一种基站故障检测方法、装置、设备及存储介质

技术领域

本申请涉及卫星导航技术领域，具体涉及一种基站故障检测方法、装置、设备及存储介质。

背景技术

卫星导航作为一种采用导航卫星对地面、海洋、空中和空间用户进行导航定位的技术，在工作和生活中受到了越来越广泛的应用。

基站作为卫星导航技术中的一个重要设备，一旦基站发生故障，则可能会影响到卫星导航结果，从而影响到卫星导航服务质量和用户体验。为此，需要对基站进行故障检测。现阶段，通常通过技术人员人工检测基站的故障根因，以根据基站的故障根因对基站进行维护。这样，会导致基站的故障检测效率较低。

发明内容

本申请实施例的目的是提供一种基站故障检测方法、装置、设备及存储介质，能够解决现有技术中人工检测基站的故障根因，会导致基站的故障检测效率较低的技术问题。

本申请的技术方案如下：

第一方面，提供了一种基站故障检测方法，包括：

获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度；

基于目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，确定目标时段内的异常时刻；

将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因；预设故障检测模型基于历史异常参数、历史异常参数对应的故障根因训练得到。

在一些实施例中，基于目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，确定目标时段内的异常时刻，包括：

对目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，进行数据预处理，得到卫星系统在不同频点的时间序列数据；

基于时间序列数据，确定目标时段内的异常时刻。

在一些实施例中，基于时间序列数据，确定目标时段内的异常时刻，包括：

检测时间序列数据的时间序列中的缺失时刻，将缺失时刻确定为缺失异常时刻；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统的搜星率，将小于预设搜星率阈值的目标搜星率对应的时刻，确定为搜星率异常时刻；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的伪距可用率，将小于预设可用率阈值的目标伪距可用率对应的时刻，确定为伪距异常时刻；

基于时间序列数据确定目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动，将大于预设波动阈值的目标载噪比波动对应的时刻，确定为载噪比异常时刻；

获取目标基站的相邻基站在目标时段内，对目标卫星系统的多颗卫星各自的观测数据，基于目标基站在目标时段内的观测数据、相邻基站的观测数据，计算目标卫星系统的多颗卫星各自在不同时刻下观测到的电离层活跃度；

在同一时刻下大于预设活跃度阈值的目标电离层活跃度的数量大于预设数量，且多个目标电离层活跃度各自对应的卫星聚集分布的情况下，将目标电离层活跃度对应的时刻，确定为电离层异常时刻。

在一些实施例中，将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因之前，还包括：

对缺失异常时刻进行缺失值处理，得到每个缺失异常时刻对应的缺失值；

提取每个异常时刻对应的异常参数，异常参数包括缺失值、目标搜星率、目标伪距可用率、目标载噪比波动、目标电离层活跃度中的一个或多个。

在一些实施例中，目标基站的观测数据包括目标基站观测的目标卫星系统中的卫星数、目标卫星系统中的多颗卫星各自的频点、每颗卫星在各频点下的载噪比和伪距；完好性数据包括卫星系统的理论卫星数；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统的搜星率，包括：

基于理论卫星数、目标基站观测的目标卫星系统中的卫星数，计算目标卫星系统的搜星率；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的伪距可用率，包括：

确定每颗卫星在各频点下的伪距中的可用伪距的数量；

基于可用伪距的数量、目标基站观测的目标卫星系统中的卫星数，计算目标卫星系统在各频点的伪距可用率；

基于时间序列数据确定目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动，包括：

对目标卫星系统在各频点下的载噪比做一阶差分，得到目标卫星系统在各频点下的载噪比波动。

在一些实施例中，将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因，包括：

将异常时刻的对应的异常参数输入至预设故障检测模型，得到各异常时刻下多个预设故障根因各自的发生概率；

基于各异常时刻下多个预设故障根因各自的发生概率，确定目标基站的目标故障根因。

在一些实施例中，基于各异常时刻下多个预设故障根因各自的发生概率，确定目标基站的目标故障根因，包括：

根据各异常时刻下多个预设故障根因各自的发生概率，计算多个预设故障根因各自在目标时段的目标发生概率；

将目标发生概率的最大值对应的预设故障根因，确定为目标基站的目标故障根因。

在一些实施例中，预设故障检测模型为四层全连接神经网络。

第二方面，提供了一种基站故障检测装置，包括：

数据获取模块，用于获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度；

确定模块，用于基于目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，确定目标时段内的异常时刻；

故障检测模块，用于将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因；预设故障检测模型基于历史异常参数、历史异常参数对应的故障根因训练得到。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的基站故障检测方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的基站故障检测方法的步骤。

