本專利申請要求2014年12月22日提交的序號為14/579,083的美國申請的優(yōu)先權(quán)權(quán)益，該美國申請要求2014年9月26日提交的序號為62/056,199的美國臨時專利申請的優(yōu)先權(quán)權(quán)益，這兩個申請都通過全文引用的方式并入本文中。
背景技術(shù)：
：根據(jù)一些技術(shù)分析人員的分析，到2020年將有超過500億個被連接的“物”。這將完全地改變當(dāng)前的基礎(chǔ)設(shè)施，并且將驅(qū)動工業(yè)、產(chǎn)品和服務(wù)上的新創(chuàng)新。企業(yè)和公司快速采用聯(lián)網(wǎng)設(shè)備的最大挑戰(zhàn)之一是為了將物聯(lián)網(wǎng)(IoT)解決方案引入市場而需要的復(fù)雜度和來自各領(lǐng)域的知識。IoT是表示通過例如互聯(lián)網(wǎng)的網(wǎng)絡(luò)進行通信的設(shè)備和系統(tǒng)的術(shù)語。所述設(shè)備和系統(tǒng)可以包括產(chǎn)生大量數(shù)據(jù)的傳感器。附圖說明在附圖中，該附圖不必是按比例繪制的，相似的標(biāo)記可以描述不同視圖中的相似組件。具有不同字母后綴的相似標(biāo)記可以表示相似組件的不同實例。附圖通常是通過示例而不是通過限制的方式圖示出本文檔中所討論的各個實施例。圖1A和1B是示出根據(jù)實施例的信號變化的曲線圖；圖2是示出根據(jù)實施例的用于多傳感器變化檢測的系統(tǒng)的框圖；圖3是示出了根據(jù)實施例的用于傳感器閾值組合計算的系統(tǒng)的框圖；圖4是示出根據(jù)實施例的k最近鄰估計的曲線圖；圖5是示出根據(jù)實施例的用于傳感器值緩存的系統(tǒng)的框圖；圖6是示出根據(jù)實施例的信號分布的曲線圖；圖7是示出根據(jù)實施例的多傳感器變化檢測系統(tǒng)的示意圖；圖8是示出根據(jù)實施例的用于多傳感器變化檢測的方法的流程圖；圖9是示出了根據(jù)實施例的示例機器的框圖，本文所述的任意一種或多種技術(shù)(例如，方法)可以在該示例機器上執(zhí)行。具體實施方式如上所述，由于實現(xiàn)服務(wù)所需的復(fù)雜度和知識高，IoT聯(lián)網(wǎng)設(shè)備將產(chǎn)生挑戰(zhàn)?？梢栽O(shè)計基于開源軟件的云IoT分析平臺來大幅地最小化采集和處理IoT方案中所生成的大量數(shù)據(jù)的復(fù)雜度。另一示例計算平臺可以包括提供可應(yīng)用于不同垂直部分(segment)的不同分析服務(wù)的水平平臺(horizontalplatform)。云IoT平臺可以包括用于收集來自多個設(shè)備和傳感器的數(shù)據(jù)并將該數(shù)據(jù)存儲在云中的系統(tǒng)(例如，可擴展服務(wù)器系統(tǒng))。這可以實現(xiàn)基于規(guī)則的引擎，通過使用復(fù)雜的機器學(xué)習(xí)技術(shù)和高級實時統(tǒng)計過程控制來提供關(guān)于過程變化和異常的告警。云IoT平臺可以使用變化檢測，該變化檢測是用于檢測系統(tǒng)行為變化的統(tǒng)計方法。在示例中，方法監(jiān)測用于描述系統(tǒng)的傳感器值。如果在一個時段內(nèi)多個傳感器的值的變化在統(tǒng)計上是顯著的，則該方法產(chǎn)生告警。變化檢測的在先解決方案僅僅允許單傳感器監(jiān)測。在先解決方案使用監(jiān)測當(dāng)前單個傳感器值和過去單個傳感器值之間的相異度的方法，該方法通常稱為異常檢測。一些異常檢測技術(shù)基于統(tǒng)計測試，該統(tǒng)計測試在給定先前參考值或參考分布的情況下評估觀測到特定值的概率。這些技術(shù)是受限的，因為這些技術(shù)被設(shè)計成檢測任何短時變化，并且在統(tǒng)計估計中不考慮時間維度。異常檢測技術(shù)不檢測數(shù)據(jù)分布或系統(tǒng)行為的變化，而是聚焦于特定的異常點。這種測試的示例是計算多個與新值的平均值之間的標(biāo)準(zhǔn)差，以及使用已知參考分布來評估該值的概率。異常檢測的另一示例是一類支持向量機(SVM)技術(shù)。其它技術(shù)使用用于比較分布的測試，比如柯爾莫諾夫-斯米爾諾夫(KolmogorovSmirnov)測試，來執(zhí)行單傳感器變化檢測。KolmogorovSmirnov測試將參考時點之前傳感器的一組值與參考時點之后傳感器的一組值進行比較。該測試構(gòu)建每組值的一維分布，并且測量這兩個分布之間的距離。如果該距離在某閾值以上，則發(fā)出指示傳感器值分布的閾值變化的告警。單傳感器變化檢測技術(shù)本質(zhì)上是受限制的，因為它們僅僅處理一維值分布，這些一維值分布沒有完全利用物聯(lián)網(wǎng)的“大數(shù)據(jù)”實質(zhì)。由于它們的一維局限性，這些技術(shù)無法使用同時來自設(shè)備的多個傳感器的全部信息量。因此，單傳感器變化檢測技術(shù)對于系統(tǒng)變化具有低且未達最優(yōu)的檢測率，并且無法跟蹤傳感器之間的相關(guān)性變化。單傳感器變化檢測技術(shù)的示例包括KolmogorovSmirnov測試。圖1A和1B示出了根據(jù)實施例的例示信號變化的曲線圖。在圖1A中，示出了組合信號隨時間變化的圖形表示。在曲線圖的中部，發(fā)生異常(或短時變化)。異常檢測技術(shù)將能夠檢測到該異常。變化檢測技術(shù)也能檢測到該異常。在圖1B中，示出了組合信號中的移位。異常檢測技術(shù)無法檢測到這種類型的變化，當(dāng)考慮其延長的時段時，這會變得更加明顯。變化檢測技術(shù)能夠檢測到這種類型的變化。圖1B中的變化可以表示系統(tǒng)行為的一致性變化，該變化可以利用變化檢測技術(shù)檢測到，但無法利用異常檢測技術(shù)檢測到。在圖1A和圖1B中，變化之前的曲線圖部分可以表示過去的分布，在變化期間的曲線圖部分(例如，圓圈中的)可以表示當(dāng)前的分布，以及變化之后的曲線圖部分可以表示未來的分布。在示例中，多傳感器變化檢測可以包括作為相對于來自單傳感器的信號的改進的來自多個傳感器的信號放大，以及在將多個小的變化一起考慮時可以獲得高的統(tǒng)計顯著性。多傳感器變化檢測還可以包括檢測傳感器依賴模式的變化。在示例中，多傳感器變化檢測可以按照單傳感器變化檢測無法使用的方式來使用所采集的傳感器數(shù)據(jù)。例如，一種方法可以被使用來利用同時來自多個傳感器的信息對過程變化發(fā)出告警。該方法可以提供更佳的性能，并且示出比單傳感器變化檢測更多的過程變化。在示例中，傳感器組合可以用于物聯(lián)網(wǎng)領(lǐng)域的變化檢測測試，從而形成多傳感器變化檢測測試。物聯(lián)網(wǎng)領(lǐng)域可以表征為同時來自多個設(shè)備的各個傳感器的連續(xù)信息流，因此多傳感器處理和變化檢測是有用的。多傳感器變化檢測還可以計算是否已經(jīng)發(fā)生了多傳感器變化。在每個時點，可以計算得分，該得分度量(measure)該組合中的傳感器的過去值和未來值的相異度。如果該相異度在閾值以上，則可以發(fā)出告警。在示例中，多傳感器變化檢測技術(shù)特別適于物聯(lián)網(wǎng)領(lǐng)域，因為該技術(shù)是準(zhǔn)確的且從所需要的數(shù)據(jù)大小角度看是高效的，并且可以在對于物聯(lián)網(wǎng)領(lǐng)域是有用的在線流模式下實現(xiàn)。該方法和技術(shù)可以在除了物聯(lián)網(wǎng)領(lǐng)域之外的領(lǐng)域中使用，例如在用于自主環(huán)境控制的機器人中，以及在用于即將來臨的攻擊檢測的安全性中。如上文所述，現(xiàn)有變化檢測技術(shù)一次僅僅使用一個傳感器，因此，在能力上它們是受限的。為了檢測參考時點時的傳感器值的變化，這些技術(shù)應(yīng)用該參考時點附近的具有固定長度的運行窗，并且對該時間窗內(nèi)的傳感器值執(zhí)行多次統(tǒng)計測試。具體地，該時間窗可以劃分成兩個分離的子窗，并且可以應(yīng)用KolmogorovSmirnov測試來測量這些子窗中的傳感器值分布之間的差別。如果根據(jù)KolmogorovSmirnov測試發(fā)現(xiàn)至少一對子窗具有不同的值分布，則檢測到變化。如果這兩個子窗的經(jīng)驗分布源自同一理論分布，則雙向KolmogorovSmirnov測試提供具有兩個子窗的經(jīng)驗分布之間的觀測距離的概率。如果該分布在閾值以下，則可以發(fā)出告警。在示例中，多傳感器變化檢測技術(shù)比現(xiàn)有的單傳感器變化檢測技術(shù)更佳，因為多傳感器變化檢測通過同時采集來自多個傳感器的信號來產(chǎn)生更高的變化靈敏度。多傳感器變化檢測還能夠測量傳感器群組之間的相關(guān)性上的差別，而單傳感器變化檢測無法測量傳感器群組之間的相關(guān)性上的差別。為了測量多傳感器變化檢測相較于單傳感器變化檢測的益處，多個基準(zhǔn)測試程序可以包括：●物聯(lián)網(wǎng)的特定安全性應(yīng)用(基于擊鍵的認(rèn)證)；●在已知分布變化的情況下，直接比較不同仿真數(shù)據(jù)集之間的多傳感器變化檢測和單傳感器變化檢測；●比較可以基于在維持相同的虛假率時測量檢測率(例如，當(dāng)虛假率保持恒定時，在多傳感器變化檢測中的檢測好得多達8倍)；●比較可以測量傳感器相關(guān)性變化的檢測，而這利用單傳感器變化檢測是不可能檢測到的(例如，多達35％的檢測率)。可以在多元變量變化檢測領(lǐng)域?qū)Χ鄠鞲衅髯兓瘷z測分類?，F(xiàn)有異常檢測技術(shù)基于采用用于多元變量概率分布估計的一類支持向量機(SVM)。單傳感器變化檢測技術(shù)在物聯(lián)網(wǎng)領(lǐng)域上的一個缺陷是需要執(zhí)行一類SVM模型學(xué)習(xí)來作為變化檢測的條件。SVM模型學(xué)習(xí)是計算密集型方法，因為其涉及求解二次優(yōu)化問題。而且，SVM模型需要大量的數(shù)據(jù)點來進行模型訓(xùn)練，該數(shù)量可能是比設(shè)備中的傳感器數(shù)量更大的數(shù)量級。從物聯(lián)網(wǎng)的觀點來看，這意味著，異常檢測技術(shù)給云系統(tǒng)帶來非常大的計算負荷，并且由于訓(xùn)練需要大量時點，不允許快速在線檢測。對于所涉及到的優(yōu)化技術(shù)，多傳感器變化檢測技術(shù)得分計算是快速且直接的。另外，相較于異常檢測或單傳感器變化檢測，對于多傳感器變化檢測，用于魯棒得分計算的時間窗中的點的數(shù)量可能低得多，并且多傳感器變化檢測告警的固有延遲可以非常小。在示例中，多傳感器變化檢測技術(shù)能夠產(chǎn)生快速在線預(yù)測，而不會對云系統(tǒng)造成高計算負荷，對物聯(lián)網(wǎng)領(lǐng)域而言這是優(yōu)點。圖2示出了根據(jù)實施例的例示用于多傳感器變化檢測的系統(tǒng)200的框圖。在示例中，多傳感器變化檢測組件(MCDC)208將基于預(yù)定義傳感器組合的值來生成關(guān)于設(shè)備傳感器數(shù)據(jù)的異常變化的自動在線告警，例如，告警M210。傳感器組合可以由用戶選擇或者自動確定。傳感器N可以輸出傳感器度量N202，其可通過建模204來比較。建模204可以輸出針對傳感器度量N202的模型傳感器差別N206。模型傳感器差別N206可以與多傳感器變化檢測組件208中的一個或多個其它模型傳感器差別組合。多傳感器變化檢測組件208可以輸出與所檢測到的變化相關(guān)的一個或多個告警，比如告警M210。在示例中，設(shè)備可以是包含一個或多個傳感器或者與一個或多個傳感器連接的物理對象。傳感器可以是設(shè)備的一部分或者是使用該設(shè)備作為中繼器的外部對象。度量可以表示從單個傳感器獲得的一系列值。例如，度量可以包括溫度、濕度、風(fēng)速、地理坐標(biāo)、聲音等。在示例中，數(shù)據(jù)可以正則化?？梢詫ｋA段中的每個傳感器校準(zhǔn)正則化常數(shù)，或者對于傳感器組合校準(zhǔn)正則化常數(shù)。例如，可以將乘法因子常數(shù)ki和加法因子常數(shù)bi與每個輸入vi相關(guān)，從而使得正則化等式可以包括v′i＝ki*vi+bi。該等式是示范性的實施例，可以使用其它正則化技術(shù)。在示例中，傳感器度量值可以聚合在相同的時間間隔，例如，分鐘采樣。在示例中，時間窗內(nèi)的樣本數(shù)量可以是組合中的傳感器數(shù)量的數(shù)量級，例如，以產(chǎn)生時間窗尺寸。圖3示出了根據(jù)實施例的例示用于傳感器閾值組合計算的系統(tǒng)300的框圖。多傳感器變化檢測可以包括訓(xùn)練階段。訓(xùn)練階段可以包括確定閾值，以及該閾值可以遞歸地確定。在示例中，訓(xùn)練階段可以實現(xiàn)為單獨的操作階段。系統(tǒng)300可以包括用戶界面302，該用戶界面可以允許用戶選擇傳感器組合或選擇目標(biāo)告警率的靈敏度，或者傳感器組合或靈敏度可以自動地選擇(例如，特定設(shè)備上的所有傳感器可以包含在組合中)。為了訓(xùn)練多傳感器變化檢測技術(shù)，訓(xùn)練組合可以由設(shè)備的傳感器的子集構(gòu)成或者由用戶選擇或自動選擇的傳感器組合的子集構(gòu)成。傳感器可以是多個傳感器組合的一部分。系統(tǒng)300可以包括配置數(shù)據(jù)庫304，該配置數(shù)據(jù)庫304存儲傳感器組合和目標(biāo)告警率。在示例中，系統(tǒng)300可以包括存儲歷史數(shù)據(jù)的HBase306。系統(tǒng)300可以檢索自指定時間起的歷史數(shù)據(jù)以及模型傳感器差別，例如模型傳感器差別N308。