一种原子钟钟差数据异常检测及修正方法和系统与流程
1.本技术涉及到原子钟领域，具体而言，涉及一种原子钟钟差数据异常检测及修正方法和系统。
背景技术：
2.氢原子钟和铯原子钟是守时系统中最常用的高精度频率标准，可靠的原子钟比对数据是进行钟性能分析、保持时间尺度的稳定性和连续性的前提和基础。在实际应用中采集到的原子钟差数据由于受到采集设备、钟失锁、器件老化等设备因素或外部环境一些不可预知的因素影响，其中往往会出现数据缺失、相位跳变和粗差等异常情况。若采集到的原子钟差数据出现异常值，会导致原子钟性能分析出现偏差，从而使得守时系统的时间尺度计算结果不可靠。
3.数据异常值的探测方法主要可分为两大类，一类是直接探测法，另一类是间接探测法：
4.直接探测法指通过观测数据与给定的阈值比较，直接判断观测数据是否为异常值的方法，常用的有门限阈值法、3σ准则、中位数(mad)法、相邻数据窗均值比较法等。直接探测法具有操作简单、易于理解和使用方便等优点，但在处理异常值时一般为直接删除或置零处理；
5.间接探测法是指先分析、研究观测数据本身所固有的特性，如相关性、趋势性、周期性和随机性等等，并且依据这些特性建立观测数据恰当的拟合模型，然后结合模型对数据中的异常值进行探测与处理的方法。
6.目前在现有技术中没有比较好的间接探测法。
技术实现要素：
7.本技术实施例提供了一种原子钟钟差数据异常检测及修正方法和系统，以至少解决现有技术中并没有很好的间接探测法的问题。
8.根据本技术的一个方面，提供了一种原子钟钟差数据异常检测及修正方法，包括：确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。
9.进一步地，根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分包括：根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所述趋势成分数据用于指示趋势性的长期规律，所述波动成分数据用于指示短期波动规律。
10.进一步地，根据所述多个部分建立所述原子钟钟差数据模型包括：根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。
11.进一步地，根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据包括：根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。
12.进一步地，还包括：在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。
13.根据本技术的另一个方面，还提供了一种原子钟钟差数据异常检测及修正系统，包括：确定模块，用于确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；采集模块，用于根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；划分模块，用于根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；建立模块，用于根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；处理模块，用于根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。
14.进一步地，所述划分模块用于：根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所述趋势成分数据用于指示趋势性的长期规律，所述波动成分数据用于指示短期波动规律。
15.进一步地，所述建立模块用于：根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。
16.进一步地，所述处理模块用于：根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。
17.进一步地，所述处理模块还用于：在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。
18.在本技术实施例中，采用了确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据；根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。通过本技术解决了现有技术中并没有很好的间接探测法的问题，从而实现其异常数据的检测及修正。
附图说明
19.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实
施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
20.图1是根据本技术实施例的守时原子钟组钟差监测系统。
21.图2是根据本技术实施例的hp滤波模型实现各原子钟钟差数据的模型示意图。
22.图3是根据本技术实施例的原子钟钟差数据异常检测及修正方法的流程图。
具体实施方式
