[发明专利]一种信号分类的方法及装置

权利要求书

1.一种信号分类的方法，其特征在于，包括：

获取采集的信号数据；

对所述信号数据进行分割，得到第一信号数据集；

对所述第一信号数据集进行小波包分解，得到小波包系数数据集；

将所述小波包系数数据集输入至深度卷积分类模型，确定出所述信号数据的分类，所述深度卷积分类模型是根据预设的训练样本集进行信号特征的训练学习确定的。

2.如权利要求1所述的方法，其特征在于，所述对所述信号数据进行分割，得到第一信号数据集，包括：

以截取所述信号数据中大于一个工作周期长度的N个连续数据点作为一段数据，对所述信号数据进行分割，得到多段数据，生成所述第一信号数据集；或采取重叠分割方式，对所述信号数据进行分割，得到所述第一信号数据集。

3.如权利要求1所述的方法，其特征在于，所述根据预设的训练样本集进行信号特征的训练学习确定深度卷积分类模型，包括：

对获取的信号进行标记；

对所述标记的信号数据进行分割，得到样本数据；

将所述样本数据进行小波包分解，确定出小波包系数样本集；

根据所述小波包系数样本集和预设深度卷积神经网络CNN进行信号特征训练，确定出所述深度卷积分类模型。

4.如权利要求3所述的方法，其特征在于，所述根据所述小波包系数样本集和预设CNN进行信号特征训练，确定出所述深度卷积分类模型，包括：

将所述小波包系数样本集划分为训练集、验证集和测试集；

将所述训练集、验证集和测试集作为所述预设CNN的输入数据，进行训练学习，确定出所述深度卷积分类模型。

5.一种信号分类的装置，其特征在于，包括：

获取单元，用于获取采集的信号数据；

处理单元，用于对所述信号数据进行分割，得到第一信号数据集；对所述第一信号数据集进行小波包分解，得到小波包系数数据集；将所述小波包系数数据集输入至深度卷积分类模型，确定出所述信号数据的分类，所述深度卷积分类模型是根据预设的训练样本集进行信号特征的训练学习确定的。

6.如权利要求5所述的装置，其特征在于，所述处理单元具体用于：

以截取所述信号数据中大于一个工作周期长度的N个连续数据点作为一段数据，对所述信号数据进行分割，得到多段数据，生成所述第一信号数据集；或采取重叠分割方式，对所述信号数据进行分割，得到所述第一信号数据集。

7.如权利要求5所述的装置，其特征在于，所述处理单元具体用于：

对获取的信号进行标记；

对所述标记的信号数据进行分割，得到样本数据；

将所述样本数据进行小波包分解，确定出小波包系数样本集；

根据所述小波包系数样本集和预设深度卷积神经网络CNN进行信号特征训练，确定出所述深度卷积分类模型。

8.如权利要求7所述的装置，其特征在于，所述处理单元具体用于：

将所述小波包系数样本集划分为训练集、验证集和测试集；

将所述训练集、验证集和测试集作为所述预设CNN的输入数据，进行训练学习，确定出所述深度卷积分类模型。

9.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至4任一项所述的方法。

10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至4任一项所述的方法。