系統(tǒng)300可以使用傳感器組合、目標(biāo)告警率和模型傳感器差別來確定針對模型傳感器差別的一個或多個組合的窗口得分計算。系統(tǒng)300隨后可以使用針對該一個或多個組合的窗口得分計算來確定該一個或多個組合的閾值。例如，模型傳感器差別N308可以與一個或多個其它模型傳感器差別組合來創(chuàng)建傳感器組合(具有標(biāo)識M，或SCIDM)，從而最終創(chuàng)建SCIDM的閾值310。閾值310隨后可以與所檢測到的多傳感器變化比較來確定是否發(fā)出告警。如果所檢測到的傳感器組合的多傳感器變化超過該組合的閾值，則可以發(fā)出告警。待訓(xùn)練的每個組合的訓(xùn)練時段可以由用戶選擇或自動選擇。待訓(xùn)練的每個組合的目標(biāo)虛假告警率f也可以由用戶選定或自動選定。目標(biāo)告警率可以包括總設(shè)備告警率的預(yù)設(shè)配置，例如高，中或低。所有組合的目標(biāo)虛假告警率可以相等。目標(biāo)虛假告警率還可以自動定義，例如使得每天、每周或每月存在僅僅一個虛假告警?？梢允褂糜糜诖_定目標(biāo)虛假告警率的其它遞歸方法，例如選擇虛假告警率與所檢測到的變化的比率、虛假告警率與正確告警率的比率，等等。在另一示例中，用戶可以選擇虛假告警率的時段，使得設(shè)備在該時段內(nèi)平均輸出一個虛假告警。還可以通過使用目標(biāo)正確告警率(例如，無虛假否定(nofalsenegative)，其可以等于高虛假告警率)來選定目標(biāo)錯誤告警率。在示例中，估計可以類似于微分熵的估計，比如以下等式：H(X)＝-∫g(x)logg(x)dx估計還可以包括直方圖或Parzen窗估計，比如以下等式：這些估計技術(shù)的缺陷包括選擇內(nèi)核時的難度，或者高維度情況下的處理挑戰(zhàn)。微分熵的KNN估計可以包括：●X1，...，XN：樣本；●εik-從xi到其第k個最近鄰的距離；●概率密度的局部估計，例如：●其中圖4示出了根據(jù)實施例的例示k最近鄰估計的曲線圖400。在圖4所示的示例曲線圖400中，k被設(shè)定成等于2，由于樣本404和406是樣本402的兩個最近鄰，如曲線圖400所示，計算從樣本402到樣本404和樣本406的距離。如果k值增加，則將計算距離樣本402的其它樣本距離。如果k值降低至1，則將僅僅計算從樣本402到樣本406的距離。例如微分熵的k最近鄰(KNN)估計的估計方法可以被修改來用于估計KullbackLeibler(KL)散度。在示例中，多傳感器變化檢測可以包括告警閾值(T)的滑動窗得分計算。如上所述，可以單獨地訓(xùn)練每個被訓(xùn)練的傳感器組合。指定時段內(nèi)的訓(xùn)練數(shù)據(jù)可以按時間順序方式組織。訓(xùn)練數(shù)據(jù)還可以被正則化，例如根據(jù)如上討論的傳感器正則化常數(shù)來正則化。滑動窗可以應(yīng)用于數(shù)據(jù)，并且可以選擇每個時點作為參考點。每個窗可以包括緊跟在該參考點之前的n個(參數(shù))傳感器組合值以及緊跟在該參考點之后的m個(參數(shù))傳感器組合值。對于每個滑動窗，可以計算KullbackLeibler(KL)(KNNKL)散度得分的k最近鄰(KNN)估計。例如，可以使用等式，其中d表示組合中的傳感器的數(shù)量。對于Past(ρ)集合中的傳感器組合集中的每個點，KNNKL散度估計可以確定到Past(ρ)集合中的k個(參數(shù))最近鄰的距離以及到Future(v)集合中的傳感器組合集中的k個(參數(shù))最近鄰的距離。KNNKL估計等式可以包括確定P，該Past(ρ)集合的散度：KL散度可以包括表示分布之間的距離。在示例中，KL散度可以包括在使用基于第二分布的代碼而不是使用基于第一分布的代碼時，對來自第一分布的樣本進行編碼所需的期望(或所計算出的)額外比特數(shù)。KL散度還可以相對于分布是不對稱的，例如當(dāng)使用來自第一分布的被編碼到第二分布的信號以及來自第二分布的被編碼到第一分布的信號計算時，返回不同的結(jié)果。KL散度的KNN估計可以避免多維分布估計。在另一示例中，多傳感器變化檢測技術(shù)可以包括對于Future(v)集合中的每個點重復(fù)該等式并且返回得分F。可以使用得分值P加上給定窗的F來估計總散度得分。在訓(xùn)練時，在針對整個訓(xùn)練集完成得分計算后，可以自動地檢測得分值的閾值以滿足目標(biāo)虛假告警率。所計算出的得分估計值(例如，P和F)可以按降序存儲，其中S(1)是最大得分，以及S(w)是最小得分，其中w是在訓(xùn)練階段所計算出的得分的數(shù)目?？梢酝ㄟ^將目標(biāo)虛假告警率乘以在訓(xùn)練階段計算出的得分?jǐn)?shù)目來計算切割索引(index)t，例如t＝f*w。閾值可以包括針對切割索引處的特定參考點的KNNKL散度得分估計，例如T＝S(x)。例如，如果在訓(xùn)練階段存在所計算出的四個得分，并且目標(biāo)虛假告警率是50％，則切割索引將是0.5*4＝2。然后，在示例中，閾值將是對應(yīng)S(2)的KNNKL散度得分估計(例如，按降序排序的第二大得分)。該閾值可以存儲在數(shù)據(jù)庫中以便將來使用。圖5示出了根據(jù)實施例的例示用于傳感器值緩存的系統(tǒng)500的框圖。該系統(tǒng)500可以包括用于接收傳感器度量的中間設(shè)備(broker)502，例如計算機或服務(wù)器。該系統(tǒng)500還可以包括用于存儲傳感器組合閾值或模型傳感器信息的歷史數(shù)據(jù)庫(HBase)504。在系統(tǒng)500中可以包括其它數(shù)據(jù)庫或分布式應(yīng)用。模型傳感器信息可以由系統(tǒng)500使用來緩存模型值508。在示例中，傳感器數(shù)據(jù)可以添加到緩存中，其中該緩存包括當(dāng)前傳感器數(shù)據(jù)和剛剛過去(immediatepast)的傳感器數(shù)據(jù)。在另一示例中，緩存系統(tǒng)可以包括：當(dāng)接收到當(dāng)前傳感器數(shù)據(jù)時，將剛剛過去的傳感器數(shù)據(jù)推送到另一緩存段，并且將當(dāng)前傳感器數(shù)據(jù)存儲在一個緩存中以及將剛剛過去的傳感器數(shù)據(jù)存儲在第二緩存中。在另一示例中，每個傳感器可以具有用于存儲傳感器數(shù)據(jù)的相關(guān)聯(lián)的單獨一個緩存或多個緩存。在系統(tǒng)500中，所緩存的模型傳感器信息和來自中間設(shè)備502的傳感器度量可以被使用來聚合傳感器度量時間510。傳感器度量時間聚合510可以用來對傳感器差別建模以及緩存?zhèn)鞲衅鹘M合標(biāo)識(SCID)值512。系統(tǒng)500可以根據(jù)模型傳感器差別和SCID緩存來計算窗得分。在示例中，窗得分計算可以與SCID閾值比較來確定窗得分是否超過SCID閾值，如果超過，則發(fā)出告警514。