[发明专利]一种判别混沌信号几何特征的级联压缩方法及装置有效
申请号: | 201810796945.7 | 申请日: | 2018-07-19 |
公开(公告)号: | CN109005024B | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 李文石;蔡金伟;吴森林;李瑶天 | 申请(专利权)人: | 苏州大学 |
主分类号: | H04L9/00 | 分类号: | H04L9/00;H04L29/06 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 罗满 |
地址: | 215137 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 判别 混沌 信号 几何 特征 级联 压缩 方法 装置 | ||
1.一种判别混沌信号几何特征的级联压缩方法,其特征在于,包括:
获取待判别信息,并将所述待判别信息处理为三维时域信号;
获取双曲正切函数及自定义分段函数,其中,所述双曲正切函数的自变量为所述待判别信息的累和,所述自定义分段函数通过判断所述待判别信息的某维某值是否满足对应阈值条件选取特定映射值集合;
将所述待判别信息依次乘以所述双曲正切函数及所述自定义分段函数,累和所得结果得到三个维度的新变量,并确定与所述新变量对应的三维图;
基于所述三维图的几何特征确定所述待判别信息的信号特性,所述信号特性包括周期或者准周期特性、混沌特性及随机数特性;
基于所述三维图的几何特征确定所述待判别信息的信号特性,包括:
如果所述三维图为对称的弹簧图形,则确定所述待判别信息具有周期性或者准周期特性;如果所述三维图为非对称的已损坏的弹簧图形,则确定所述待判别信息具有混沌特性;如果所述三维图为锯齿状长线条图形或者布朗运动图形,则确定所述待判别信息具有随机数特性;
将所述待判别信息处理为三维时域信号,包括:
如果所述待判别信息为三维时域信号,则设定所述待判别信息中每一维的时域信号数据长度均相同;
如果所述待判别信息为每一维的时域信号数据长度均相同的二维时域信号,则将所述待判别信息中的一维时域信号折半成二维时域信号,另一维时域信号取后一半数据长度的时域信号,由折半得到的二维时域信号及取后一半数据长度的时域信号组成三维时域信号;
如果所述待判别信息为一维时域信号,则将所述待判别信息等分为三维时域信号;
获取自定义分段函数,包括:
获取自定义分段函数,所述自定义分段函数如下式所示:
其中,ωj表示自定义分段函数,j表示待判别信息中的任一维时域信号,jmax、jmean及jmin分别表示j的最大值、平均值及最小值,ρ及σ均为设定的阈值,n=1,2,...,N,N表示待判别信息中每维时域信号的数据长度。
2.一种判别混沌信号几何特征的级联压缩装置,其特征在于,包括:
预处理模块,用于:获取待判别信息,并将所述待判别信息处理为三维时域信号;
函数获取模块,用于:获取双曲正切函数及自定义分段函数,其中,所述双曲正切函数的自变量为所述待判别信息的累和,所述自定义分段函数通过判断所述待判别信息的某维某值是否满足对应阈值条件选取特定映射值集合;
级联压缩模块,用于:将所述待判别信息依次乘以所述双曲正切函数及所述自定义分段函数,累和所得结果得到三个维度的新变量,并确定与所述新变量对应的三维图;
特性判定模块,用于:基于所述三维图的几何特征确定所述待判别信息的信号特性,所述信号特性包括周期或者准周期特性、混沌特性及随机数特性;
所述特性判定模块包括:
特性判定单元,用于:如果所述三维图为对称的弹簧图形,则确定所述待判别信息具有周期性或者准周期特性;如果所述三维图为非对称的已损坏的弹簧图形,则确定所述待判别信息具有混沌特性;如果所述三维图为锯齿状长线条图形或者布朗运动图形,则确定所述待判别信息具有随机数特性;
所述预处理模块包括:
预处理单元,用于:如果所述待判别信息为三维时域信号,则设定所述待判别信息中每一维的时域信号数据长度均相同;如果所述待判别信息为每一维的时域信号数据长度均相同的二维时域信号,则将所述待判别信息中的一维时域信号折半成二维时域信号,另一维时域信号取后一半数据长度的时域信号,由折半得到的二维时域信号及取后一半数据长度的时域信号组成三维时域信号;如果所述待判别信息为一维时域信号,则将所述待判别信息等分为三维时域信号;
所述函数获取模块包括:
分段函数获取单元,用于:获取自定义分段函数,所述自定义分段函数如下式所示:
其中,ωj表示自定义分段函数,j表示待判别信息中的任一维时域信号,jmax、jmean及jmin分别表示j的最大值、平均值及最小值,ρ及σ均为设定的阈值,n=1,2,...,N,N表示待判别信息中每维时域信号的数据长度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州大学,未经苏州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810796945.7/1.html,转载请声明来源钻瓜专利网。