[发明专利]一种基于环境样本基云模型的声振信号处理方法及系统

权利要求书

1.一种基于环境样本基云模型的声振信号处理方法，其特征在于，包括以下步骤：

S1：采集环境中的声振信号作为环境原始信号，利用时频分析方法对环境原始信号进行预处理；

S2：通过能量聚类法，设定两个聚类中心，将每一段长度为T的所述预处理后的环境原始信号聚类为高能量类和低能量类，并将高能量类作为突发噪音信号，将低能量类作为环境信号，提取环境信号的包括但不限于能量均值特征、能量复杂度、频率复杂度和振动平稳性的多个特征参数作为参考，构建环境样本云，多次进行环境样本云的提取，计算提取到的多个环境样本云的交集，生成环境样本基云；

S3：采集含有目标信号的原始信号，将含有目标信号的原始信号通过能量聚类法生成云模型，再基于云模型状态匹配的方法将生成的云模型和所述环境样本基云进行对比分析和信号拟合，将目标信号、环境基和突发噪音进行信号分离，使用目标信号的频率特征和能量特征建立新的目标特征云；

S4：基于待测设备的多种状态使用云生成器建立相应的理想云，将所述目标特征云和理想云进行云模型状态匹配，确定目标信号的状态类型。

2.根据权利要求1所述的一种基于环境样本基云模型的声振信号处理方法，其特征在于，所述步骤S1中所述声振信号在当前环境下不同位置进行采集，具体包括：

通过单个多次的方法：使用单个节点进行多次不同位置的环境样本采集；

通过多个单次的方法：使用两个或以上节点进行单次不同位置环境样本采集；

通过多个多次的方法：使用两个或以上节点进行单次不同位置环境样本采集。

3.根据权利要求1所述的一种基于环境样本基云模型的声振信号处理方法，其特征在于，所述步骤S1中对所述环境原始信号进行预处理使用改进的经验模态分解法(EMD，Empirical Mode Decomposition)，具体包括：

在传统EMD基础上，定义自适应因子λ,将平均包络m改写为

m＝λ(u(t)+I(t))

其中式中,λ∈(0,0.5]，u(t)是信号上包络，I(t)是信号下包络，

其中式中，P表示正交程度，N表示拆分出的本征模型个数，IMF_i表示EMD拆分出的第i个本征模函数，x(t)为原始信号，根据上式,对λ在(0,0.5]区间内连续取值以使得IMF_i尽可能正交，取值间隔定义为Δ＝0.01，将P最小时所对应的λ确定为最优因子λ。

4.根据权利要求2所述的一种基于环境样本基云模型的声振信号处理方法，其特征在于，采集所述声振信号所使用的设备采用集成式或分布式形式。

5.根据权利要求1所述的一种基于环境样本基云模型的声振信号处理方法，其特征在于，所述步骤S3和所述步骤S4中使用了云模型状态匹配的方法将信号和基准信号进行对比分析和信号拟合，具体包括：

定义两朵云的距离：

在有效论域表示U＝{X_min,X_max}下，两朵云的相似度：

其中M₁、M₂分别表示两朵云，Ex₁、En₁、He₁为云M₁的期望、熵、超熵，Ex₂、En₂、He₂为云M₂的期望、熵、超熵，X_min表示论域的最小值，X_max表示论域的最大值，sim值越大表示两朵云越相似，基于相似度将目标信号、环境基和突发噪音进行信号分离，以此确定信号的状态类型。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至5中任一项所述的方法。

7.一种基于环境样本基云模型的声振信号处理系统，其特征在于，包括：

环境原始信号预处理单元：配置用于采集环境中的声振信号作为环境原始信号，利用时频分析方法对环境原始信号进行预处理；

环境样本基云构建单元：配置用于通过能量聚类法，设定两个聚类中心，将每一段长度为T的所述预处理后的环境原始信号聚类为高能量类和低能量类，并将高能量类作为突发噪音信号，将低能量类作为环境信号，提取环境信号的包括但不限于能量均值特征、能量复杂度、频率复杂度和振动平稳性的多个特征参数作为参考，构建环境样本云，多次进行环境样本云的提取，计算提取到的多个环境样本云的交集，生成环境样本基云；

目标特征云构建单元：配置用于采集含有目标信号的原始信号，将含有目标信号的原始信号通过能量聚类法生成云模型，再基于云模型状态匹配的方法将生成的云模型和所述环境样本基云进行对比分析和信号拟合，将目标信号、环境基和突发噪音进行信号分离，使用目标信号的频率特征和能量特征建立新的目标特征云；

目标信号状态确定单元：配置用于基于待测设备的多种状态使用云生成器建立相应的理想云，将所述目标特征云和理想云进行云模型状态匹配，确定目标信号的状态类型。