23.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
24.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
25.在本实施例中提供了一种原子钟钟差数据异常检测及修正方法，图3是根据本技术实施例的原子钟钟差数据异常检测及修正方法的流程图，如图3所示，下面对该流程包括的步骤进行说明。
26.步骤s302，确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；
27.步骤s304，根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；
28.步骤s306，根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；
29.步骤s308，根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；
30.步骤s310，根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。
31.通过上述步骤解决了现有技术中并没有很好的间接探测法的问题，从而实现其异常数据的检测及修正。
32.在本实施例中，数据划分的方式有很多种，例如，根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所述趋势成分数据用于指示趋势性的长期规律，所述波动成分数据用于指示短期波动规律。这种划分数据的方式可以更有利于处理钟差数据。
33.此时，可以根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。分为两个模型来进行处理，可以使得数据处理更加合理。
34.在模型建立起之后，可以采用阈值的方式来判断异常值，即可以根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。更优地，还可以在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。采用阈值的方式来进行判断，可以在一定程度上节约计算资源。
35.下面结合一个可选实施例进行说明。在本实施例中提供一种用于守时系统中氢铯原子钟组钟差数据预处理方法，检测各原子钟的异常数据并对其进行修正。该方法基于hp滤波模型实现各原子钟钟差数据的模型建立，从而实现其异常数据的检测及修正。
36.原子钟钟差异常数据检测及修正的计算方法步骤为：
37.第一步 搭建守时原子钟组钟差监测系统
38.守时原子钟组钟差监测系统如图1，首先在原子钟组内选出稳定性最好的一台钟(主钟)作为计数器的参考信号，钟组内的其他原子钟接入计数器的各个测试通道，利用计数器循环采集主钟信号与其他各原子中的时差，采集周期为1h，配置计数器数据采集软件，获得守时钟组钟各原子钟的原始钟差数据。
39.第二步 利用hp滤波对钟差数据进行成分分解
40.钟差数据是非线性非平稳数据，其变动规律一般既包含有趋势性的长期规律，又包含有周期性和不规则变动的短期波动规律。基于此，首先应用hp滤波将原子钟差数据y分解成趋势成分数据g和波动成分数据c：
41.将原始钟差数据y＝{y1,y2,...,yn}进行分解，得到带长期趋势性的趋势成分g＝{g1,g2,...,gn}与带短期波动性的波动成分c＝{c1,c2,...,cn}它们与原始钟差数据的关系为
42.y
t
＝g
t
+c
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
43.式中：t＝1,2,
…
,n，其中，n为采样的数据个数。
44.hp滤波目的在于将数据的趋势成分从不平滑的原始数据中分解出来，分离过程必须满足损失函数最小原则，即
[0045][0046]
式中：平滑参数式中：平滑参数和分别为趋势成分g和波动成分c的方差。
[0047]
第三步 对原始钟差数据趋势成分g进行建模分析
[0048]
将得到的趋势成分g视作t的函数，g具有明显的线性趋势，根据各个数据点到自回归曲线误差εi平方和拟合g的多元自回归多项式。
[0049]gt
＝a0+a1t+...+antn+g(t-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0050]
式中：g(t-i)表示滞后项的函数，即g
t
同时与g
t-i
的线性组合有关。
[0051]
根据拟合的自回归曲线，对趋势成分g进行建模，并记录预测值为
[0052]
第四步 对原始钟差数据的波动成分c进行建模分析
[0053]
对原始钟差数据的波动成分c采用bp神经网络进行建模，bp神经网络是一种按误差反向传播训练的多层前馈网络，其基本思想是利用梯度搜索技术，实现网络误差均方差最小。
[0054]
记钟差数据波动成分中第p个样本在输出层第j个神经元节点的实际输出为y
pj
，期望输出为t
pj
，那么bp网络结构的误差指标函数为：
[0055][0056]
其中ε是以ε
p
为元素的向量，其jacabi矩阵为j。bp网络各层神经元的连接权值用
向量w表示，k表示迭代步数，则wk表示第k次迭代的网络权值向量，下一步新的权值向量为w
k+1
。已知移动量w
