量；表示在该待分析采集时刻的整合数据参考区间中，第个采集时刻的温度变化因子；表示该待分析采集时刻的整合数据参考区间中，第个采集时刻的第个邻域温度采集时刻的温度变化因子；表示取绝对值；表示该待分析采集时刻的整合数据参考区间中电流数据的局部异常程度；表示综合温度、电流以及加热效率连续变化关系的局部异常程度；表示该待分析采集时刻的整合数据参考区间中温度数据互相影响的程度。其中若该待分析采集时刻的关联维度异常程度越大，说明该待分析采集时刻周围温度、电流以及加热效率互相之间的影响关系越明显，反映该待分析采集时刻越有可能是异常的采集时刻。获取所有待分析采集时刻的关联维度异常程度。

至此，通过上述方法得到所有待分析采集时刻的关联维度异常程度。

步骤S004：根据整合数据参考区间内温度数据的变化波动情况，从多个采集时刻中筛选出若干参考邻域区间；根据不同参考邻域区间内区间温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理。

具体的，以任意一个待分析采集时刻的整合数据参考区间为例，将该整合数据参考区间的长度记为目标长度；在所有采集时刻中，获取若干长度为的邻域块，将每个邻域块记为参考数据区间；预设一个标准差阈值，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定，以任意一个参考数据区间为例，将该参考数据区间内所有采集时刻的温度数据的标准差记为第一温度标准差，若该参考数据区间的第一温度标准差与该整合数据参考区间内所有采集时刻的温度数据的标准差小于，那么将该参考数据区间记为该整合数据参考区间的参考邻域区间；获取该整合数据参考区间的所有参考邻域区间。其中每个邻域块包含多个采集时刻；另外获取数据序列中邻域块的过程是非局部均值滤波算法的公知内容，本实施例不再赘述。

进一步的，以该整合数据参考区间的任意一个参考邻域区间为例，参考该待分析采集时刻的区间温度异常程度以及关联维度异常程度的获取方法，获取该参考邻域区间的区间温度异常程度以及关联维度异常程度；根据该参考邻域区间与该待分析采集时刻之间区间温度异常程度以及关联维度异常程度的差异，得到该参考邻域区间的区间滤波权重。作为一种示例，可通过如下公式计算该参考邻域区间的区间滤波权重：

式中，表示该参考邻域区间的区间滤波权重；表示该参考邻域区间中第一个采集时刻与该整合数据参考区间中第一个采集时刻的差值的绝对值；表示该待分析采集时刻的区间温度异常程度；表示该参考邻域区间的区间温度异常程度；表示该待分析采集时刻的关联维度异常程度；表示该参考邻域区间的关联维度异常程度；表示预设的超参数，本实施例预设，用于防止分母为0；表示该参考邻域区间与该整合数据参考区间中所有采集时刻序号相同的数量；表示该参考邻域区间中第个采集时刻的温度数据；表示该整合数据参考区间中第个采集时刻的温度数据；表示取绝对值；表示线性归一化；表示sigmoid函数，可将数据归一化至；表示对所有待分析采集时刻的区间温度异常程度进行线性归一化后，该待分析采集时刻的区间温度异常程度；表示对所有参考邻域区间的区间温度异常程度进行线性归一化后，该参考邻域区间的区间温度异常程度；表示将所有待分析采集时刻的关联维度异常程度输入sigmoid函数后，输出的该待分析采集时刻的关联维度异常程度；表示将所有参考邻域区间的关联维度异常程度输入sigmoid函数后，输出的该参考邻域区间的关联维度异常程度。其中若该参考邻域区间的区间滤波权重越大，说明该参考邻域区间对该整合数据参考区间内温度数据的影响越大。获取所有参考邻域区间的区间滤波权重，对所有的区间滤波权重进行线性归一化，将归一化后的每个区间滤波权重记为区间滤波权重因子。

进一步的，根据该待分析采集时刻的整合数据参考区间的所有参考邻域区间的区间滤波权重因子，得到该待分析采集时刻的温度数据的滤波值。作为一种示例，可通过如下公式计算该待分析采集时刻的温度数据的滤波值：