本申请的实施例提供的技术方案至少带来以下有益效果：

本申请实施例提供的基站故障检测方法，通过获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度，基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，确定目标时段内的异常时刻；再将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因；其中，预设故障检测模型基于历史异常参数、历史异常参数对应的故障根因训练得到。这样，可以利用预设故障检测模型，可以基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，实现基站故障根因的自动检测，相对于现有技术中人工检测基站的故障根因而言，不仅可以有效提高基站的故障检测效率，还可以降低人力成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。

图1是本申请实施例提供的一种基站故障检测方法的流程示意图；

图2是本申请实施例提供的一种基站故障检测装置的结构示意图；

图3是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。

基于背景技术可知，现有技术中技术人员人工检测基站的故障根因，会导致基站的故障检测效率较低。

具体的，检测基站故障根因的技术人员需要具备较高的导航知识和互联网技术(Internet Technology，IT)技术，且技术人员在人工检测时，需要人工快速筛查基站可能发生的多种故障根因，以确定基站的实际的故障根因。这无疑会依赖技术人员的专业水平，通常会占用技术人员较多的时间和精力，会导致基站的故障检测效率较低，而且还会增加人力成本。

基于上述发现，本申请实施例提供了一种基站故障检测方法、装置、设备及存储介质，通过获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度，基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，确定目标时段内的异常时刻；再将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因；其中，预设故障检测模型基于历史异常参数、历史异常参数对应的故障根因训练得到。这样，可以利用预设故障检测模型，可以基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，实现基站故障根因的自动检测，相对于现有技术中人工检测基站的故障根因而言，不仅可以有效提高基站的故障检测效率，还可以降低人力成本。

下面结合附图对本申请实施例提供的基站故障检测方法、装置、设备及存储介质进行详细说明。

图1示出了本申请实施例提供的一种基站故障检测方法的流程示意图，该方法可以应用于服务器或者服务器集群，如图1所示，该方法包括：

S110，获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度。

其中，目标基站可以是进行故障检测的任一基站。

目标时段可以是与检测时刻的间隔时长为预设时长的一个历史时段，如检测时刻为10:00，预设时长为5分钟，则目标时段为09:55-10:00。

目标卫星系统可以是目标基站观测的卫星系统，目标卫星系统可以是一个或多个，每个卫星系统中可以包括一颗或多颗卫星。

在对目标基站进行故障检测时，需要先进行数据准备，即获取故障分析所需数据。具体的，可以获取目标基站的观测数据，观测数据可以包括目标基站的观测卫星数，以及观测到的各个卫星的高度角、频点、载噪比、伪距、载波、多普勒等。获取目标基站观测的目标卫星系统的完好性数据，如可以是目标卫星系统的伪距完好性、载波完好性、电离层活跃度等数据，其中，完好性可以是卫星系统发生问题时，系统能够及时给出告警的能力。以及，获取目标卫星系统中的多颗卫星各自观测的电离层活跃度，其中，电离层活跃度可以是通过电离层监控模型得到的，通过电离层监控模型得到电离层活跃度的方法，与现有技术相同，在此不再赘述。

可以理解的是，该基站故障检测方法可以是在接收到用户输入的分析指令后执行，也可以在检测到基站故障后自动执行。

S120，基于目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，确定目标时段内的异常时刻。

在数据准备好后，可以进行异常时刻检测，即在获取到目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度之后，可以根据前述目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，确定目标时段内的异常时刻，如可以是目标时段内的时间缺失时刻、搜星率较差的时刻、伪距可用率较低的时刻、载噪比波动较高的时刻、电离层活跃度较高的时刻等。

