一种基于量化信息熵的一维构件应力波信号奇异点检测的方法

摘要

本发明涉及信号特征识别领域，具体涉及的是一种基于量化信息熵的一维构件应力波信号奇异点检测的方法。本发明包括：(1)将原始应力波信号进行预处理，进行n层小波包分解，得到不同频率范围的2ⁿ个子波信号；(2)在信息熵的基础上提出量化信息熵，作为一维构件应力波信号的特征量；(3)构造固定宽度W的时间窗，在信号的时程上按步长B移动提取信号特征量，构造信号的特征量矩阵；(4)对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息。与现有算法技术相比，本发明的有益效果是实现了特征量的降维，在信号存在多处奇异点的情况下可以得到优异的检测结果，提高了检测分辨率，并且抗噪性能优良，不占有过多的时间资源。

主权项

一种基于量化信息熵的一维构件应力波信号奇异点检测的方法，其特征在于，包括如下步骤：(1)将原始应力波信号进行预处理，进行n层小波包分解，得到不同频率范围的2ⁿ个子波信号；(2)在信息熵的基础上提出量化信息熵，作为一维构件应力波信号的特征量：信号的量化信息熵为：$\mathrm{DH}\left(X\right)=\underset{i=0}{\overset{D-1}{\Sigma }}{\mathrm{Num}}_i{p}_i{\log }_2\frac{1}{p_i};$其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Num_i表示第i个幅值区间内采样点个数，p_i为第i个幅值区间内采样点数的统计概率信号采样幅值集合为X＝{x₁，x₂，...，x_n)，X的概率分布为p_i＝P(x_i)(i＝1，2，...，n)，变量X的最大值与最小值，分别记为x_max和x_min，幅值由x_min到x_max平均分成D个量化幅值区间，则每段幅值的取值长度为：$\mathrm{\Delta d}=\frac{x_{\max }-x_{\min }}{D};$每段幅值的量化取值范围为：(x_min+iΔd，x_min+(i+1)Δd，)(i＝0，1，2，...，D‑1)；第i段幅值区间内的采样点个数为Num_i，第i段幅值区的统计概率为：$p_i=\frac{{\mathrm{Num}}_i}{n};$应力波经小波包k层分解后，得到m＝2^k个信号子波，时间窗步进数为x，提取特征量，即量化信息熵之后，每个子波熵值向量为：H_m＝{DH_m1，DH_m2，DH_m3，...，DH_mn}{m＝1，2，...，2^k)；应力波量化信息熵矩阵为：$H=\left[\begin{array}{cccc}{\mathrm{DH}}_{11}& {\mathrm{DH}}_{12}& ...& {\mathrm{DH}}_{1n}\\ {\mathrm{DH}}_{21}& {\mathrm{DH}}_{22}& ...& {\mathrm{DH}}_{2n}\\ ...& ...& ...& ...\\ {\mathrm{DH}}_{m1}& {\mathrm{DH}}_{m2}& ...& {\mathrm{DH}}_{\mathrm{mn}}\end{array}\right];$其中每行数据代表一个子波的量化信息熵向量，m个子波构成m×n特征量矩阵；(3)构造固定宽度W的时间窗，在信号的时程上按步长B移动提取信号特征量，构造信号的特征量矩阵；时间窗口宽度为W，步进长度为B，时间窗口宽度W的取值覆盖至少一个完整的奇异点，不超过两个奇异点；步进长度B的取值满足W/8＜B＜W/4；(4)对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息：所有子波对应同一位置的特征值的均值，得到一维的信号特征量，求得对应同一段信号的时间窗的量化信息熵均值：${\overline{\mathrm{DH}}}_i=\frac{1}{m}({\mathrm{DH}}_{1i}+{\mathrm{DH}}_{2i}+...+{\mathrm{DH}}_{\mathrm{mi}})(i=\mathrm{1,2},...,n);$处理得到量化信息熵均值向量为：$\bar{H}=\{{\overline{\mathrm{DH}}}_1,{\overline{\mathrm{DH}}}_2,{\overline{\mathrm{DH}}}_3,...,{\overline{\mathrm{DH}}}_n\};$若信号的特征值左右均收敛至最小值，则对应的信号部分存在奇异点，的第i个元素在左右对称的特定范围内均收敛为最小值，则：((i‑1)B，(i‑1)B+W)(i∈[1，n])；该段区域为应力波信号奇异点位置，其中B为步进长度，W为时间窗宽度。