所發(fā)出的告警514可以包括SCID告警。在示例中，在訓(xùn)練階段之后，多傳感器變化檢測可以包括測試階段(或主階段)。數(shù)據(jù)可以根據(jù)單位采樣時間來重新采樣，并且可以在線存儲和聚合?？梢詥为毜靥幚砗捅４婷總€訓(xùn)練過的組合。在示例中，對于每個組合，可以維持具有(n+m)個先前采樣的窗。同樣可以維持其它樣本大小。所存儲的數(shù)據(jù)可以被正則化，并且用于具有相同或相似傳感器組合的其它相似設(shè)備。在多傳感器變化檢測中，在窗更新后，可以計算KNNKL得分。如果得分在所訓(xùn)練的閾值以上，則對于與閾值和得分相關(guān)的指定傳感器組合可以發(fā)出告警。該告警可以是本地的或遠程的、可聽的、可視的、或發(fā)送給用戶，例如通過電子郵件、文本消息、電話通話、電子郵件等。在另一示例中，多傳感器變化檢測流程可以包括檢測相對于過去的固定點或者緊鄰的前一點的變化。相對于參考點的多傳感器變化檢測可以包括以L(參數(shù))月、周、天、小時、分鐘、秒等形式存儲過去系統(tǒng)的屏幕截圖。同樣，對于給定大小的未來窗，可以校準(zhǔn)得分閾值(D)?？梢栽陔S后時間捕獲未來窗點，以及可以利用上述的多傳感器變化檢測技術(shù)來計算得分Z。如果Z>D，則可以發(fā)出告警。在示例中，使用多于一個傳感器可以包括例如對于相同的虛假告警率具有相較于單傳感器方法更高的檢測率(例如，多達8倍)的益處。使用多于一個傳感器還可以包括對傳感器相關(guān)性變化靈敏的益處(例如，35％的檢測率)。單傳感器方法對傳感相關(guān)性變化不靈敏。圖6示出了根據(jù)實施例的例示信號分布的曲線圖600。多傳感器變化檢測技術(shù)可以正確地標(biāo)識曲線圖600中的分布之間的差別，例如所示的橢圓分布和圓形分布。依賴于一個傳感器的技術(shù)無法正確地標(biāo)識曲線圖600中的分布之間的差別。多傳感器變化檢測方法、單傳感器變化檢測方法以及異常檢測方法可以發(fā)現(xiàn)來自設(shè)備的非尋常數(shù)據(jù)段的短時間段的突發(fā)，然而僅僅多傳感器變化檢測可以提供整個設(shè)備行為變化的數(shù)據(jù)。在多傳感器變化檢測技術(shù)發(fā)現(xiàn)了變化之后，可以重新校準(zhǔn)設(shè)備來繼續(xù)其監(jiān)測。來自多傳感器變化檢測技術(shù)的告警不限于否定告警，還可以包括告警改進的設(shè)備或系統(tǒng)行為，或者告警未被分類為改進或否定的變化。多傳感器變化檢測可以實現(xiàn)這樣的檢測能力，該檢測能力可以為用戶帶來高價值信息，這些高價值信息在異常檢測或單傳感器變化檢測中不能發(fā)現(xiàn)。在示例中，實驗結(jié)果可以包括表1和表2中的結(jié)果。表1將KNNKL與KolmogorovSmirnov測試進行比較，表明KNNKL結(jié)果優(yōu)于KS結(jié)果。測試窗微調(diào)的FA實際的FA檢測率KL,檢測μ＝μ+150,10(k＝8)0.0010.00090.139KS,檢測μ＝μ+150,100.0010.00040.131KL,檢測μ＝μ+250,10(k＝8)0.0010.00060.921KS,檢測μ＝μ+250,100.0010.00040.871KL,檢測μ＝μ+130,10(k＝5)0.010.0130.31KS,檢測μ＝μ+130,100.010.0050.326KL,檢測μ＝μ+130,10(k＝8)0.010.0060.343KL,檢測μ＝μ+230,100.010.0080.96KS,檢測μ＝μ+230,10(k＝8)0.010.0060.94KL,檢測σ＝σ+130,10(k＝8)0.010.0120.063KS,檢測σ＝σ+130,100.010.0070.015KL,檢測σ＝σ+230,10(k＝8)0.010.0110.132KS,檢測σ＝σ+230,100.010.0040.025KL,檢測σ＝σ+330,10(k＝8)0.010.0090.264KS,檢測σ＝σ+330,100.010.0060.036表1-比較KNNKL與KS的實驗結(jié)果KNNKL估計可以利用多維信息來檢測利用一維方法無法檢測到的變化，例如μ中的小變化，Σ中的小變化，或者相關(guān)性ρ中的變化?；€數(shù)據(jù)可以使用μ＝0且σ＝1的正態(tài)分布。這些檢測率的結(jié)果在表2中示出。表2-標(biāo)準(zhǔn)差、均值和相關(guān)性的不同值的實驗結(jié)果在示例中，可以對真實數(shù)據(jù)執(zhí)行KNNKL多傳感器變化檢測，并且在表3中示出實驗結(jié)果。例如，擊鍵可用于數(shù)據(jù)，例如真實世界手指鍵入時刻(timing)數(shù)據(jù)集。手指鍵入時刻的真實世界數(shù)據(jù)可以包括：-重復(fù)鍵入的相同的10字母密碼-51個人類對象-每個人8個日常會話-每個日常會話中50次重復(fù)-由鍵彈起-鍵按下的20個時刻所表征的每次鍵入-總體而言，每個人可以由400個樣本*20個傳感器來表示在示例中，將擊鍵數(shù)據(jù)應(yīng)用于多傳感器變化檢測可以包括：1、將人類的連續(xù)20X個時刻的會話用作開始2、盯住另一人的連續(xù)20X個時刻的會話3、檢測盯住點4、檢測虛假告警5、重復(fù)該技術(shù)以產(chǎn)生樣本集。表3-使用真實數(shù)據(jù)的實驗結(jié)果上述實驗結(jié)果表來自示范性的實施例。使用本公開中所描述的其它實施例，可以出現(xiàn)其它結(jié)果。圖7示出了根據(jù)實施例的例示多傳感器變化檢測系統(tǒng)702的示意圖。在示例中，多傳感器變化檢測系統(tǒng)702可以包括通信模塊704。通信模塊704可以接收信號，比如來自傳感器的信號。通信模塊704可以接收來自多個傳感器中的第一傳感器組合的第一信號集，以及可以接收來自該多個傳感器中的第二傳感器組合的第二信號集。在示例中，通信模塊704可以接收來自第一傳感器組合和第二傳感器組合中的每一個的另一信號集。在另一示例中，通信模塊704可以接收關(guān)于傳感器狀態(tài)或環(huán)境狀態(tài)的信息或特征數(shù)據(jù)。多傳感器變化檢測系統(tǒng)702可以包括處理模塊708。處理模塊708可以確定第一信號集的第一分布和第二信號集的第二分布，該第一信號集和第二信號集由通信模塊接收。在示例中，處理模塊708可以估計第一分布與第二分布之間的散度。例如，處理模塊708可以使用第一傳感器組合和第二傳感器組合的計數(shù)、多個傳感器的計數(shù)、從第二信號集中的多個信號到第一信號集中的第一多個最近鄰信號的距離以及從第二信號集中的多個信號到第二信號集中的第二多個最近鄰信號的距離來估計散度。最近鄰信號的距離估計可以使用第二信號集中的信號與第一信號集和第二信號集兩者中的信號之間的KL距離的k最近鄰估計。K最近鄰中的k可以包括該多個最近鄰信號。處理模塊708還可以確定散度是否超過閾值。