S130，将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因。

其中，预设故障检测模型可以是基于历史异常参数、历史异常参数对应的故障根因训练得到。

预设故障检测模型可以为四层全连接神经网络，其可以基于各异常时刻的对应的异常参数，输出各异常时刻可能发生的预设故障根因的概率。神经网络从信息处理角度可以理解为对人脑神经元网络进行抽象，是一种运算模型，其通常由可以大量节点之间相互连接构成，每个节点代表一种特定的输出函数，称为激活函数；每两个节点间的连接都代表一个对于通过该连接信号的加权值，称为权重，网络的输出因网络的连接方式、权重值和激活函数的不同而不同，神经网络自身通常是对自然界某种函数的逼近，也是一种逻辑策略的表达。这样，利用神经网络，分析基站在各个维度的数据与故障根因之间的关系，通过观测数据、完好性数据、电离层活跃度等数据定位故障根因，即利用数据分析结果融合人工神经网络的检测模型，确定目标基站的目标故障根因，可以有节省人力成本，提升运维效能。

在异常检测后，可以利用预设故障检测模型进行故障定位，即在确定出目标时段内的异常时刻之后，可以获取异常时刻对应的数据，即异常时刻的对应的异常参数，如可以异常时刻对应的搜星率、伪距可用率、载噪比波动、电离层活跃度等参数。可以理解的是，当异常时刻为多个时，异常参数为每个异常时刻对应的异常参数。然后，可以将异常时刻对应的异常参数输入至预设故障检测模型，利用预设故障检测模型按照训练好的逻辑对异常时刻对应的异常参数进行分析处理，得到目标基站的故障根因，即目标故障根因。

本申请实施例提供的基站故障检测方法，通过获取目标基站在目标时段内的观测数据、目标基站观测的目标卫星系统的完好性数据、目标卫星系统中的多颗卫星各自观测的电离层活跃度，基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，确定目标时段内的异常时刻；再将异常时刻的对应的异常参数输入至预设故障检测模型，得到目标基站的目标故障根因；其中，预设故障检测模型基于历史异常参数、历史异常参数对应的故障根因训练得到。这样，可以利用预设故障检测模型，可以基于目标基站的观测数据、目标卫星系统的完好性数据和多个电离层活跃度，实现基站故障根因的自动检测，相对于现有技术中人工检测基站的故障根因而言，不仅可以有效提高基站的故障检测效率，还可以降低人力成本。

在一些实施例中，可以基于时序化处理后的数据确定目标时段内的异常时刻，相应的，上述步骤S120的具体实现方式可以如下：

对目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，进行数据预处理，得到卫星系统在不同频点的时间序列数据；

基于时间序列数据，确定目标时段内的异常时刻。

在基于目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，确定目标时段内的异常时刻时，可以先对目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，进行数据预处理，如可以是对目标基站的观测数据、目标卫星系统的完好性数据、多个电离层活跃度，进行数据融合和时序化处理，将不同类型的数据按照卫星系统和频点进行整合，得到卫星系统在不同频点的时间序列数据。

可以理解的是，当目标基站观测的目标卫星系统为多个时，数据预处理的结果则为各卫星系统在不同频点的时间序列数据。然后，再基于卫星系统在不同频点的时间序列数据，确定目标时段内的异常时刻。

这样，由于预处理后的时间序列数据是时序化的，且是不同卫星系统在不同频点的时序化的数据，故而，时间序列数据更便于确定目标时段内的异常时刻，从而可以提高确定异常时刻的效率和准确性，进一步提高基站故障检测的效率和准确性。

在一些实施例中，异常时刻可以包括有目标时段内的时间缺失时刻、搜星率较差的时刻、伪距可用率较低的时刻、载噪比波动较高的时刻、电离层活跃度较高的时刻，相应的，上述基于时间序列数据，确定目标时段内的异常时刻的具体实现方式可以如下：

检测时间序列数据的时间序列中的缺失时刻，将缺失时刻确定为缺失异常时刻；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统的搜星率，将小于预设搜星率阈值的目标搜星率对应的时刻，确定为搜星率异常时刻；

