[发明专利]雷电地闪回击波形的自动识别方法、系统及电子设备

说明书

本发明涉及雷电信号自动识别技术领域，具体涉及一种雷电地闪回击波形的自动识别方法、系统及电子设备。包括采集真实雷电信号；利用预先训练得到的识别模型对真实雷电信号的波形进行识别；得到识别结果输出；其中，预先训练得到的识别模型为通过对采集到的雷电原始波形数据，进行雷电信号类别标注以及特征提取，根据各个特征的重要程度进行特征筛选，并基于机器学习算法对筛选出的特征进行训练得到。采用机器学习方法建立雷电地闪回击的自动识别模型，通过对样本数据的自学习和自训练，能提取出大量时域和频域特征参数，基于该识别模型进行雷电波形自动识别，能极大提高识别准确率，解决基于固定、少量时域特征进行识别导致的误判和漏判问题。

技术领域

本发明涉及雷电信号自动识别技术领域，具体涉及一种雷电地闪回击波形的自动识别方法、系统及电子设备。

背景技术

雷电灾害是自然界中严重危害人类活动的灾害之一。地闪和地面灾害相关，回击是其中一种强大的电流源，危害严重。回击具有相对容易识别的波形，以往雷电定位系统采用固定的特征识别方法，主要问题是“一刀切”，容易造成漏判和误判。

如：申请号为201510047783.3的中国专利“一种全闪电云地闪识别方法”公开了一种识别方法，其采用特定的9个波形参数对采集到的雷电辐射电场波形特征进行提取，9个波形参数具体包括上升时间、下降时间、脉冲宽度、前向反峰比、后向反峰比、次峰比、信噪比SNR、前向信噪比preSNR、后向信噪比postSNR。论文《闪电电场变化波形时域特征分析及放电类型识别》中利用波形上升时间、下降时间、脉冲宽度等共10项指标来判别回击波形。以上方法均采用固定的时域波形判据对地闪回击进行识别，容易造成漏判和误判。

此外，现有的地闪回击识别方法均未充分考虑不同距离雷电波形的差异性，而不同距离的回击电场波形特征变化较大，容易造成对近距离和远距离雷电波形的误判和漏判。

发明内容

本发明的目的就是针对现有技术的缺陷，提供一种雷电地闪回击波形的自动识别方法、系统及电子设备，其基于机器学习构建自动识别模型，能够解决现有基于固定、少量时域特征进行识别导致的误判和漏判问题。

本发明一种雷电地闪回击波形的自动识别方法，其技术方案为：

采集真实雷电信号；

利用预先训练得到的识别模型对所述真实雷电信号的波形进行识别；

得到识别结果输出；

其中，所述预先训练得到的识别模型为通过对采集到的雷电原始波形数据，进行雷电信号类别标注以及特征提取，根据各个特征的重要程度进行特征筛选，并基于机器学习算法对筛选出的特征进行训练得到。

较为优选的，在利用机器学习算法对筛选出的特征进行训练前，还需对样本均衡性进行判断，若样本中存在某类数据明显少于其它类数据，则判断为该样本存在不均衡现象；

对于所述不均衡现象中的正负样本不平衡现象，采用负样本抽样法进行正负样本平衡；

对于所述不均衡现象中的正样本类别不平衡现象，采用上采样法对正样本进行扩充，实现正样本之间的类别均衡。

较为优选的，所述雷电原始波形数据的采集包括：

利用雷电电场变化测量仪采集雷电地闪回击的原始波形数据；

根据需要判别的雷电地闪回击形成所需的最大时间，采用滑动窗口将雷电地闪回击信号切片，并将雷电地闪回击信号转化为可供人工识别的波形图像；

其中，所述雷电电场变化测量仪采集的雷电地闪回击信号应均匀分布在探测站周围10～200km范围内。

较为优选的，对所述样本数据库内的样本数据进行特征提取包括：

采用计算局部范围内迭代差值来代替原始波形数值的方式进行波形转换；