本发明涉及机器学习技术领域，特别涉及一种多线条集合有效输出方法。
背景技术：
随着数据化时代的发展,数据成为了最重要的生产资料，且随着业务升级，业务应用程序变得越来越复杂，其中，以股票为例，随着机器学习的发展，目前多线条集合输出在国内的股票、期货市场应用越来越快，但是目前现有技术对股票或期货相关数据的处理速度过慢，且无法及时更新和动态磨合新的股票或期货数据，而且采用的现有技术一般只是对基础数据的应用，一般是对基础数据的单独处理进行的数据输出，因此，难以根据需求调整输出的有效信号。
技术实现要素：
本发明提供一种多线条集合有效输出方法，用以解决上述提出的技术问题。
本发明实施例提供一种多线条集合有效输出方法，包括：
对历史目标数据进行第一预设处理，获得第一有效特征值；
对所述历史目标数据进行第二预设处理，获得第二有效特征值；
基于搭建的回测平台，接收用户输入的策略执行文件；
基于获得的第一有效特征值、第二有效特征值和接收的策略执行文件，对策略平台生成的策略回测，进行回测分析；
根据回测分析结果输出相应的动态信号。
在一种可能实现的方式中，所述对历史目标数据进行第一预设处理，获得第一有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第一清洗归类处理，并拟合成各类特征值；
对拟合后的每类所有所述特征值进行单独建模，同时对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值。
在一种可能实现的方式中，所述对历史目标数据进行第二预设处理，获得第二有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第二清洗归类处理；
基于预先建立的机器学习算法对所述第二清洗归类后的所述历史目标数据进行回归分析，获得第二有效特征值。
在一种可能实现的方式中，所述对历史目标数据进行清洗归类处理的步骤包括：
获取所述历史目标数据中的历史行情数据；
获取所述历史目标数据中的历史基本面数据；
将获取的所述历史行情数据和历史基本面数据进行匹配处理，清洗和纠正所述历史行情数据和历史基本面数据中的预设错误；
对清洗和纠正后的所述历史行情数据和历史基本面数据进行归类处理，获得若干类目标数据；
其中，所述若干类目标数据为清洗归类的所述历史目标数据。
在一种可能实现的方式中，对生成的策略回测进行回测分析，并根据回测分析结果输出相应的动态信号的过程包括：
对生成的策略回测进行回测分析，确定所述策略回测是否测试通过；
若是，根据回测分析结果生成相应的测试报告和验收方案并输出，同时，还输出与所述回测分析结果相关的所述动态信号；
否则，根据回测分析结果生成相应的问题反馈信息，并基于预先建立的参数调整模型，对所述策略回测进行调整处理，并对调整处理后的策略回测进行再次回测分析，直到所述策略回测测试通过。
在一种可能实现的方式中，所述获取历史目标数据的过程包括：
与预设数目个交易平台进行绑定，并获取每个所述交易平台的交易数据；
其中，所述交易数据包括：报单交易数据、算法交易数据和对接市场交易数据；
根据获取的所有所述交易数据，得到历史目标数据；
且按照第一预设时间间隔，对得到的所述历史目标数据进行实时更新。
在一种可能实现的方式中，
对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值的过程包括：
获取单独建模后的每类所有所述特征值的目标输入信号；
基于预设时间轴，对所述目标输入信号的输入时间进行记录，建立信号输入流，并按照第二预设时间间隔对所述信号输入流进行切割处理，获得区域切割流；
确定所述区域切割流中的区域信号的噪声值；
当所述噪声值小于第一预设值时，将区域信号进行输出，此时，所述区域信号对应所述第一有效特征值；
当所述噪声值大于或等于预设值时，对所述区域信号的噪声值进行噪声校正处理，并对校正处理后的噪声值对应的区域信号进行预设降噪处理，获得降噪信号分量；
基于所述预设时间轴，获取与所述降噪信号分量关联的频谱图；
根据所述频谱图确定所述区域信号的有效特征和预先设定的有效特征模型，获得与所述有效特征的有效信号，并从所述有效信号中筛选测试信号，构成测试数据集；