當(dāng)散度超過閾值時，處理模塊708可以生成告警。處理模塊708可以通過估計使用基于第二分布的代碼對第一信號集進行編碼所需的額外比特數(shù)來估計散度。例如，使用基于第一分布的代碼對第一信號集進行編碼所需的估計比特數(shù)可以是指定比特數(shù)，以及使用第二分布代碼對第一信號集進行編碼可能需要超過該比特數(shù)的額外比特。在另一示例中，處理模塊708可以利用目標(biāo)虛假告警率來確定閾值。在示例中，多傳感器變化檢測系統(tǒng)702可以包括告警模塊706。告警模塊706可以播放聲音，振動，閃爍告警，或者以其它方式向用戶表明已經(jīng)生成告警。圖8示出了根據(jù)實施例的例示用于多傳感器變化檢測的方法800的流程圖。在示例中，方法800可以包括操作802，接收來自多個傳感器中的第一傳感器組合的第一信號集和來自該多個傳感器中的第二傳感器組合的第二信號集。方法800的操作804可以包括確定第一信號集的第一分布和第二信號集的第二分布。方法800可以包括操作806，估計第一分布與第二分布之間的散度，其中使用第一傳感器組合、第二傳感器組合、多個傳感器的總計數(shù)、從第二信號集中的多個信號到第一信號集中的多個最近鄰信號的距離以及從第二信號集中的多個信號到第二信號集中的第二多個最近鄰信號的距離來估計所述散度。在示例中，方法800可以包括操作808，確定散度估計是否超過閾值，以及包括操作810，當(dāng)散度估計超過閾值時，生成告警。在另一示例中，一種方法可以包括在第一時段和第二時段接收來自多個傳感器的特征數(shù)據(jù)的操作，該特征數(shù)據(jù)表示傳感器狀態(tài)或環(huán)境狀態(tài)。在示例中，傳感器狀態(tài)可以包括傳感器的位置、傳感器的角度或方位、傳感器的加速度、傳感器的移動、操作狀況等。在另一示例中，環(huán)境狀態(tài)可以包括諸如風(fēng)速、溫度、熱指數(shù)、濕度、加速度、移動、亮度、信號強度、音頻、視頻、化學(xué)分析、外部設(shè)備功能等的信息。特征數(shù)據(jù)可以包括這些示例的任一個示例中的一個或多個。第一時段可以包括緊跟在第二時段之前的時點。第一時段還可以包括遠在第二時段之前的時點。第一時段和第二時段可以包括時刻或時間窗，離散的或連續(xù)的，并且可以具有相同長度的窗口，基本上相同長度的窗口，或者是不同長度的時間窗。多個傳感器可以包括自動選擇或用戶選擇的傳感器組合。在另一示例中，多個傳感器可以是一個特定設(shè)備或多個特定設(shè)備的完整傳感器群組。多個傳感器可以包括任意類型的測量裝置，無源的或有源的。在示例中，操作可以包括分析第一時段和第二時段的特征數(shù)據(jù)來計算從第一時段到第二時段的多個傳感器的傳感器狀態(tài)或環(huán)境狀態(tài)的散度的估計。在示例中，為了計算散度估計，在上述任意方法中，可以包括使用KullbackLeibler(KL)散度得分的k最近鄰(KNN)估計(KNNKL)。例如，對于第一時段內(nèi)的多個傳感器中的每個點，計算散度估計可以包括確定到第一時段和第二時段中的k個最近鄰的距離。計算散度估計還可以包括，對于第二時段內(nèi)的多個傳感器中的每個點，確定到第一時段和第二時段中的k最近鄰的距離。計算散度估計可以包括組合兩個所確定距離集。在示例中，第一時段或第二時段中的一個可以發(fā)生在另一個之前。操作可以包括確定散度估計是否超過閾值，以及當(dāng)散度估計超過閾值時生成告警。閾值可以包括針對相對于另一特定參考點的特定參考時段的散度估計，例如使用第一時段和第二時段之前的時段。閾值可以包括預(yù)定值，例如在使得虛假否定率最小化的同時最小化虛假錯誤率的值。在另一示例中，閾值可以包括預(yù)定值，例如用戶選擇的值。閾值可以包括KNNKL散度得分估計，該得分估計是在分析特征數(shù)據(jù)之前確定的?？梢源鎯﹂撝?，并且方法可以訪問閾值來確定散度估計是否超過閾值。告警可以包括在用于確定散度估計是否超過閾值的設(shè)備本地的告警或遠離該設(shè)備的告警。生成告警可以包括在用戶界面中生成變化以顯示告警，例如可聽告警或可視化告警。該告警可以發(fā)送給用戶，例如通過電子郵件、文本消息、電話通話、電子郵件等。告警可以包括振動分量。圖9示出了根據(jù)實施例的例示示例機器900的框圖，本文所述的任意一種或多種技術(shù)(例如，方法)可以在該機器上執(zhí)行。在可替代的實施例中，機器900可以作為獨立設(shè)備操作，或者可以連接(例如，聯(lián)網(wǎng))到其它機器。在聯(lián)網(wǎng)部署中，機器900可以在服務(wù)器機器、客戶端機器或服務(wù)器-客戶端網(wǎng)絡(luò)環(huán)境的容量(capacity)下操作。在示例中，機器900可以充當(dāng)對等(P2P)(或其它分布式)網(wǎng)絡(luò)環(huán)境中的對等機器。機器900可以是個人計算機(PC)、平板式PC、機頂盒(STB)、個人數(shù)字助理(PDA)、移動電話、web工具、網(wǎng)絡(luò)路由器、交換機或橋接器、或者任何能夠執(zhí)行用于指定該機器所要采取的動作的指令(順序的或其它的)的機器。此外，雖然僅示出了單個機器，術(shù)語“機器”還應(yīng)被認(rèn)為包含了用來單獨地或聯(lián)合地執(zhí)行一個(或多個)指令集來實施本文所述的任意一種或多種方法(例如，云計算，軟件即服務(wù)(SaaS)、其它計算機集群配置)的任意機器集合。如本文所述，示例可以包括邏輯或多個組件、模塊或機制，或者可以在邏輯或多個組件、模塊或機制上操作。模塊是在操作時能夠執(zhí)行指定操作的有形實體(例如，硬件)。模塊包括硬件。在示例中，硬件可以被具體地配置成實施具體操作(例如，硬連線的)。在示例中，硬件可以包括可配置執(zhí)行單元(例如，晶體管、電路等)以及包含指令的計算機可讀介質(zhì)，其中當(dāng)在操作中時該指令配置執(zhí)行單元來實施具體操作。配置可以在執(zhí)行單元或加載機制的引導(dǎo)之下發(fā)生。因此，當(dāng)設(shè)備正在操作時，執(zhí)行單元與計算機可讀介質(zhì)通信耦合。在該示例中，執(zhí)行單元可以是具有多于一個模塊的構(gòu)件。例如，在操作下，執(zhí)行單元可以由第一指令集配置來在一個時點實現(xiàn)第一模塊，以及由第二指令集重新配置來實現(xiàn)第二模塊。機器(例如，計算機系統(tǒng))900可以包括硬件處理器902(例如，中央處理器(CPU)、圖形處理單元(GPU)、硬件處理器內(nèi)核或其任意組合)、主存儲器904和靜態(tài)存儲器906，上述組件中的一些或全部可以經(jīng)由互連(例如，總線)908彼此通信。機器900還可以包括顯示單元910、字母數(shù)字輸入設(shè)備912(例如鍵盤)以及用戶界面(UI)導(dǎo)航設(shè)備914(例如，鼠標(biāo))。