买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东浪潮智能终端科技有限公司申请的专利一种基于时序错位分析的多模态异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120892762B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511418924.8，技术领域涉及：G06F18/20；该发明授权一种基于时序错位分析的多模态异常检测方法及系统是由陈付祥;孙业志;董磊设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于时序错位分析的多模态异常检测方法及系统在说明书摘要公布了：本发明属于信息安全与信号处理技术领域，特别涉及一种基于时序错位分析的多模态异常检测方法及系统，该方法通过同步采集多模态时序信号并标准化时间戳，检测或注入时序锚点事件。设置多时间尺度窗口，以锚点为基准计算模态间时序错位特征向量，聚合形成多尺度特征集并生成综合一致性评分。基于历史特征向量序列计算稳定性评价得分，利用正常样本通过流形学习构建时序错位流形模型。将多尺度特征向量映射到模型嵌入空间并计算与统计边界的距离，融合多尺度距离、综合一致性评分及稳定性得分，按预设规则判定异常。能自学每个设备与场景组合的正常时序指纹，从而能区分固有正常偏移与异常偏移，不易受内容伪装误导。

本发明授权一种基于时序错位分析的多模态异常检测方法及系统在权利要求书中公布了：1.一种基于时序错位分析的多模态异常检测方法，多模态数据包括视频数据、音频数据、IMU惯性测量单元数据、加速度数据、环境传感器数据，其特征在于，包括以下步骤： S1、同步采集多模态时序信号，并对各模态信号进行时间戳标准化处理； S2、在所述多模态时序信号中检测自然时序锚点事件，和或通过控制外部设备向采集环境注入人工时序锚点事件；所述时序锚点事件为在至少两个不同模态的信号中均产生可检测响应的瞬时事件； S3、设置多个不同时间尺度的时间窗口；对于每一时间尺度，在相应的时间窗口内，以所述时序锚点事件为基准，计算不同模态时序信号两两之间的时序错位特征向量；其中，对于任意两种模态的时序信号Xt与Yt，执行以下步骤计算时序错位特征向量： S31、计算Xt与Yt的广义互相关-相位变换函数，提取该函数的全局峰值位置作为时延估计值τ，并计算该峰值的峰值比、半峰全宽和旁瓣比； S32、计算Xt与Yt在不同时间偏移量下的互信息值，生成互信息-偏移曲线，提取该曲线的峰值位置与分布熵； S33、计算Xt与Yt之间的动态时间规整对齐路径，并获取该路径的总累积代价； S34、在短时滑动窗口内，计算时延估计值τ的序列，并计算该序列的方差； S35、将步骤S31至S34所提取的全部或部分特征指标组合，构成时序错位特征向量；特征指标包括时延估计值τ、峰值比、半峰全宽、旁瓣比、峰值位置与分布熵、总累积代价、方差； S4、聚合所有时间尺度下所得的时序错位特征向量，形成多尺度时序错位特征集，并采用加权融合方法，生成综合一致性评分； S5、基于历史时序错位特征向量序列，计算代表短期波动与长期漂移趋势的稳定性评价得分；所述历史时序错位特征向量序列是指在当前计算周期之前由S3产生的所有时序错位特征向量的有序集合；具体包括： S51、从所述历史时序错位特征向量序列中，按时间顺序提取出由时延估计值τ组成的时延序列{τ1,τ2,...,τm}，其中m为历史序列长度； S52、在设定的统计分析窗口内，计算所述时延序列的方差或标准差，作为短期波动指标； S53、在设定的趋势分析窗口内，对所述时延序列进行线性拟合，得到拟合直线的斜率，该斜率即为长期漂移率； S54、将所述短期波动指标和长期漂移率代入如下公式，计算稳定性评价得分S： 式中，和为调节短期波动与长期漂移重要性的加权系数，ε为预设的极小正数，用于防止分母为零； S6、利用在正常状态下采集的历史多模态信号样本，通过流形学习算法构建时序错位流形模型，以建立表征设备与场景固有正常时序关系的嵌入空间和统计边界； S7、将多尺度时序错位特征集中的每一个时序错位特征向量，输入时序错位流形模型中，将其映射到低维嵌入空间并计算其与统计边界的距离； S8、融合所有尺度下的距离计算结果、综合一致性评分以及稳定性评价得分，根据预设规则进行最终异常判定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东浪潮智能终端科技有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号S06楼北一层西区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。