| 主权项 |
一种基于多尺度加权递归网络的两相流网络可视化方法，其特征在于，包括如下步骤：1)对通过双层循环激励电导传感器得到的多通道信号进行多尺度变换，包括：(1)对长度均为C的p个通道的信号<img file="FDA0001128855230000011.GIF" wi="250" he="72" />k＝1,.....,p，分别进行粗粒化得到：<img file="FDA0001128855230000012.GIF" wi="750" he="143" />其中，<img file="FDA0001128855230000013.GIF" wi="133" he="72" />是粗粒化后得到的信号的任意一点，β是尺度因子，μ表示数据是求均值得到的，y<sub>k,b</sub>是信号Y中的任意一点，<img file="FDA0001128855230000014.GIF" wi="90" he="144" />表示对<img file="FDA0001128855230000015.GIF" wi="46" he="126" />进行取整，其中粗粒化后的单通道的数据长度为L，<img file="FDA0001128855230000016.GIF" wi="205" he="143" />k为通道数；(2)对p个通道中的每一通道的原始信号计算粗粒化方差，得到每一通道的多尺度信号x<sub>k,i</sub><sup>(β)</sup>：<img file="FDA0001128855230000017.GIF" wi="926" he="143" />由此，得到多尺度多通道信号<img file="FDA0001128855230000018.GIF" wi="579" he="77" />2)在每一个尺度因子β下构建多尺度加权递归网络，包括：(1)对在任一个固定尺度因子β下得到的多通道信号<img file="FDA0001128855230000019.GIF" wi="294" he="77" />k＝1,2,....,p，进行相空间重构：<img file="FDA00011288552300000110.GIF" wi="1070" he="79" />其中，N是进行相空间重构后相空间轨迹上向量点的数目，m为嵌入维数，采取错误最近邻法确定，τ为延迟时间，采用互信息法确定，<img file="FDA00011288552300000111.GIF" wi="147" he="71" />为通道k经过相空间重构后得到的相空间轨迹，其中，t＝1,....,N；(2)对于任意两通道f和g的信号x<sub>f,i</sub><sup>(β)</sup>和x<sub>g,i</sub><sup>(β)</sup>f≠g，在进行第(1)步后，得到相空间轨迹<img file="FDA00011288552300000112.GIF" wi="161" he="74" />u＝1,....,N和<img file="FDA00011288552300000113.GIF" wi="163" he="72" />v＝1,....,N；通过对两个所述的相空间轨迹进行交叉递归，得到一个大小为N×N的交叉递归图：<img file="FDA00011288552300000114.GIF" wi="1420" he="94" />其中，ε为阈值，采用15％的两通道信号标准偏差和选取，<img file="FDA00011288552300000115.GIF" wi="415" he="88" />表示两相空间轨迹中任意两向量之间的距离；<img file="FDA00011288552300000116.GIF" wi="541" he="88" />表示如果<img file="FDA00011288552300000117.GIF" wi="499" he="89" />则ε值为1，如果<img file="FDA00011288552300000118.GIF" wi="497" he="85" />则ε值为0；若<img file="FDA00011288552300000119.GIF" wi="211" he="86" />的值为1，则在递归图中为相应的位置黑色，若<img file="FDA0001128855230000021.GIF" wi="209" he="87" />的值为0，则在递归图中相应的位置为白色；(3)为了量化每一个交叉递归图中递归点的密度，计算交叉递归率：<img file="FDA0001128855230000022.GIF" wi="749" he="133" />(4)对于固定尺度因子β下得到的多通道信号<img file="FDA0001128855230000023.GIF" wi="295" he="78" />k＝1,2,....,p，对每两个通道信号采用第(1)步至第(3)步的处理方式，得到一个大小为p×p的交叉递归率矩阵；(5)将每一通道信号视作节点，将两通道间形成的交叉递归图的交叉递归率作为节点间连边的权重；由此，得到在任一固定尺度下的加权递归网络；3)通过对所有尺度下的多通道信号<img file="FDA0001128855230000024.GIF" wi="295" he="71" />k＝1,2,....,p重复步骤2)的过程，得到多尺度加权递归网络；选取阈值，若交叉递归率大于所述阈值，则网络中的两节点之间有连边，否则无连边，从而得到多尺度无权递归网络；4)采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过对社团结构的探寻，揭示两相流流动结构特征，实现对复杂流动结构的网络可视化。 |