基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的伪距可用率，将小于预设可用率阈值的目标伪距可用率对应的时刻，确定为伪距异常时刻；

基于时间序列数据确定目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动，将大于预设波动阈值的目标载噪比波动对应的时刻，确定为载噪比异常时刻；

获取目标基站的相邻基站在目标时段内，对目标卫星系统的多颗卫星各自的观测数据，基于目标基站在目标时段内的观测数据、相邻基站的观测数据，计算目标卫星系统的多颗卫星各自在不同时刻下观测到的电离层活跃度；

在同一时刻下大于预设活跃度阈值的目标电离层活跃度的数量大于预设数量，且多个目标电离层活跃度各自对应的卫星聚集分布的情况下，将目标电离层活跃度对应的时刻，确定为电离层异常时刻。

在基于时间序列数据，确定目标时段内的异常时刻时，可以检测时间序列数据中的时间序列是否有缺失，若时间序列有缺失，则可以将时间序列的缺失时刻可能是发生故障的时刻，将缺失时刻标注为异常时刻。还可以基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统的搜星率，得到每个目标卫星系统在目标时段内的各个时刻下的搜星率。在计算出目标卫星系统在目标时段内的各个时刻下的搜星率之后，可以将各时刻下的搜星率与预设搜星率阈值进行对比，确定出小于预设搜星率阈值(如可以是0.5)的目标搜星率，目标搜星率对应的时刻可以认为是可能发生故障的时刻，将目标搜星率对应的时刻确认为异常时刻，即搜星率异常时刻。

还可以基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的伪距可用率，得到每个目标卫星系统在各频点及目标时段内的各个时刻下的伪距可用率。再将各频点、时刻下的伪距可用率与预设可用率阈值进行对比，确定出小于预设可用率阈值(如可以是0.5)的目标伪距可用率，目标伪距可用率对应的时刻可以认为是可能发生故障的时刻，将目标伪距可用率对应的时刻确认为异常时刻，即伪距异常时刻。在确定缺失异常时刻、搜星率异常时刻和伪距异常时刻的同时，还可以基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动，得到每个目标卫星系统在各频点及目标时段内的各个时刻下的载噪比波动。再对载噪比波动进行k均值聚类(k-meansclustering algorithm，KMeans聚类)，得到载噪比波动较大的时刻(如可以是距离聚类中心距离最大的载噪比波动对应的时刻)，将该时刻确定为载噪比异常时刻。

而且，还可以获取目标基站的一个或多个相邻基站在目标时段内，对上述目标卫星系统的多颗卫星各自的观测数据，再基于目标基站在目标时段内的观测数据和前述相邻基站在目标时段内的观测数据，计算目标卫星系统的多颗卫星各自在不同时刻下观测到的电离层活跃度。然后，可以在每个时刻对应的电离层活跃度中是否存在大于预设活跃度阈值的目标电离层活跃度，对于存在大于预设活跃度阈值的目标电离层活跃度的时刻，再确定每个存在目标电离层活跃度的时刻对应的目标电离层活跃度的数量。将每个存在目标电离层活跃度的时刻对应的目标电离层活跃度的数量，与预设活跃度阈值进行比对，确定出目标电离层活跃度的数量大于预设活跃度阈值的时刻，再判断该时刻的每个目标电离层活跃度对应卫星是否聚集分布，如是否是集中分布在一个区域内。在该时刻的每个目标电离层活跃度对应卫星是聚集分布的情况下，可以认为该时刻可能是发生故障的时刻，将该时刻确定为电离层异常时刻。

可以理解的是，异常时刻可以包括上述时间缺失时刻、搜星率异常时刻、伪距异常时刻、载噪比异常时刻、电离层异常时刻中的一个或多个。

这样，将目标时段内的时间缺失时刻、搜星率较差的时刻、伪距可用率较低的时刻、载噪比波动较高的时刻、电离层活跃度较高的时刻等不同情况下的多种时刻确定为异常时刻，可以为获取异常数据提供更准确、全面的数据依据，从而可以进一步提高故障检测结果的准确性。

