基于时频注意力的选择性状态空间模型的报警检测方法

本发明公开了一种基于时频注意力的选择性状态空间模型的报警检测方法，利用连续小波变换从时间序列中提取时频特征，基于Rényi熵计算时频域权重，通过多层感知机和卷积神经网络构建注意力机制，对时频特征进行加权处理，从而获得更具代表性的时域特征嵌入。本发明利用选择性状态空间模型对隐空间嵌入表示进行解码，重构时频图像，通过计算重构误差实现异常检测。本发明通过注意力机制增强对关键时频特征的关注，能够有效捕捉时间序列中的异常事件，实现高精度的报警检测。本发明适用于工业监控领域中对周期性复杂时间序列数据的异常检测任务，能够有效检测包括突变、漂移、周期性变化等多种类型的异常。