将所述测试数据集中的测试信号输入到质量评估模型中，获取每个所述测试信号的质量评估结果；
并判断获取的所述质量评估结果的评估值是否大于或等于第二预设值，若是，保留所述测试信号，此时，所保留的测试信号对应为所述第一有效特征值；
否则，获取所述评估值小于预设值得所有测试信号，对所述测试信号进行分离处理，得到分离子信号，并对所述分离子信号进行频域转换，根据所述频域转换结果，去除所述频域转换结果中的噪声分量，并对所述去除噪声分量的分离子信号进行重构，获得最新测试信号并进行保留，此时，所保留的最新测试信号对应为所述第一有效特征值。
在一种可能实现的方式中，
当所述噪声值大于或等于第一预设值时，对所述区域信号的噪声值进行噪声校正处理，其校正处理的步骤包括：
步骤a1：获取所述区域信号中每个信号的噪声干扰因子和所述区域信号当前所处信道的信道噪声参数；
步骤a2：获取所述区域信号中每个信号的信号噪声值，并对所有所述信号噪声值进行整合处理，获得所述区域信号的第一噪声值；
步骤a3：根据公式(1)对所述第一噪声值进行噪声修正处理，获得第二噪声值r′；
其中，δi表示所述区域信号中的第i个信号的噪声干扰因子的校正参数；ψ表示所述区域信号当前所处信道的信道噪声参数的校正参数；n表示区域信号中的信号总数；i表示n个信号中的第i个信号；ri表示第i个信号的信号噪声值；ri 1表示第i 1个信号的信号噪声值；ri-1表示第i-1个信号的信号噪声值；p(ri)表示第i个信号的信号噪声值出现的概率；p(ri 1)表示第i 1个信号的信号噪声值出现的概率；
步骤a4：对获得的所述第二噪声值对应的信号区域进行预设标记，并传输到显示端进行显示。
本发明实施例的有益效果是：通过第一有效特征值、第二有效特征值和策略执行文件，实现对基础数据进行多线条集合，提高输出动态信号的有效性；通过对历史目标数据进行第一清洗归类、单独建模和降噪处理，便于获取有利于多线集合的有效数据；对策略回测进行回测分析，是为了确定策略的可行性，通过根据回测分析结果生成两线进行集合，便于动态信号的有效输出。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种多线条集合有效输出方法的流程图；
图2为本发明实施例中一种多线条集合有效输出方法的具体框架图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供一种多线条集合有效输出方法，如图1所示，包括：
步骤11：对历史目标数据进行第一预设处理，获得第一有效特征值；
步骤12：对所述历史目标数据进行第二预设处理，获得第二有效特征值；
步骤13：基于搭建的回测平台，接收用户输入的策略执行文件；
步骤2：基于获得的第一有效特征值、第二有效特征值和接收的策略执行文件，对策略平台生成的策略回测，进行回测分析；
步骤3：根据回测分析结果输出相应的动态信号。
上述历史目标数据是从多个股票、基金相关的平台获取的数据，如实时交易数据、三方合作数据(主流数据商)、大数据团队爬取的数据等；
上述对历史目标数据进行第一预设处理，其第一预设处理，例如是进行清洗归类处理和降噪处理；
上述对历史目标数据进行第二预设处理，其第二预设处理，例如是进行清洗归类处理和回归分析处理。
上述第一特征有效值和第二特征有效值，可以是实时交易数据、三方合作数据(主流数据商)、大数据团队爬取的数据等数据进行一系列处理之后留下的数据。
上述策略执行文件，例如是用户输入的策略一和策略二：
策略一：如果当日收盘价向上突破120日均线，则买入，如果当日收盘价向下突破120日均线，则卖出。
策略二(周规则)：如果当日收盘价向上突破前50日的最高价，则买入，如果当日收盘向下突破前20日的最低价，则卖出。
并且以2009/3/12至2019/3/12的上证综指数据为参考依据进行策略回测，其中，参考依据中包括最高价，最低价，开盘价，收盘价，此数据来自国泰安csmar数据库。
对应的策略一的策略回测结果为：十年总回报率为：0.337，年平均复利回报率为2.9％；对应的策略二(周规则)策略回测结果为：十年总回报率为0.795，年平均复利回报率为6％。
此时，可以对上述策略执行文件进行重现制定或者修改，并进行重新测试。