在示例中，顯示單元910、字母數(shù)字輸入設(shè)備912和UI導(dǎo)航設(shè)備914可以是觸摸屏顯示器。機器900可以另外包括存儲設(shè)備(例如，驅(qū)動單元)916、信號生成設(shè)備918(例如，揚聲器)、網(wǎng)絡(luò)接口設(shè)備920以及一個或多個傳感器921，例如全球定位系統(tǒng)(GPS)傳感器、羅盤、加速度計或其它傳感器。機器900可以包括輸出控制器928，例如串行(例如，通用串行總線(USB)、并行或其它有線或無線(例如，紅外(IR)、近場通信(NFC)等)連接以與一個或多個外圍設(shè)備(例如，打印機、讀卡器等)通信或控制一個或多個外圍設(shè)備。存儲設(shè)備916可以包括機器可讀介質(zhì)922，該介質(zhì)是非暫態(tài)性的，在該介質(zhì)上存儲有具體實現(xiàn)本文所述的技術(shù)或功能中的任意一個或多個或由本文所述的技術(shù)或功能中的任意一個或多個使用的一個或多個數(shù)據(jù)結(jié)構(gòu)集或指令集924(例如，軟件)。指令924還可以全部地或至少部分地駐存在主存儲器904內(nèi)，在靜態(tài)存儲器906內(nèi)，或者在機器900執(zhí)行該指令期間駐存在硬件處理器902內(nèi)。在示例中，硬件處理器902、主存儲器904、靜態(tài)存儲器906或存儲設(shè)備916中的一個或任意組合可以構(gòu)成機器可讀介質(zhì)。雖然機器可讀介質(zhì)922被圖示為單個介質(zhì)，術(shù)語“機器可讀介質(zhì)”可以包括被配置為存儲一個或多個指令924的單個介質(zhì)或多個介質(zhì)(例如，集中式或分布式數(shù)據(jù)庫，和/或相關(guān)聯(lián)的高速緩存和服務(wù)器)。術(shù)語“機器可讀介質(zhì)”可以包括能夠存儲、編碼或承載由機器900執(zhí)行且使得機器900執(zhí)行本公開中的任意一種或多種技術(shù)的指令的任意介質(zhì)，或者是能夠存儲、編碼或承載由這些指令使用或與這些指令相關(guān)聯(lián)的數(shù)據(jù)結(jié)構(gòu)的任意介質(zhì)。非限制性機器可讀介質(zhì)的示例可以包括固態(tài)存儲器、以及光介質(zhì)和磁介質(zhì)。在示例中，海量機器可讀介質(zhì)包括帶有多個具有不變(例如，靜止)質(zhì)量的粒子的機器可讀介質(zhì)。因此，海量機器可讀介質(zhì)不是暫態(tài)傳播信號。海量機器可讀介質(zhì)的具體示例可以包括：非易失性存儲器，例如半導(dǎo)體存儲器設(shè)備(例如，電可編程只讀存儲器(EPROM)、電可擦除可編程只讀存儲器(EEPROM)和閃速存儲器設(shè)備；磁盤，例如內(nèi)部硬盤和可移除磁盤；磁光盤；以及CD-ROM和DVD-ROM盤。指令924可以進一步通過通信網(wǎng)926，利用傳輸介質(zhì)經(jīng)由網(wǎng)絡(luò)接口設(shè)備920來使用多種傳輸協(xié)議(例如，幀中繼、互聯(lián)網(wǎng)協(xié)議(IP)、傳輸控制協(xié)議(TCP)、用戶數(shù)據(jù)報協(xié)議(UDP)、超文本傳輸協(xié)議(HTTP)等)中的任一種傳輸協(xié)議發(fā)送或接收。示例通信網(wǎng)可以包括局域網(wǎng)(LAN)、廣域網(wǎng)(WAN)、分組數(shù)據(jù)網(wǎng)(例如，因特網(wǎng))、移動電話網(wǎng)(例如，蜂窩網(wǎng)絡(luò))、普通舊式電話(POTS)網(wǎng)絡(luò)和無線數(shù)據(jù)網(wǎng)(例如，稱為的電氣與電子工程師協(xié)議(IEEE)802.11標(biāo)準(zhǔn)系列，稱為的IEEE802.16標(biāo)準(zhǔn)系列)、IEEE802.15.4標(biāo)準(zhǔn)系列、對等(P2P)網(wǎng)絡(luò)，以及其它。在示例中，網(wǎng)絡(luò)接口設(shè)備920可以包括一個或多個物理插口(例如，以太網(wǎng)、同軸線或電話插口)或者連接到通信網(wǎng)926的一個或多個天線。在示例中，網(wǎng)絡(luò)接口設(shè)備920可以包括利用單輸入多輸出(SIMO)、多輸入多輸出(MIMO)或多輸入單輸出(MISO)技術(shù)中的至少一種來進行無線通信的多個天線。術(shù)語“傳輸介質(zhì)”應(yīng)當(dāng)認(rèn)為包含能夠存儲編碼或承載由機器900執(zhí)行的指令的任何無形介質(zhì)，并且包括便于該軟件的通信的數(shù)字或模擬通信信號或其它無形介質(zhì)。附加注釋和示例這些非限制性示例中的每一個可以是獨立的，或者可以與其它示例中的一個或多個以各種置換或組合方式組合。示例1包括多傳感器變化檢測系統(tǒng)所具體體現(xiàn)的主題，該多傳感器變化檢測系統(tǒng)包括：通信模塊，配置為接收來自多個傳感器中的第一傳感器組合的第一信號集以及接收來自所述多個傳感器中的第二傳感器組合的第二信號集；以及處理模塊，配置為確定所述第一信號集的第一分布和所述第二信號集的第二分布；估計所述第一分布與所述第二分布之間的散度，其中所述散度是使用所述第一傳感器組合的計數(shù)、所述第二傳感器組合的計數(shù)、所述多個傳感器的計數(shù)、從所述第二信號集中的多個信號到所述第一信號集中的第一多個最近鄰信號的距離以及從所述第二信號集中的多個信號到所述第二信號集中的第二多個最近鄰信號的距離來估計的；以及確定所述散度是否超過閾值。在示例2中，示例1的主題可以可選地包括：其中所述處理模塊進一步檢測到所述散度超過所述閾值，以及響應(yīng)于檢測到所述散度超過所述閾值而生成告警。在示例3中，示例1-2中的一個或任意組合的主題可以可選地包括：其中所述第一多個最近鄰信號和所述第二多個最近鄰信號分別包括比所述第一信號集少的信號和比所述第二信號集少的信號。在示例4中，示例1-3中的一個或任意組合的主題可以任選地包括：其中所述散度是使用從所述第一信號集中的多個信號到所述第一信號集中的第三多個最近鄰信號的距離和從所述第一信號集中的多個信號到所述第二信號集中的第四多個最近鄰信號的距離來估計的。在示例5中，示例1-4中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合和所述第二傳感器組合是相同的。在示例6中，示例1-5中的一個或任意組合的主題可以可選地包括：其中所述第二信號集是緊接在所述第一信號集之前接收到的。在示例7中，示例1-6中的一個或任意組合的主題可以可選地包括：其中為了估計所述散度，所述處理模塊進一步估計使用基于所述第二分布的代碼對所述第一信號集進行編碼所需的附加比特數(shù)。在示例8中，示例1-7中的一個或任意組合的主題可以可選地包括：其中所述處理模塊進一步使用目標(biāo)虛假告警率來確定所述閾值。