在一些实施例中，缺失异常时刻对应的异常参数可以是缺失值，相应的，在上述步骤S130之前，还可以执行如下步骤：

对缺失异常时刻进行缺失值处理，得到每个缺失异常时刻对应的缺失值；

提取每个异常时刻对应的异常参数。

其中，异常参数可以包括缺失值、目标搜星率、目标伪距可用率、目标载噪比波动、目标电离层活跃度中的一个或多个。

由于缺失异常时刻通常是没有对应的观测数据、完好性数据、电离层数据的，故而，在将异常参数输入至预设检测模型之前，还可以对缺失异常时刻进行缺失值处理，如可以归一化为0～1范围内。然后，再获取每个异常时刻对应的异常参数，如可以包括缺失值、目标搜星率、目标伪距可用率、目标载噪比波动、目标电离层活跃度中的一个或多个。

可以理解的是，如果缺失异常时刻与其他异常时刻没有重合，则缺失异常时刻对应的异常参数可以仅包括缺失值。反之，如果缺失异常时刻与其他异常时刻有重合，则缺失异常时刻对应的异常参数可以缺失值、目标搜星率、目标伪距可用率、目标载噪比波动、目标电离层活跃度中的一个或多个。

在一些实施例中，上述目标基站的观测数据可以包括目标基站观测的目标卫星系统中的卫星数、目标卫星系统中的多颗卫星各自的频点、每颗卫星在各频点下的载噪比和伪距；完好性数据可以包括有卫星系统的理论卫星数；

相应的，此时，上述基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统的搜星率的具体实现方式，可以如下：

基于理论卫星数、目标基站观测的目标卫星系统中的卫星数，计算目标卫星系统的搜星率。

作为一个示例，可以获取目标基站的观测数据中的目标基站观测的目标卫星系统中的卫星数、完好性数据可以包括有卫星系统的理论卫星数，再基于目标基站观测的目标卫星系统中的卫星数、完好性数据可以包括有卫星系统的理论卫星数计算目标卫星系统的搜星率。对于某一时刻的搜星率，其计算公式可以如公式(1)所示。

搜星率＝观测卫星数/理论卫星数 (1)

其中，观测卫星数可以由目标基站的观测数据获得；理论卫星数可以由目标卫星系统的完好性数据获得，理论卫星数可以是目标基站理论上观测到的所有卫星系统的卫星总数量。

上述基于时间序列数据计算目标时段内的多个时刻下，目标卫星系统在各频点的伪距可用率的具体实现方式，可以如下：

确定每颗卫星在各频点下的伪距中的可用伪距的数量；

基于可用伪距的数量、目标基站观测的目标卫星系统中的卫星数，计算目标卫星系统在各频点的伪距可用率。

作为一个示例，在计算目标卫星系统在各频点的伪距可用率时，可以确定每颗卫星在各频点下的伪距中的可用伪距的数量，即目标卫星系统中的每颗卫星在其各频点下的所有伪距中的可用伪距的总数量。再基于可用伪距的数量、目标基站观测的目标卫星系统中的卫星数，计算目标卫星系统在各频点的伪距可用率，对于某一时刻、某一频点的伪距可用率，其计算公式可以如公式(2)所示。

伪距可用率＝可用伪距数/观测卫星数 (2)

其中，观测卫星数可以由目标基站的观测数据获得；可用伪距数可以是目标基站观测到的卫星的所有伪距中的可用伪距的数量，可用伪距可以是满足预设条件的伪距，如可以是目标基站观测到的卫星的所有伪距中属于预设范围的伪距的数量，预设范围可以根据实际情况进行设置。

上述基于时间序列数据确定目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动的具体实现方式，可以如下：

对目标卫星系统在各频点下的载噪比做一阶差分，得到目标卫星系统在各频点下的载噪比波动。

作为一个示例，在确定目标时段内的多个时刻下，目标卫星系统在各频点的载噪比波动时，可以对目标卫星系统在各频点的载噪比数据做一阶差分，即可得到目标卫星系统在各频点下的载噪比波动。具体的，在计算某一时刻、某一频点的载噪比波动时，可以从目标基站的观测数据中获取载噪比序列，对载噪比序列做一阶差分，即可得到目标卫星系统在该时刻、该频点载噪比波动。

