本技術(shù)涉及信號溯源及分類，尤其是涉及一種同一canid信號的信息溯源及分類方法以及其相關(guān)設(shè)備。

背景技術(shù)：

1、控制器局域網(wǎng)（controller?area?network，can）通信是一種常用于汽車、工業(yè)自動化和嵌入式系統(tǒng)中的高效、可靠的串行通信協(xié)議。特別是在電動汽車的車載關(guān)鍵電子零部件中，can通信起到了至關(guān)重要的作用。在電動汽車的生產(chǎn)過程中，多個電子模塊需要在老化測試期間生成和傳輸can報文。由于大多數(shù)模塊使用相同的canid，這就造成了在同一can總線上難以區(qū)分不同模塊的報文。

2、為應(yīng)對上述問題，通常采用重新對設(shè)備進(jìn)行隨機的不同的canid分配以及為每個設(shè)備設(shè)置專門的通信硬件（例如，可調(diào)canid的負(fù)載或帶有多個io口的通信轉(zhuǎn)接模塊），從而通過不同的id標(biāo)簽或控制信號來源，實現(xiàn)對使用同一can總線的多源報文進(jìn)行信號分類及溯源。

3、現(xiàn)有的方案中，隨機canid分配導(dǎo)致用戶需要通過點名功能手動區(qū)分不同的模塊，為每個設(shè)備設(shè)置專門的通信硬件會導(dǎo)致開發(fā)和生產(chǎn)的成本增高。同時現(xiàn)有的方案可擴展性較差，無法適應(yīng)生產(chǎn)規(guī)模的擴增。

技術(shù)實現(xiàn)思路

1、有鑒于此，本技術(shù)提供了一種同一canid信號的信息溯源及分類方法以及其相關(guān)設(shè)備，以解決使用同一canid的多源信號分類及溯源的問題。

2、本技術(shù)第一方面提供了一種同一canid信號的信息溯源及分類方法，所述方法包括：

3、對多個canid設(shè)備網(wǎng)絡(luò)進(jìn)行全局時間同步及時隙分配，以獲得同步化時隙分配表；

4、根據(jù)所述同步化時隙分配表進(jìn)行物理層信號采集，并對獲取的多源信號進(jìn)行預(yù)處理，以獲得標(biāo)準(zhǔn)化信號數(shù)據(jù)集；

5、對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行信號指紋特征提取，以獲得多維特征矩陣；

6、對所述多維特征矩陣進(jìn)行混合信號盲源分離，以獲得獨立源信號評估結(jié)果；

7、對所述獨立源信號評估結(jié)果進(jìn)行深度學(xué)習(xí)分類，以獲得每個信號對應(yīng)的設(shè)備身份概率分布；

8、對所述設(shè)備身份概率分布進(jìn)行數(shù)據(jù)綁定與區(qū)塊鏈存證，以獲得不可篡改的溯源數(shù)據(jù)庫。

9、在一個可選的實施方式中，所述對多個canid設(shè)備網(wǎng)絡(luò)進(jìn)行全局時間同步及時隙分配，以獲得同步化時隙分配表包括：

10、根據(jù)預(yù)設(shè)的時間協(xié)議對多個canid設(shè)備網(wǎng)絡(luò)進(jìn)行同步信號廣播，以獲得全局時間同步結(jié)果數(shù)據(jù)；

11、根據(jù)所述全局時間同步結(jié)果數(shù)據(jù)計算每個canid設(shè)備的時鐘偏差，以獲得各個canid設(shè)備的校準(zhǔn)值；

12、根據(jù)所述校準(zhǔn)值對多個canid設(shè)備進(jìn)行通信周期劃分，并根據(jù)所述通信周期、canid設(shè)備數(shù)以及單幀can報文的有效負(fù)載與比特率動態(tài)計算每個canid設(shè)備的時隙長度，以獲得動態(tài)調(diào)整后的時隙長度；

13、對所述時隙長度進(jìn)行優(yōu)化以獲取哈希值，并根據(jù)所述哈希值為每個canid設(shè)備分配對應(yīng)的時隙，以生成所述同步化時隙分配表。

14、在一個可選的實施方式中，所述根據(jù)所述同步化時隙分配表進(jìn)行物理層信號采集，并對獲取的多源信號進(jìn)行預(yù)處理，以獲得標(biāo)準(zhǔn)化信號數(shù)據(jù)集包括：

15、根據(jù)所述同步化時隙分配表對每個canid設(shè)備進(jìn)行實時采集，以獲得原始物理層信號；

16、對所述原始物理層信號進(jìn)行背景噪聲提取，以獲得動態(tài)閾值；

17、根據(jù)所述動態(tài)閾值對所述原始物理層信號進(jìn)行去噪及標(biāo)準(zhǔn)化處理，以獲得所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集。

18、在一個可選的實施方式中，所述對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行信號指紋特征提取，以獲得多維特征矩陣包括：

19、對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行時域分析，以獲得時域特征值；

20、對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行報文間隔分析，以獲得報文間隔統(tǒng)計特征；

21、對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行快速傅里葉變換以獲得信號頻譜信息，并對所述信號頻譜信息進(jìn)行主導(dǎo)頻率以及頻帶能量分布計算以獲得頻域特征值；

22、根據(jù)所述時域特征值以及所述頻域特征值，將所述報文間隔統(tǒng)計特征以及所述頻帶能量分布計算獲得的頻帶能量進(jìn)行合并，以獲得所述多維特征矩陣。