上述根据回测分析结果输出相应的动态信号，例如是输出策略二的动态收益最大最小值。
上述技术方案的有益效果是：通过第一有效特征值、第二有效特征值和策略执行文件，实现对基础数据进行多线条集合，提高输出动态信号的有效性。
本发明实施例提供一种多线条集合有效输出方法，所述对历史目标数据进行第一预设处理，获得第一有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第一清洗归类处理，并拟合成各类特征值；
对拟合后的每类所有所述特征值进行单独建模，同时对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值。
上述历史目标数据中可能存在缺失值、异常值、重复值和噪音数据，因此，需要对历史目标数据进行第一清洗归类处理，例如针对缺失值，一般采取的清洗归类方法为，直接删除、估算、插补法或建模法(一般采用回归、极大似然估计、贝叶斯、随机森立、决策树等建立模型对缺失值进行预测)；例如针对异常值，一般采取的清洗归类方法为，不处理、平均值替代、视为缺失值等；例如针对重复值，一般采用的清洗归类方法为，直接去重或者根据属性性质去重；例如针对噪音数据一般采用的清洗归类方法为，分箱法、回归法或者聚类法等。
上述拟合成各类特征值，可以是一条拟合曲线上行包括该类的特征值；
上述降噪处理，是为了去除特征值中的噪声数据。
上述技术方案的有益效果是：通过对历史目标数据进行第一清洗归类、单独建模和降噪处理，便于获取有利于多线集合的有效数据。
本发明实施例提供一种多线条集合有效输出方法，所述对历史目标数据进行第二预设处理，获得第二有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第二清洗归类处理；
基于预先建立的机器学习算法对所述第二清洗归类后的所述历史目标数据进行回归分析，获得第二有效特征值。
上述历史目标数据中可能存在缺失值、异常值、重复值和噪音数据，因此，需要对历史目标数据进行第二清洗归类处理，例如针对缺失值，一般采取的清洗归类方法为，直接删除、估算、插补法或建模法(一般采用回归、极大似然估计、贝叶斯、随机森立、决策树等建立模型对缺失值进行预测)；例如针对异常值，一般采取的清洗归类方法为，不处理、平均值替代、视为缺失值等；例如针对重复值，一般采用的清洗归类方法为，直接去重或者根据属性性质去重；例如针对噪音数据一般采用的清洗归类方法为，分箱法、回归法或者聚类法等。
上述进行回归分析，是为了消除噪声对第二有效特征值的影响。
上述技术方案的有益效果是：通过对历史目标数据进行第二清洗归类、回归分析，便于获取有利于多线集合的有效数据。
本发明实施例提供一种多线条集合有效输出方法，所述对历史目标数据进行清洗归类处理的步骤包括：
获取所述历史目标数据中的历史行情数据；
获取所述历史目标数据中的历史基本面数据；
将获取的所述历史行情数据和历史基本面数据进行匹配处理，清洗和纠正所述历史行情数据和历史基本面数据中的预设错误；
对清洗和纠正后的所述历史行情数据和历史基本面数据进行归类处理，获得若干类目标数据；
其中，所述若干类目标数据为清洗归类的所述历史目标数据。
上述例如：历史行情数据为和历史基本面数据可以为，开盘价、最高价、最低价、最新价、顺时成交额、创建时间等，其预设错误可以是开盘价、最高价、最低价、最新价、顺时成交额、创建时间中的任一种等；
上述若干类目标数据是机器学习算法需要进行回归分析的数据，或者是拟合成各类特征值的数据。
上述技术方案的有益效果是：通过对历史行情数据和历史基本面数据进行匹配处理，便于将其中存在的错误进行纠正，保证有效特征值的准确性，为多线集合提供有效的数据基础。
本发明实施例提供一种多线条集合有效输出方法，对生成的策略回测进行回测分析，并根据回测分析结果输出相应的动态信号的过程包括：
对生成的策略回测进行回测分析，确定所述策略回测是否测试通过；
若是，根据回测分析结果生成相应的测试报告和验收方案并输出，同时，还输出与所述回测分析结果相关的所述动态信号；
否则，根据回测分析结果生成相应的问题反馈信息，并基于预先建立的参数调整模型，对所述策略回测进行调整处理，并对调整处理后的策略回测进行再次回测分析，直到所述策略回测测试通过。
