1.一种应用于电路与系统的基于异构系统的数据异常感知方法，其特征在于，包括以下步骤：步骤1、准备待测电路，收集该电路运行时的各项数据，包括正常和异常的数据；

步骤2、对收集到的电路数据进行预处理，包括数据整理和特征缩放，数据整理通过均值替换，中位数替换以及线性插值的方法实现；特征缩放采用Min‑Max标准化，得到缩放后的数据 将区间(Xmin，Xmax)的数据缩放到(low，high)区间；

步骤3、采用多层神经网络模型，确定神经网络结构，包括网络层数和神经元个数，以及各层网络的激活函数；所述多层神经网络模型为深层神经网络模型DNN；

步骤4、根据神经网络模型确定神经网络电路结构，采用流水线设计优化电路结构；

步骤5、使用步骤2中处理后的数据训练神经网络模型，得到最优的神经网络参数；

步骤6、将步骤5得到的最优神经网络参数以及步骤4确定的神经网络电路结构相结合在异构芯片系统上实现该神经网络电路；

所述步骤6中，神经网络的实现方式为基于CPU+FPGA的异构芯片，结合了CPU交互训练网络的便捷性和FPGA实现网络以及高速运算推理的优势；在训练网络的时候使用CPU运行，在利用网络进行数据异常识别时使用FPGA运行。