在一些实施例中，可以基于各异常时刻下，多个预设故障根因的发生概率确定目标故障根因，相应的，上述步骤S130的具体实现方式可如下：

将异常时刻的对应的异常参数输入至预设故障检测模型，得到各异常时刻下多个预设故障根因各自的发生概率；

基于各异常时刻下多个预设故障根因各自的发生概率，确定目标基站的目标故障根因。

其中，预设故障根因可以是预先设置的可能发生故障原因。

在将异常时刻的对应的异常参数输入至预设故障检测模型后，预设故障检测模型可以按照预先训练好的逻辑，对各异常时刻对应的异常参数进行分析处理，得到各异常时刻可能发生的某个或某几个预设故障根因的各自的发生概率。然后，可以对前述各异常时刻下多个预设故障根因各自的发生概率进行处理，以确定目标基站的目标故障根因。

这样，综合考虑各异常时刻的对应的预设故障根因的发生概率，确定目标基站的目标故障根因，可以提高目标故障根因的准确性。

在一些实施例中，上述基于各异常时刻下多个预设故障根因各自的发生概率，确定目标基站的目标故障根因的具体实现方式可以如下：

根据各异常时刻下多个预设故障根因各自的发生概率，计算多个预设故障根因各自在目标时段的目标发生概率；

将目标发生概率的最大值对应的预设故障根因，确定为目标基站的目标故障根因。

在基于各异常时刻下多个预设故障根因各自的发生概率，确定目标基站的目标故障根因时，可以根据各异常时刻对应的每个预设故障根因各自对应的发生概率，计算每个预设故障根因在目标时段内的目标发生概率。再确定目标发生概率中的最大值，将该目标发生概率的最大值对应的预设故障根因，确定为目标基站的目标故障根因。如可以对各异常时刻对应的每个预设故障根因各自的发生概率进行加权处理(如可以是求和)，得到各异常时刻对应的每个预设故障根因的总发生概率。然后，可以将总发生概率的最大值对应的预设故障根因确定为目标基站的目标故障根因。

这样，将发生概率最大的预设故障根因确定为目标基站的目标故障根因，可以使得确定出的目标故障根因更符合实际情况，从而可以进一步提高目标故障根因的准确性。

基于相同的发明构思，本申请实施例还提供了一种基站故障检测装置。

图2示出了本申请实施例提供的一种基站故障检测装置，如图2所示，该基站故障检测装置200，可以包括：

数据获取模块210，可以用于获取目标基站在目标时段内的观测数据、所述目标基站观测的目标卫星系统的完好性数据、所述目标卫星系统中的多颗卫星各自观测的电离层活跃度；

确定模块220，可以用于基于所述目标基站的观测数据、所述目标卫星系统的完好性数据、多个电离层活跃度，确定所述目标时段内的异常时刻；

故障检测模块230，可以用于将所述异常时刻的对应的异常参数输入至预设故障检测模型，得到所述目标基站的目标故障根因；所述预设故障检测模型基于历史异常参数、所述历史异常参数对应的故障根因训练得到。

在一些实施例中，所述确定模块220，可以包括：

预处理单元，可以用于对所述目标基站的观测数据、所述目标卫星系统的完好性数据、所述多个电离层活跃度，进行数据预处理，得到所述卫星系统在不同频点的时间序列数据；

第一确定单元，可以用于基于所述时间序列数据，确定所述目标时段内的异常时刻。

在一些实施例中，所述确定单元，可以包括：

检测子单元，可以用于检测所述时间序列数据的时间序列中的缺失时刻，将所述缺失时刻确定为缺失异常时刻；

第一确定子单元，可以用于基于所述时间序列数据计算所述目标时段内的多个时刻下，所述目标卫星系统的搜星率，将小于预设搜星率阈值的目标搜星率对应的时刻，确定为搜星率异常时刻；