上述测试报告，可以是回测报告评级和回测数据分析报告；
上述验收方案，可以是所采用的的策略一或者策略二验证合适；
上述问题反馈信息是，策略一回报率低需要上调0.389；
上述预先建立的参数调整模型，对策略回测进行调整处理，即对策略一的回报率在原本的基础上进行上调0.389，并进行再次回测分析，直到策略一的回报率达标为止。
具体实施例如图2所示，历史目标数据为历史数据与实时行情数据，其中进行数据清洗归类时，可人工介入对数据进行清洗；且对拟合成的各类特征值进行存档待调用，即为统计，方便后续的策略回测；且搭建本地回测平台，一是为了获取用户输入的交易策略，而是为了对交易策略进行回测分析。
上述技术方案的有益效果是：对策略回测进行回测分析，是为了确定策略的可行性，通过根据回测分析结果生成两线进行集合，便于动态信号的有效输出。
本发明实施例提供一种多线条集合有效输出方法，所述获取历史目标数据的过程包括：
与预设数目个交易平台进行绑定，并获取每个所述交易平台的交易数据；
其中，所述交易数据包括：报单交易数据、算法交易数据和对接市场交易数据；
根据获取的所有所述交易数据，得到历史目标数据；
且按照第一预设时间间隔，对得到的所述历史目标数据进行实时更新。
上述预设数目个为至少两个，如：万得、同花顺等交易平台，获取数据源，即交易数据；
上述设置第一预设时间间隔，例如时间周期为一天、一周、一月或者一年等的时间间隔，且第一预设时间间隔根据具体的股票交易行情而定。
上述技术方案的有益效果是：通过绑定预设数目个交易平台，一方面是为了获取不同平台的交易数据，便于对数据进行有效可靠的分析，另一方面是为了将多个平台的数据进行多线集合，为后续对历史目标数据进行一些列后续操作，提供可靠的数据基础，通过对历史目标数据进行实时更新，是为了确保其历史目标数据的实时性，确保后续动态输出的可靠性。
本发明实施例提供一种多线条集合有效输出方法，对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值的过程包括：
获取单独建模后的每类所有所述特征值的目标输入信号；
基于预设时间轴，对所述目标输入信号的输入时间进行记录，建立信号输入流，并按照第二预设时间间隔对所述信号输入流进行切割处理，获得区域切割流；
确定所述区域切割流中的区域信号的噪声值；
当所述噪声值小于第一预设值时，将区域信号进行输出，此时，所述区域信号对应所述第一有效特征值；
当所述噪声值大于或等于预设值时，对所述区域信号的噪声值进行噪声校正处理，并对校正处理后的噪声值对应的区域信号进行预设降噪处理，获得降噪信号分量；
基于所述预设时间轴，获取与所述降噪信号分量关联的频谱图；
根据所述频谱图确定所述区域信号的有效特征和预先设定的有效特征模型，获得与所述有效特征的有效信号，并从所述有效信号中筛选测试信号，构成测试数据集；
将所述测试数据集中的测试信号输入到质量评估模型中，获取每个所述测试信号的质量评估结果；
并判断获取的所述质量评估结果的评估值是否大于或等于第二预设值，若是，保留所述测试信号，此时，所保留的测试信号对应为所述第一有效特征值；
否则，获取所述评估值小于预设值得所有测试信号，对所述测试信号进行分离处理，得到分离子信号，并对所述分离子信号进行频域转换，根据所述频域转换结果，去除所述频域转换结果中的噪声分量，并对所述去除噪声分量的分离子信号进行重构，获得最新测试信号并进行保留，此时，所保留的最新测试信号对应为所述第一有效特征值。
上述目标输入信号是与特征值相关的历史目标数据中每个数据的输入信号；预设时间轴是一个二维坐标轴，是记录目标输入信号的时间的，因为获取历史目标数据是实时获取的，因此可通过建立预设时间轴进行记录，方便后续数据的查找和调用；
上述第二预设时间间隔，可以是50s的信号输入流，且区域切割流是指第二预设时间间隔段内的信号；
上述第一预设值是人为根据科学数据进行确定的；
上述进行预设降噪处理，可以是迭代降噪处理或者回归降噪处理等；
上述降噪信号分量时区域信号中每个信号中的存在的根据预设降噪处理之后得到的去噪信号，但是该去噪信号中的噪音可能是还存在一部分或者是已经完全除去后的；