在示例9中，示例1-8中的一個或任意組合的主題可以可選地包括：其中所述處理模塊使用虛假告警率與正確告警率的比率來遞歸地確定所述目標(biāo)虛假告警率。在示例10中，示例1-9中的一個或任意組合的主題可以可選地包括：其中所述第二傳感器組合是由用戶選擇的。在示例11中，示例1-10中的一個或任意組合的主題可以可選地包括：其中所述通信模塊進一步在第一時段和第二時段接收來自第三傳感器組合的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示傳感器狀態(tài)；其中所述處理模塊進一步分析所述第一時段和第二時段以確定在所述第一時段和所述第二時段的所述第三傳感器組合的傳感器狀態(tài)之間的差別；以及其中所述處理模塊使用所確定的差別來估計所述散度。在示例12中，示例1-11中的一個或任意組合的主題可以可選地包括：其中所述傳感器狀態(tài)包括傳感器位置、傳感器角度、傳感器方位、傳感器移動或傳感器操作狀況中的至少一個。在示例13中，示例1-12中的一個或任意組合的主題可以可選地包括：其中所述通信模塊進一步在第一時段和第二時段接收來自所述多個傳感器的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示環(huán)境狀態(tài)；其中所述處理模塊進一步分析所述第一時段和第二時段以確定在所述第一時段和所述第二時段的所述多個傳感器的環(huán)境狀態(tài)之間的差別，以及其中所述處理模塊使用所確定的差別來估計所述散度。在示例14中，示例1-13中的一個或任意組合的主題可以可選地包括：其中所述環(huán)境狀態(tài)包括關(guān)于風(fēng)速、溫度、熱指數(shù)、濕度、移動、亮度、信號強度、音頻、視頻、化學(xué)成分或外部設(shè)備功能中的至少之一的信息。在示例15中，示例1-14中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合是由用戶選擇的。示例16包括由用于多傳感器變化檢測的方法來具體體現(xiàn)的主題，該方法包括：在設(shè)備處接收來自多個傳感器中的第一傳感器組合的第一信號集；在所述設(shè)備處接收來自所述多個傳感器中的第二傳感器組合的第二信號集；在所述設(shè)備處確定所述第一信號集的第一分布；在所述設(shè)備處確定所述第二信號集的第二分布；在所述設(shè)備處估計第一分布與第二分布之間的散度，其中所述散度是使用所述第一傳感器組合、所述第二傳感器組合、所述多個傳感器的總計數(shù)、從所述第二信號集中的多個信號到所述第一信號集中的第一多個最近鄰信號的距離以及從所述第二信號集中的多個信號到所述第二信號集中的第二多個最近鄰信號的距離來估計的，以及在所述設(shè)備處確定所述散度是否超過閾值。在示例17中，示例16的主題可以可選地包括：確定所述散度超過所述閾值，以及響應(yīng)于確定出所述散度超過所述閾值而生成告警。在示例18中，示例16-17中的一個或任意組合的主題可以可選地包括：其中所述第一多個最近鄰信號和所述第二多個最近鄰信號分別包括比所述第一信號集少的信號和比所述第二信號集少的信號。在示例19中，示例16-18中的一個或任意組合的主題可以可選地包括：其中估計所述散度包括使用從所述第一信號集中的多個信號到所述第一信號集中的第三多個最近鄰信號的距離以及從所述第一信號集中的多個信號到所述第二信號集中的第四多個最近鄰信號的距離來估計所述散度。在示例20中，示例16-19中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合和所述第二傳感器組合是相同的。在示例21中，示例16-20中的一個或任意組合的主題可以可選地包括：其中所述第二信號集是緊接在所述第一信號集之前接收到的。在示例22中，示例16-21中的一個或任意組合的主題可以可選地包括：其中估計所述散度包括估計使用基于所述第二分布的代碼對所述第一信號集進行編碼所需的附加比特數(shù)。在示例23中，示例16-22中的一個或任意組合的主題可以可選地包括：還包括使用目標(biāo)虛假告警率來確定所述閾值。在示例24中，示例16-23中的一個或任意組合的主題可以可選地包括：還包括使用虛假告警率與正確告警率的比率來遞歸地確定所述目標(biāo)虛假告警率。在示例25中，示例16-24中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合是由用戶選擇的。在示例26中，示例16-25中的一個或任意組合的主題可以可選地包括：其中所述第二傳感器組合是由用戶選擇的。在示例27中，示例16-26中的一個或任意組合的主題可以可選地包括：在第一時段和第二時段接收來自第三傳感器組合的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示傳感器狀態(tài)；以及分析所述第一時段和所述第二時段以確定在所述第一時段和所述第二時段的所述第三傳感器組合的傳感器狀態(tài)之間的差別；以及其中估計所述散度包括使用所確定的差別。在示例28中，示例16-27中的一個或任意組合的主題可以可選地包括：其中所述傳感器狀態(tài)包括傳感器位置、傳感器角度、傳感器方位、傳感器移動或傳感器操作狀況中的至少之一。在示例29中，示例16-28中的一個或任意組合的主題可以可選地包括，在第一時段和第二時段接收來自多個傳感器的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示環(huán)境狀態(tài)；以及分析所述第一時段和所述第二時段以確定在所述第一時段和所述第二時段的所述多個傳感器的環(huán)境狀態(tài)之間的差別；以及其中估計所述散度包括使用所確定的差別。在示例30中，示例16-29中的一個或任意組合的主題可以可選地包括：其中所述環(huán)境狀態(tài)包括關(guān)于風(fēng)速、溫度、熱指數(shù)、濕度、移動、亮度、信號強度、音頻、視頻、化學(xué)成分或外部設(shè)備功能中的至少之一的信息。在示例31中，示例16-30中的一個或任意組合的主題可以可選地包括至少一個機器可讀介質(zhì)，所述至少一個機器可讀介質(zhì)包括用于接收信息的指令，當(dāng)所述指令被機器執(zhí)行時，所述指令使得所述機器實施如權(quán)利要求16-30中任一所述的方法。在示例32中，示例16-31中的一個或任意組合的主題可以可選地包括一種裝置，該裝置包括用于實施如權(quán)利要求16-30中任一所述的方法的單元。示例33包括用于多傳感器變化檢測的方法所具體體現(xiàn)的主題，該方法包括：在設(shè)備處接收來自多個傳感器中的第一傳感器組合的第一信號集的單元；用于在所述設(shè)備處接收來自所述多個傳感器中的第二傳感器組合的第二信號集的單元；用于在所述設(shè)備處確定所述第一信號集的第一分布的單元；用于在所述設(shè)備處確定所述第二信號集的第二分布的單元；用于在所述設(shè)備處估計第一分布與第二分布之間的散度的單元，其中所述散度是使用所述第一傳感器組合、所述第二傳感器組合、所述多個傳感器的總計數(shù)、從所述第二信號集中的多個信號到所述第一信號集中的第一多個最近鄰信號的距離以及從所述第二信號集中的多個信號到所述第二信號集中的第二多個最近鄰信號的距離來估計的，以及用于在所述設(shè)備處確定所述散度是否超過閾值的單元。