式中，表示该待分析采集时刻的温度数据的滤波值；表示该待分析采集时刻的整合数据参考区间的所有参考邻域区间的数量；表示该待分析采集时刻的整合数据参考区间的第个参考邻域区间的区间滤波权重因子；表示该待分析采集时刻的整合数据参考区间的第个参考邻域区间中所有温度数据的均值。获取所有待分析采集时刻的温度数据的滤波值。

进一步的，将每个待分析采集时刻的温度数据替换为对应的滤波值，完成对艾灸治疗仪的温度数据的异常处理。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，该方法包括以下步骤：

采集艾灸治疗仪的加热功率数据序列、温度数据序列以及电流数据序列，所述加热功率数据序列包含多个加热功率数据，温度数据序列包含多个温度数据，电流数据序列包含多个电流数据，每个加热功率数据、温度数据以及电流数据均对应一个采集时刻；

根据不同采集时刻之间温度数据的分布差异，得到每个采集时刻的温度数据的异常程度；根据异常程度从多个采集时刻中筛选出若干待分析采集时刻；根据待分析采集时刻周围采集时刻的连续分布情况对多个采集时刻进行划分，得到每个待分析采集时刻的整合数据参考区间；根据整合数据参考区间内温度数据的异常程度，得到每个待分析采集时刻的区间温度异常程度；

根据整合数据参考区间内加热功率数据、温度数据以及电流数据之间的变化关联情况，得到每个待分析采集时刻的关联维度异常程度；

根据整合数据参考区间内温度数据的变化波动情况，从多个采集时刻中筛选出若干参考邻域区间；根据不同参考邻域区间内区间温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理；

其中，所述关联维度异常程度的获取方法为：获取所有采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子；

获取所有采集时刻的邻域温度采集时刻；

式中，表示任意一个待分析采集时刻的关联维度异常程度；表示待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示在待分析采集时刻的整合数据参考区间中，所有采集时刻的电流数据的均值；表示待分析采集时刻的整合数据参考区间中第个采集时刻的电能耗变化因子；表示待分析采集时刻的整合数据参考区间中第个采集时刻的电流数据；表示待分析采集时刻的整合数据参考区间第个采集时刻的温度变化因子；表示待分析采集时刻的整合数据参考区间第个采集时刻的加热能耗变化因子；表示在分析采集时刻的整合数据参考区间中，第个采集时刻的所有邻域温度采集时刻的数量；表示在待分析采集时刻的整合数据参考区间中，第个采集时刻的温度变化因子；表示待分析采集时刻的整合数据参考区间中，第个采集时刻的第个邻域温度采集时刻的温度变化因子；表示取绝对值；

其中，所述根据不同参考邻域区间内区间温度异常程度以及关联维度异常程度的变化差异，对温度数据进行异常处理，包括的具体方法为：对于任意一个待分析采集时刻的整合数据参考区间的任意一个参考邻域区间，参考待分析采集时刻的区间温度异常程度以及关联维度异常程度的获取方法，获取参考邻域区间的区间温度异常程度以及关联维度异常程度；

式中，表示参考邻域区间的区间滤波权重；表示参考邻域区间中第一个采集时刻与该整合数据参考区间中第一个采集时刻的差值的绝对值；表示待分析采集时刻的区间温度异常程度；表示参考邻域区间的区间温度异常程度；表示待分析采集时刻的关联维度异常程度；表示参考邻域区间的关联维度异常程度；表示预设的超参数；表示参考邻域区间与整合数据参考区间中所有采集时刻序号相同的数量；表示参考邻域区间中第个采集时刻的温度数据；表示整合数据参考区间中第个采集时刻的温度数据；表示取绝对值；表示线性归一化；表示sigmoid函数；获取所有参考邻域区间的区间滤波权重，对所有的区间滤波权重进行线性归一化，将归一化后的每个区间滤波权重记为区间滤波权重因子；

式中，表示任意一个待分析采集时刻的温度数据的滤波值；表示待分析采集时刻的整合数据参考区间的所有参考邻域区间的数量；表示待分析采集时刻的整合数据参考区间的第个参考邻域区间的区间滤波权重因子；表示待分析采集时刻的整合数据参考区间的第个参考邻域区间中所有温度数据的均值；获取所有待分析采集时刻的温度数据的滤波值；

将每个待分析采集时刻的温度数据替换为对应的滤波值。

2.根据权利要求1所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述根据不同采集时刻之间温度数据的分布差异，得到每个采集时刻的温度数据的异常程度，包括的具体方法为：