上述频谱图，一般是，降噪信号分量的能量谱图；
上述有效特征值的确定，例如是给每个降噪信号分量提供一个区间，如果在该区间内，判定为有效特征，进而获得有效信号；
上述从有效信号中筛选测试信号，构成测试数据集，是为了对有效信号进行概率性测试，其好处是，既可以节省测试时间，也可以提高测试效率；
上述第二预设值一般为80％及其以上；
上述对测试信号进行分离处理，得到分离子信号，并对分离子信号进行频域转换，根据频域转换结果，去除频域转换结果中的噪声分量，并对去除噪声分量的分离子信号进行重构，获得最新测试信号，例如：测试信号进行分离处理之后包括：若干个分离自信号，对分离子信号进行频域转换，去除每个分离子信号中的噪声分量，其好处是，更加细致的对测试信号中可能存在的噪声分量进行有效的去除，提高了重构获得最新测试信号的精准性。
上述技术方案的有益效果是：通过构建测试数据集，是为了对有效信号进行概率性测试，既可以节省测试时间，也可以提高测试效率；通过分离处理更加细致的对测试信号中可能存在的噪声分量进行有效的去除，提高了重构获得最新测试信号的精准性。
本发明实施例提供一种多线条集合有效输出方法，
当所述噪声值大于或等于第一预设值时，对所述区域信号的噪声值进行噪声校正处理，其校正处理的步骤包括：
步骤a1：获取所述区域信号中每个信号的噪声干扰因子和所述区域信号当前所处信道的信道噪声参数；
步骤a2：获取所述区域信号中每个信号的信号噪声值，并对所有所述信号噪声值进行整合处理，获得所述区域信号的第一噪声值；
步骤a3：根据公式(1)对所述第一噪声值进行噪声修正处理，获得第二噪声值r′；
其中，δi表示所述区域信号中的第i个信号的噪声干扰因子的校正参数；ψ表示所述区域信号当前所处信道的信道噪声参数的校正参数；n表示区域信号中的信号总数；i表示n个信号中的第i个信号；ri表示第i个信号的信号噪声值；ri 1表示第i 1个信号的信号噪声值；ri-1表示第i-1个信号的信号噪声值；p(ri)表示第i个信号的信号噪声值出现的概率；p(ri 1)表示第i 1个信号的信号噪声值出现的概率；
步骤a4：对获得的所述第二噪声值对应的信号区域进行预设标记，并传输到显示端进行显示。
上述显示端包括但不限于，智能手机、笔记本等电子设备。
上述技术方案的有益效果是：通过对获取的每个信号的噪声干扰因子和区域信号所处的信道噪声因子进行校正处理，是为了对第一噪声值进行校正处理，获得较为准确的第二校正值，且是为了进一步确定第一有效特征值的准确性，更是为了多线集合提供准确的参考依据，对第二噪声值对应的信号区域进行预设标记，是为了提醒显示端的用户的能够准确的判断，该信号区域的噪声值是否被校正过，便于及时处理。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
1.一种多线条集合有效输出方法，其特征在于，包括：
对历史目标数据进行第一预设处理，获得第一有效特征值；
对所述历史目标数据进行第二预设处理，获得第二有效特征值；
基于搭建的回测平台，接收用户输入的策略执行文件；
基于获得的第一有效特征值、第二有效特征值和接收的策略执行文件，对策略平台生成的策略回测，进行回测分析；
根据回测分析结果输出相应的动态信号。
2.如权利要求1所述的一种多线条集合有效输出方法，其特征在于，所述对历史目标数据进行第一预设处理，获得第一有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第一清洗归类处理，并拟合成各类特征值；
对拟合后的每类所有所述特征值进行单独建模，同时对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值。
3.如权利要求1所述的一种多线条集合有效输出方法，其特征在于，所述对历史目标数据进行第二预设处理，获得第二有效特征值的过程包括：
获取所述历史目标数据；
对所述历史目标数据进行第二清洗归类处理；
基于预先建立的机器学习算法对所述第二清洗归类后的所述历史目标数据进行回归分析，获得第二有效特征值。
4.如权利要求2或3任一所述的一种多线条集合有效输出方法，其特征在于，所述对历史目标数据进行清洗归类处理的步骤包括：