k+1-wk很小，则将ε的一阶taylor级数为：
[0057]
ε(w
k+1
)＝ε(wk)+j(w
k+1-wk)
ꢀꢀꢀꢀꢀꢀ
(5)
[0058]
因此，误差指标函数可以写为：
[0059][0060]
本实施例采用lm算法来优化bp神经网络模型的权值算法及网络结构，避免其陷入局部震荡。因此，欲使误差函数e最小，对w
k+1
求导得高斯牛顿法的迭代公式为：
[0061]wk+1
＝w
k-(j
t
j)-1jt
ε(wk)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0062]
为克服jacobi矩阵的奇异现象，误差指标函数可以表示为：
[0063][0064]
对e求w
k+1
的极小点，得高斯牛顿法改进算法也即lm算法的表达式：
[0065]wk+1
＝w
k-(j)
t
j+μi-1jt
ε(wk)
ꢀꢀꢀꢀꢀꢀꢀ
(9)
[0066]
式中，i是单位矩阵；参数μ的大小是根据误差函数e来定的，属于试探性参数。迭代过程中若误差指标函数e减小，则μ减小，反之，则μ增加。
[0067]
根据训练好的bp神经网络模型对钟差数据的波动成分c进行预测，记录预测值为
[0068]
第五步计算原始钟差数据的组合预测结果及对结果进行误差分析
[0069]
根据hp滤波原理，原始钟差数据的组合预测结果为
[0070][0071]
钟差数据预测结果的误差为
[0072][0073]
第六步确定异常值判断阈值，若e
t
大于所设阈值，则判定y
t
为异常值，并将作为修正值。
[0074]
利用hp滤波模型并分别通过多项式自回归模型和bp神经网络模型对钟的钟差序列建模并准确预测是原子钟钟差数据异常检测及修正的关键。算法结构示意图如图2。
[0075]
建模及异常检测和修正过程在matlab环境下编程实现，步骤如下：
[0076]
1)数据累积：为验证本发明方法的有效性，选取实验室守时系统内2021年7月～2021年9月的钟差数据进行验证，系统内包括进口氢原子钟、国产氢原子钟以及进口铯原子钟，多通道计数器钟差采集间隔为1h。首先筛选出各原子钟无粗差、相位跳变或数据丢失的钟差数据(大于1天)用于建模分析，其余数据用于模型的性能验证。
[0077]
2)hp滤波处理：针对原始钟差数据，首先采用hp滤波分解出趋势成分和波动成分。此步骤处理的关键是平滑参数λ的选择，λ是用来调节趋势成分对原始钟差数据的跟踪程度和趋势成分的光滑程度，通常随着λ值的增加，估计的趋势越平滑，当λ无穷大时，估计的趋势将接近线性函数。一般根据经验和实验结果，综合考虑趋势的平滑程度并有利于波动成分建模来确定λ值。
[0078]
3)趋势成分建模：趋势成分g近似一条平滑的曲线，依据式(3)，将g对t(t＝1,2,3,...)进行回归拟合，根据多项式曲线拟合的结果调整次数和滞后项。依据点到拟合曲线的误差平方和最小原则得到模型的估计系数，完成趋势成分的预测模型。
[0079]
4)波动成分建模：通过建立bp神经网络模型对波动成分c进行建模分析。为了加快bp神经网络的训练速度，将波动成分c进行归一化处理。利用滑动窗口法生成适合输入bp神经网络模型的数据集，将建模数据随机划分为训练样本、验证样本和测试样本3部分，其中训练样本数据用于调整网络结构参数，减小误差；验证样本数据用来验证神经网络的泛化能力，并且在网络泛化能力不再提高时终止网络的训练；测试样本数据用来检验网络的性能。
[0080]
5)模型验证：根据hp滤波原理y
t
＝g
t
+c
t
，利用建立好的模型进行组合预测并与实际钟差序列进行比较，验证是否可标记钟差数据钟的粗差、跳相等异常值。与常用的mad、3σ钟差异常值检测算法进行比较，进行可靠性验证。
[0081]
本实施例利用hp滤波模型将守时系统各原子钟与主钟的原始钟差序列分解为趋势成为数据和波动成分数据；然后根据趋势成分和波动成分的不同特点对两者分别通过自回归分析和bp神经网络进行建模，将各自的预测结果组合作为原始钟差数据的预测结果。确定异常值的判断阈值后，若钟差实际值与预测值误差较大，则判定该钟差值为异常值，并将预测结果作为该点的修正值。
[0082]
在本实施例中，提供一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。或者在本实施例中，还可以提供一种存储器，该存储器用于存储程序，所述程序用于执行上述方法；还提供了一种处理器，该处理器用于运行程序，所述程序用于执行上述方法。
[0083]
这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
[0084]
该本实施例中就提供了这样的一种装置或系统。该系统被称为原子钟钟差数据异常检测及修正系统，包括：确定模块，用于确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；采集模块，用于根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；划分模块，用于根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；建立模块，用于根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；处理模块，用于根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。
