[发明专利]基于经验模态分解的孤岛检测关键特征提取方法

权利要求书

1.基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：该方法步骤如下：

(1)录入原始电压信号f(k)(k＝1,2,…,N)，N为采样点数；

(2)对待分析离散信号f(k)(k＝1,2,…,N)，N为采样点数，用经验模态分解进行处理，分解出第1个固有模态函数(IMF)的候选分量h₁；

(3)判断h₁是否为一个IMF函数，若是满足IMF条件，则h₁被判定为f(k)的第1个IMF分量，若否，则将h₁作为待处理信号重新计算，进而持续分解完毕；

(4)对每层的重构信号进行n维的相空间重构，重构矩阵为A；

(5)对每层矩阵A进行奇异值分解，得到对应层重构矩阵A的奇异值，基于信息熵理论，计算各层信号的奇异谱熵H_j；

(6)将各层熵值H_j组合，得到的特征向量T，作为孤岛检测的特征向量。

2.根据权利要求1所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：步骤(2)具体为：

f(k)的第一个固有模态函数(IMF)候选h₁可由式(1)确定：

h₁＝f(k)-m₁ (1)；

式中：m₁表示f(k)的上、下包络线均值。

3.根据权利要求1所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：判断h₁是否为一个IMF函数，若满足IMF条件，则h₁就是原始信号的第1个IMF分量；

步骤(3)中的IMF判定规则如下：

(1)信号的整个波形中极值点的个数与过零点的个数必须相等或最多相差不超过1个；

(2)任意时刻由局部极值点组成的包络线相对于时间轴局部对称。

4.根据权利要求1所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：步骤(3)中对判定结果为是的分量进行如下处理：

若h₁被判定为IMF分量，则将d₁记作第一个IMF函数，分离d₁，得到剩余量信号r₁：

r₁＝f(k)-d₁ (2)。

5.根据权利要求4所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：步骤(3)中对判定结果为否的分量进行如下处理：

将h₁替代公式(2)中的f(k)作为待处理信号，重新计算，再次判定是否为IMF。

6.根据权利要求4或5所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：步骤(3)中继续分解其余IMF的规则如下：

将r₁视为原始数据，重复步骤(1)-(3)直至最后的r_n不满足IMF函数成立条件，获得IMF分量组：

r_n＝r_n-1-d_n (3)；

从而得到：

7.根据权利要求1所述的基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：步骤(4)中相空间重构的规则如下：

记每层IMF分量为D_j，对每层IMF分量进行n维相空间重构，将D_j中的d_j(1),d_j(2),…,d_j(n)作为n维相空间第1个矢量，然后右移1步，将d_j(2),d_j(3),…,d_j(n+1)作为第2个矢量，如此构造出一个(N-n+1)×n维的矩阵A：