式中，表示第个采集时刻的温度数据的初始异常程度；表示第个采集时刻的温度数据；表示所有采集时刻的温度数据的均值；表示除第个采集时刻的温度数据以外所有采集时刻的温度数据的数量；表示除第个采集时刻的温度数据以外第个采集时刻的温度数据；表示取绝对值；获取所有采集时刻的温度数据的初始异常程度，将所有的初始异常程度进行线性归一化，将归一化后的每个初始异常程度记为异常程度。

3.根据权利要求1所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述根据异常程度从多个采集时刻中筛选出若干待分析采集时刻，包括的具体方法为：

预设一个异常程度阈值，将异常程度大于的温度数据记为待分析温度数据，将待分析温度数据对应的采集时刻记为待分析采集时刻。

4.根据权利要求1所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述根据待分析采集时刻周围采集时刻的连续分布情况对多个采集时刻进行划分，得到每个待分析采集时刻的整合数据参考区间，包括的具体方法为：

预设一个采集时刻数量，对于任意一个待分析采集时刻，将待分析采集时刻的前个采集时刻以及后个采集时刻共同构成的数据段记为待分析采集时刻的数据分析区间，获取所有待分析采集时刻的数据分析区间；

对于任意两个相邻的待分析采集时刻，在两个待分析采集时刻中，将任意一个待分析采集时刻记为第一待分析采集时刻，将另一个待分析采集时刻记为第二待分析采集时刻，若第一待分析采集时刻与第二待分析采集时刻的数据分析区间存在重合的部分，将第一待分析采集时刻的数据分析区间与第二待分析采集时刻的数据分析区间进行合并，得到新的数据段，并分别记为第一待分析采集时刻的整合数据参考区间以及第二待分析采集时刻的整合数据参考区间。

5.根据权利要求1所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述根据整合数据参考区间内温度数据的异常程度，得到每个待分析采集时刻的区间温度异常程度，包括的具体方法为：

式中，表示任意一个待分析采集时刻的区间温度异常程度；表示待分析采集时刻的整合数据参考区间中所有待分析采集时刻的数量；表示待分析采集时刻的整合数据参考区间中所有采集时刻的数量；表示待分析采集时刻的整合数据参考区间中所有采集时刻的温度数据的均值；表示待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据的异常程度；表示待分析采集时刻的整合数据参考区间中第个采集时刻的温度数据；表示取绝对值。

6.根据权利要求5所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述获取所有采集时刻的温度变化因子、加热能耗变化因子以及电能耗变化因子，包括的具体方法为：

对于任意两个相邻的采集时刻，在两个采集时刻中，将第一个采集时刻的温度数据与第二个采集时刻的温度数据的差值，记为第二个采集时刻的温度变化因子；将第一个采集时刻的加热功率数据与第二个采集时刻的加热功率数据的差值，记为第二个采集时刻的加热能耗变化因子；将第一个采集时刻的电流数据与第二个采集时刻的电流数据的差值，记为第二个采集时刻的电能耗变化因子。

7.根据权利要求5所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述获取所有采集时刻的邻域温度采集时刻，包括的具体方法为：

预设一个温度数据阈值，对于任意两个采集时刻，在两个采集时刻中，将任意一个采集时刻记为第一采集时刻，将另一个采集时刻记为第二采集时刻，若第一采集时刻与第二采集时刻之间温度数据的差值的绝对值小于，将第二采集时刻记为第一采集时刻的邻域温度采集时刻。

8.根据权利要求1所述一种用于艾灸治疗仪的温度传感器数据异常处理方法，其特征在于，所述根据整合数据参考区间内温度数据的变化波动情况，从多个采集时刻中筛选出若干参考邻域区间，包括的具体方法为：

对于任意一个待分析采集时刻的整合数据参考区间，将整合数据参考区间的长度记为目标长度；在所有采集时刻中，获取若干长度为的邻域块，将每个邻域块记为参考数据区间；

预设一个标准差阈值，对于任意一个参考数据区间，将参考数据区间内所有采集时刻的温度数据的标准差记为第一温度标准差，若参考数据区间的第一温度标准差与整合数据参考区间内所有采集时刻的温度数据的标准差小于，将参考数据区间记为整合数据参考区间的参考邻域区间。