第二确定子单元，可以用于基于所述时间序列数据计算所述目标时段内的多个时刻下，所述目标卫星系统在各频点的伪距可用率，将小于预设可用率阈值的目标伪距可用率对应的时刻，确定为伪距异常时刻；

第三确定子单元，可以用于基于所述时间序列数据确定所述目标时段内的多个时刻下，所述目标卫星系统在各频点的载噪比波动，将大于预设波动阈值的目标载噪比波动对应的时刻，确定为载噪比异常时刻；

第一计算子单元，可以用于获取所述目标基站的相邻基站在所述目标时段内，对所述目标卫星系统的多颗卫星各自的观测数据，基于所述目标基站在目标时段内的观测数据、所述相邻基站的观测数据，计算所述目标卫星系统的多颗卫星各自在不同时刻下观测到的电离层活跃度；

第四确定子单元，可以用于在同一时刻下大于预设活跃度阈值的目标电离层活跃度的数量大于预设数量，且多个所述目标电离层活跃度各自对应的卫星聚集分布的情况下，将所述目标电离层活跃度对应的时刻，确定为电离层异常时刻。

在一些实施例中，所述基站故障检测装置200，还可以包括：

处理模块，可以用于对所述缺失异常时刻进行缺失值处理，得到每个所述缺失异常时刻对应的缺失值；

提取模块，可以用于提取每个异常时刻对应的异常参数，所述异常参数包括所述缺失值、所述目标搜星率、所述目标伪距可用率、所述目标载噪比波动、所述目标电离层活跃度中的一个或多个。

在一些实施例中，所述目标基站的观测数据可以包括所述目标基站观测的所述目标卫星系统中的卫星数、所述目标卫星系统中的多颗卫星各自的频点、每颗所述卫星在各频点下的载噪比和伪距；所述完好性数据可以包括所述卫星系统的理论卫星数；

所述第一确定子单元，可以包括：

第一计算组件，可以用于基于所述理论卫星数、所述目标基站观测的所述目标卫星系统中的卫星数，计算所述目标卫星系统的搜星率；

第二确定子单元，可以包括：

确定组件，可以用于确定每颗所述卫星在各频点下的伪距中的可用伪距的数量；

第二计算组件，可以用于基于所述可用伪距的数量、所述目标基站观测的所述目标卫星系统中的卫星数，计算所述目标卫星系统在各频点的伪距可用率；

第三确定子单元，可以包括：

差分组件，可以用于对所述目标卫星系统在各频点下的载噪比做一阶差分，得到所述目标卫星系统在各频点下的载噪比波动。

在一些实施例中，所述故障检测模块230，可以包括：

输入单元，可以用于将所述异常时刻的对应的异常参数输入至预设故障检测模型，得到各异常时刻下多个预设故障根因各自的发生概率；

第二确定单元，可以用于基于所述各异常时刻下多个预设故障根因各自的发生概率，确定所述目标基站的目标故障根因。

在一些实施例中，所述第二确定单元，可以包括：

第二计算子单元，可以用于根据所述各异常时刻下多个预设故障根因各自的发生概率，计算所述多个预设故障根因各自在所述目标时段的目标发生概率；

第五确定子单元，可以用于将所述目标发生概率的最大值对应的预设故障根因，确定为所述目标基站的目标故障根因。

在一些实施例中，所述预设故障检测模型可以为四层全连接神经网络。

本申请实施例提供的基站故障检测装置，可以用于执行上述各方法实施例提供的基站故障检测方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。

基于同一发明构思，本申请实施例还提供了一种电子设备。

图3是本申请实施例提供的一种电子设备的结构示意图。如图3所示，电子设备可以包括处理器301以及存储有计算机程序或指令的存储器302。

具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种基站故障检测方法。

在一个示例中，电子设备还可包括通信接口303和总线310。其中，如图3示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

该电子设备可以执行本发明实施例中的基站故障检测方法，从而实现图1至图2描述的基站故障检测方法和装置。

另外，结合上述实施例中的基站故障检测方法，本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种基站故障检测方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。