[0085]
该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
[0086]
例如，所述划分模块用于：根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所述趋势成分数据用于指示趋势性的长期规律，所述波动成分
数据用于指示短期波动规律。可选地，所述建立模块用于：根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。
[0087]
又例如，所述处理模块用于：根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。可选地，所述处理模块还用于：在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。
[0088]
通过上述实施例解决了现有技术中并没有很好的间接探测法的问题，从而实现其异常数据的检测及修正。
[0089]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。
技术特征：
1.一种原子钟钟差数据异常检测及修正方法，其特征在于，包括：确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。2.根据权利要求1所述的方法，其特征在于，根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分包括：根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所述趋势成分数据用于指示趋势性的长期规律，所述波动成分数据用于指示短期波动规律。3.根据权利要求2所述的方法，其特征在于，根据所述多个部分建立所述原子钟钟差数据模型包括：根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。4.根据权利要求1至3中任一项所述的方法，其特征在于，根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据包括：根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。5.根据权利要求4所述的方法，其特征在于，还包括：在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。6.一种原子钟钟差数据异常检测及修正系统，其特征在于，包括：确定模块，用于确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；采集模块，用于根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据，其中，所述计数器根据所述参考信号循环采集所述主钟与所述其他原子钟的时差；划分模块，用于根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；建立模块，用于根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；处理模块，用于根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。7.根据权利要求6所述的系统，其特征在于，所述划分模块用于：根据所述变动规律将所述原始钟差数据分为趋势成分数据和波动成分数据，其中，所
述趋势成分数据用于指示趋势性的长期规律，所述波动成分数据用于指示短期波动规律。8.根据权利要求2所述的系统，其特征在于，所述建立模块用于：根据所述趋势成分数据建立第一模型，其中，所述第一模型用于对趋势进行分析；根据所述波动成分数据建立第二模型，其中，所述第二模型用于对波动进行分析；对所述第一模型和所述第二模型进行组合得到所述原子钟钟差数据模型。9.根据权利要求6至8中任一项所述的系统，其特征在于，所述处理模块用于：根据所述原子钟钟差数据模型确定异常值的判断阈值；根据所述判断阈值确定所述实际原子钟钟差数据中是否存在异常值。10.根据权利要求9所述的系统，其特征在于，所述处理模块还用于：在确定所述实际原子钟钟差数据中存在异常值的情况下，对所述异常值进行修正。
技术总结
本申请公开了一种原子钟钟差数据异常检测及修正方法和系统，该方法包括：确定原子钟组中的主钟作为计数器的参考信号，其中，所述主钟的稳定性优于所述原子钟组除所述主钟之外的其他原子钟；根据所述计数器循环采集所述主钟与所述其他原子钟的时差，得到所述原子钟组各原子钟的原始钟差数据；根据所述原始钟差数据的变动规律将所述原始钟差数据分为多个部分；根据所述多个部分建立原子钟钟差数据模型，其中，所述模型用于指示原子钟钟差数据的变化趋势；根据所述原子钟钟差数据模型判断实际原子钟钟差数据中是否存在异常数据。通过本申请解决了现有技术中并没有很好的间接探测法的问题，从而实现其异常数据的检测及修正。从而实现其异常数据的检测及修正。从而实现其异常数据的检测及修正。