获取所述历史目标数据中的历史行情数据；
获取所述历史目标数据中的历史基本面数据；
将获取的所述历史行情数据和历史基本面数据进行匹配处理，清洗和纠正所述历史行情数据和历史基本面数据中的预设错误；
对清洗和纠正后的所述历史行情数据和历史基本面数据进行归类处理，获得若干类目标数据；
其中，所述若干类目标数据为清洗归类的所述历史目标数据。
5.如权利要求1所述的一种多线条集合有效输出方法，其特征在于，对生成的策略回测进行回测分析，并根据回测分析结果输出相应的动态信号的过程包括：
对生成的策略回测进行回测分析，确定所述策略回测是否测试通过；
若是，根据回测分析结果生成相应的测试报告和验收方案并输出，同时，还输出与所述回测分析结果相关的所述动态信号；
否则，根据回测分析结果生成相应的问题反馈信息，并基于预先建立的参数调整模型，对所述策略回测进行调整处理，并对调整处理后的策略回测进行再次回测分析，直到所述策略回测测试通过。
6.如权利要求2所述的一种多线条集合有效输出方法，其特征在于，所述获取历史目标数据的过程包括：
与预设数目个交易平台进行绑定，并获取每个所述交易平台的交易数据；
其中，所述交易数据包括：报单交易数据、算法交易数据和对接市场交易数据；
根据获取的所有所述交易数据，得到历史目标数据；
且按照第一预设时间间隔，对得到的所述历史目标数据进行实时更新。
7.如权利要求2所述的一种多线条集合有效输出方法，其特征在于，对所述单独建模后的每类所有所述特征值进行降噪处理，获得第一有效特征值的过程包括：
获取单独建模后的每类所有所述特征值的目标输入信号；
基于预设时间轴，对所述目标输入信号的输入时间进行记录，建立信号输入流，并按照第二预设时间间隔对所述信号输入流进行切割处理，获得区域切割流；
确定所述区域切割流中的区域信号的噪声值；
当所述噪声值小于第一预设值时，将区域信号进行输出，此时，所述区域信号对应所述第一有效特征值；
当所述噪声值大于或等于预设值时，对所述区域信号的噪声值进行噪声校正处理，并对校正处理后的噪声值对应的区域信号进行预设降噪处理，获得降噪信号分量；
基于所述预设时间轴，获取与所述降噪信号分量关联的频谱图；
根据所述频谱图确定所述区域信号的有效特征和预先设定的有效特征模型，获得与所述有效特征的有效信号，并从所述有效信号中筛选测试信号，构成测试数据集；
将所述测试数据集中的测试信号输入到质量评估模型中，获取每个所述测试信号的质量评估结果；
并判断获取的所述质量评估结果的评估值是否大于或等于第二预设值，若是，保留所述测试信号，此时，所保留的测试信号对应为所述第一有效特征值；
否则，获取所述评估值小于预设值得所有测试信号，对所述测试信号进行分离处理，得到分离子信号，并对所述分离子信号进行频域转换，根据所述频域转换结果，去除所述频域转换结果中的噪声分量，并对所述去除噪声分量的分离子信号进行重构，获得最新测试信号并进行保留，此时，所保留的最新测试信号对应为所述第一有效特征值。
8.如权利要求7所述的一种多线条集合有效输出方法，其特征在于，当所述噪声值大于或等于预设值时，对所述区域信号的噪声值进行噪声校正处理，其校正处理的步骤包括：
当所述噪声值大于或等于第一预设值时，对所述区域信号的噪声值进行噪声校正处理，其校正处理的步骤包括：
步骤a1：获取所述区域信号中每个信号的噪声干扰因子和所述区域信号当前所处信道的信道噪声参数；
步骤a2：获取所述区域信号中每个信号的信号噪声值，并对所有所述信号噪声值进行整合处理，获得所述区域信号的第一噪声值；
步骤a3：根据公式(1)对所述第一噪声值进行噪声修正处理，获得第二噪声值r′；
其中，δi表示所述区域信号中的第i个信号的噪声干扰因子的校正参数；ψ表示所述区域信号当前所处信道的信道噪声参数的校正参数；n表示区域信号中的信号总数；i表示n个信号中的第i个信号；ri表示第i个信号的信号噪声值；ri 1表示第i 1个信号的信号噪声值；ri-1表示第i-1个信号的信号噪声值；p(ri)表示第i个信号的信号噪声值出现的概率；p(ri 1)表示第i 1个信号的信号噪声值出现的概率；
步骤a4：对获得的所述第二噪声值对应的信号区域进行预设标记，并传输到显示端进行显示。
技术总结