发明名称 |
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。 |
申请公布号 |
CN101832471A |
申请公布日期 |
2010.09.15 |
申请号 |
CN201010148975.0 |
申请日期 |
2010.04.19 |
申请人 |
哈尔滨工程大学 |
发明人 |
傅荟璇;于占东;李冰;王宇超;杜春洋 |
分类号 |
F17D5/06(2006.01)I;G06N99/00(2010.01)I |
主分类号 |
F17D5/06(2006.01)I |
代理机构 |
|
代理人 |
|
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。 |
地址 |
150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |