一种信号识别分类方法

摘要

本发明提供的是一种信号识别分类方法。首先利用小波变换的方法对含有较高噪声的原始数据进行降噪，在数据分析中将信号分解为高频和低频信息，采用软阈值法对信号进行消噪，然后进行信号重构；在继承小波变换所具有的良好时频局部化优点的同时，对多尺度分析没有细分的高频部分进行进一步的分解；利用小波包变换在多层分解后的不同频带内分析信号，提取出反映系统状态的特征信息；通过非线性变换将输入信号特征向量变换到高维特征空间，然后在这个高维特征空间求取最优线性分类面。本发明克服了神经网络学中网络结构难以确定、收敛速度慢以及训练时需要大量数据样本等不足，使其具有面向工程实际应用精度高、实时强的特点。

主权项

一种信号识别分类方法，其特征是：步骤一小波变换降噪，首先利用小波变换的方法对含有较高噪声的原始数据进行降噪，在数据分析中将信号分解为高频和低频信息，采用软阈值法对信号进行消噪，然后进行信号重构；步骤二小波包分解，在继承小波变换所具有的良好时频局部化优点的同时，对多尺度分析没有细分的高频部分进行进一步的分解；步骤三信号特征提取，在小波包分解基础上，利用小波包变换在多层分解后的不同频带内分析信号，提取出反映系统状态的特征信息。步骤四最小二乘支持向量机识别，通过非线性变换将输入信号特征向量变换到高维特征空间，利用结构风险最小原则，在这个高维特征空间求取最优线性分类面，这种非线性变换通过定义内积函数来实现。