在示例34中，示例33的主題可以可選地包括：確定所述散度超過所述閾值，以及響應(yīng)于確定出所述散度超過所述閾值而生成告警。在示例35中，示例33-34中的一個或任意組合的主題可以可選地包括：其中所述第一多個最近鄰信號和所述第二多個最近鄰信號分別包括比所述第一信號集少的信號和比所述第二信號集少的信號。在示例36中，示例33-35中的一個或任意組合的主題可以可選地包括：其中估計所述散度包括使用從所述第一信號集中的多個信號到所述第一信號集中的第三多個最近鄰信號的距離以及從所述第一信號集中的多個信號到所述第二信號集中的第四多個最近鄰信號的距離來估計所述散度。在示例37中，示例33-36中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合和所述第二傳感器組合是相同的。在示例38中，示例33-37中的一個或任意組合的主題可以可選地包括：其中所述第二信號集是緊接在所述第一信號集之前接收到的。在示例39中，示例33-38中的一個或任意組合的主題可以可選地包括：其中估計所述散度包括估計使用基于所述第二分布的代碼對所述第一信號集進行編碼所需的附加比特數(shù)。在示例40中，示例33-39中的一個或任意組合的主題可以可選地包括：還包括使用目標(biāo)虛假告警率來確定所述閾值。在示例41中，示例33-40中的一個或任意組合的主題可以可選地包括：還包括使用虛假告警率與正確告警率的比率來遞歸地確定所述目標(biāo)虛假告警率。在示例42中，示例33-41中的一個或任意組合的主題可以可選地包括：其中所述第一傳感器組合是由用戶選擇的。在示例43中，示例33-42中的一個或任意組合的主題可以可選地包括：其中所述第二傳感器組合是由用戶選擇的。在示例44中，示例33-43中的一個或任意組合的主題可以可選地包括：在第一時段和第二時段接收來自第三傳感器組合的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示傳感器狀態(tài)；以及分析所述第一時段和第二時段以確定在所述第一時段和所述第二時段的所述第三傳感器組合的傳感器狀態(tài)之間的差別；以及其中估計所述散度包括使用所確定的差別。在示例45中，示例33-44中的一個或任意組合的主題可以可選地包括：其中所述傳感器狀態(tài)包括傳感器位置、傳感器角度、傳感器方位、傳感器移動或傳感器操作狀況中的至少之一。在示例46中，示例33-45中的一個或任意組合的主題可以可選地包括：在第一時段和第二時段接收來自多個傳感器的特征數(shù)據(jù)，所述特征數(shù)據(jù)表示環(huán)境狀態(tài)；以及分析所述第一時段和所述第二時段以確定在所述第一時段和所述第二時段的所述多個傳感器的環(huán)境狀態(tài)之間的差別；以及其中估計所述散度包括使用所確定的差別。在示例47中，示例33-46中的一個或任意組合的主題可以可選地包括：其中所述環(huán)境狀態(tài)包括關(guān)于風(fēng)速、溫度、熱指數(shù)、濕度、移動、亮度、信號強度、音頻、視頻、化學(xué)成分或外部設(shè)備功能中的至少之一的信息。上文的詳細描述包括對附圖的引用，附圖構(gòu)成了詳細描述的部分。附圖通過圖示說明的方式示出了可實現(xiàn)的具體實施例。這些實施例在本文還稱為“示例”。這些示例可以包括除了所圖示和所描述的元件之外的元件。然而，本發(fā)明人還構(gòu)思僅提供所圖示或所描述的那些元件的示例。而且，本發(fā)明人還構(gòu)思使用所圖示或所描述的那些元件(或其一個或多個方面)的任意組合或置換的示例，針對特定的示例(或其一個或多個方面)或者針對所圖示或所描述的其它示例(或其一個或多個方面)。在本文檔和通過引用方式合并于此的任意文檔之間的用法不一致的情形下，以本文檔的用法為準(zhǔn)。在本文檔中，如專利文獻中常見的，使用了術(shù)語“一(a)”或“一個(an)”來包括一個或多于一個，獨立于“至少一個”或“一個或多個”的任何其它實例或用法。在本文檔中，除非另作說明，術(shù)語“或者”用來指代非排他性，或者使得“A或B”包括“A而非B”、“B而非A”和“A和B”。在本文檔中，術(shù)語“包含(including)”和“其中(inwhich)”用作相應(yīng)的術(shù)語“包括(comprising)”和“其中(wherein)”的通俗英語等價詞。而且，在隨后的權(quán)利要求中，術(shù)語“包含”和“包括”是開放式的，也即，在權(quán)利要求中包含除了在該術(shù)語后所列的那些元件之外的元件的系統(tǒng)、設(shè)備、物品、成分、配方或過程仍認(rèn)為落入該權(quán)利要求的范圍內(nèi)。而且，在下面的權(quán)利要求中，術(shù)語“第一”、“第二”和“第三”等僅用作標(biāo)簽，不是旨在對其對象施加數(shù)字要求。本文所述的方法示例可以是至少部分地由機器或計算機實現(xiàn)的。一些示例可以包括編碼有能運行來配置電子設(shè)備實施如上文的示例中所描述的方法的指令的計算機可讀介質(zhì)或機器可讀介質(zhì)。這些方法的實現(xiàn)方式可以包括代碼，例如微碼、匯編語言代碼、高級語言代碼等。這些代碼可以包括用于執(zhí)行各種方法的計算機可讀指令。代碼可以構(gòu)成計算機程序產(chǎn)品的部分。此外，在示例中，代碼可以例如在執(zhí)行期間或者在其它時候，有形地存儲在一個或多個易失性、非暫態(tài)的或易失性的有形計算機可讀介質(zhì)上。這些有形計算機可讀介質(zhì)的示例可以包含，但不限于，硬盤、可移除磁盤、可移除光盤(例如，壓縮盤和數(shù)字視頻盤)、磁盒、存儲器卡或存儲棒、隨機存取存儲器(RAM)、只讀存儲器(ROM)等。上面的描述旨在示例性的，而非限制性的。例如，上述示例(或其一個或多個方面)可以與其它示例組合使用。例如本領(lǐng)域普通技術(shù)人員在閱讀上述描述時可以使用其它的實施例。而且，在上面的詳細描述中，可以將各種特征組合在一起而使得公開內(nèi)容流暢。這不應(yīng)該被解釋為意在未要求保護的公開特征對于任何權(quán)利要求是必要的。相反，發(fā)明主題可以在于特定公開實施例的非全部特征。因此，下面的權(quán)利要求作為示例或?qū)嵤├诖瞬⑷朐斒鲋校瑱?quán)利要求本身獨立地作為單獨的實施例，并且可構(gòu)思的是，這些實施例可以按照各種組合或置換的方式相互組合。實施例的范圍應(yīng)該參考隨附的權(quán)利要求以及這些權(quán)利要求賦予權(quán)利的等同內(nèi)容的整個范圍來確定。當(dāng)前第1頁1 2 3