23、在一個可選的實施方式中，所述對所述多維特征矩陣進(jìn)行混合信號盲源分離，以獲得獨立源信號評估結(jié)果包括：

24、對所述多維特征矩陣進(jìn)行混合信號建模，以獲得混合信號矩陣；

25、對所述混合信號矩陣進(jìn)行獨立成分分析，以獲得估計分離矩陣；

26、根據(jù)所述估計分離矩陣對所述混合信號矩陣進(jìn)行盲源分離處理，以獲得源信號矩陣；

27、對所述源信號矩陣進(jìn)行特征值以及統(tǒng)計量的計算，以識別每個canid設(shè)備信號的特征，并將識別出的特征匯總以生成所述獨立源信號評估結(jié)果。

28、在一個可選的實施方式中，所述對所述獨立源信號評估結(jié)果進(jìn)行深度學(xué)習(xí)分類，以獲得每個信號對應(yīng)的設(shè)備身份概率分布包括：

29、對所述獨立源信號評估結(jié)果中每個信號的時域特征以及頻域特征進(jìn)行提取，以獲得第一數(shù)據(jù)子集；

30、對所述第一數(shù)據(jù)子集進(jìn)行標(biāo)準(zhǔn)化處理，以獲得第二數(shù)據(jù)子集；

31、根據(jù)預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)對所述第二數(shù)據(jù)子集進(jìn)行信號的設(shè)備身份鑒別，以獲得每個信號對應(yīng)的設(shè)備身份概率分布。

32、在一個可選的實施方式中，所述對所述設(shè)備身份概率分布進(jìn)行數(shù)據(jù)綁定與區(qū)塊鏈存證，以獲得不可篡改的溯源數(shù)據(jù)庫包括：

33、對所述設(shè)備身份概率分布進(jìn)行數(shù)據(jù)綁定，以獲得帶有設(shè)備身份信息的數(shù)據(jù)包；

34、對所述數(shù)據(jù)包進(jìn)行哈希處理以及數(shù)字簽名，以獲得帶有簽名的數(shù)據(jù)包；

35、將所述帶有簽名的數(shù)據(jù)包以及所述帶有簽名的數(shù)據(jù)包對應(yīng)的時間戳以區(qū)塊鏈的格式構(gòu)建數(shù)據(jù)塊，并將所述數(shù)據(jù)塊加入所述區(qū)塊鏈中；

36、根據(jù)所述區(qū)塊鏈中的哈希鏈結(jié)構(gòu)，驗證當(dāng)前數(shù)據(jù)塊與之前存儲在所述區(qū)塊鏈中的數(shù)據(jù)塊之間的關(guān)聯(lián)性，以獲得不可篡改的溯源數(shù)據(jù)庫。

37、本技術(shù)第二方面提供了一種同一canid信號的信息溯源及分類裝置，所述裝置包括：

38、時隙分配模塊，用于對多個canid設(shè)備網(wǎng)絡(luò)進(jìn)行全局時間同步及時隙分配，以獲得同步化時隙分配表；

39、信號標(biāo)準(zhǔn)模塊，用于根據(jù)所述同步化時隙分配表進(jìn)行物理層信號采集，并對獲取的多源信號進(jìn)行預(yù)處理，以獲得標(biāo)準(zhǔn)化信號數(shù)據(jù)集；

40、特征矩陣模塊，用于對所述標(biāo)準(zhǔn)化信號數(shù)據(jù)集進(jìn)行信號指紋特征提取，以獲得多維特征矩陣；

41、獨源評估模塊，用于對所述多維特征矩陣進(jìn)行混合信號盲源分離，以獲得獨立源信號評估結(jié)果；

42、概率分布模塊，用于對所述獨立源信號評估結(jié)果進(jìn)行深度學(xué)習(xí)分類，以獲得每個信號對應(yīng)的設(shè)備身份概率分布；

43、溯源數(shù)據(jù)模塊，用于對所述設(shè)備身份概率分布進(jìn)行數(shù)據(jù)綁定與區(qū)塊鏈存證，以獲得不可篡改的溯源數(shù)據(jù)庫。

44、本技術(shù)第三方面提供了一種電子設(shè)備，所述電子設(shè)備包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)根據(jù)如上所述的同一canid信號的信息溯源及分類方法的步驟。

45、本技術(shù)第四方面提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)根據(jù)如上所述的同一canid信號的信息溯源及分類方法的步驟。

46、綜上所述，本技術(shù)至少包括以下有益技術(shù)效果：

47、1、通過多維特征矩陣的提取以及時域、頻域的綜合分析，細(xì)致地捕捉到信號的獨特指紋特征。并通過報文間隔、頻譜信息、頻帶能量等特征的結(jié)合，使得信號的識別和分類更加精準(zhǔn)，為信號的設(shè)備身份驗證提供了豐富的信息。

48、2、混合信號盲源分離有效地從多個信號源中提取獨立源信號，避免了信號的混淆與干擾。通過獨立成分分析處理，能夠在復(fù)雜環(huán)境中準(zhǔn)確識別每個設(shè)備的信號特征，確保信號評估的準(zhǔn)確性和獨立性。

49、3、利用深度學(xué)習(xí)方法，結(jié)合時域與頻域特征進(jìn)行設(shè)備身份分類，能夠?qū)崿F(xiàn)高效且準(zhǔn)確的設(shè)備身份鑒別。