[发明专利]一种利用高斯预测模型的振声检测信号重构方法和系统

权利要求书

1.一种利用高斯预测模型的振声检测信号重构方法，其特征在于，包括：

步骤101获取按时间顺序采集的信号序列S；

步骤102生成信号差分序列ΔS，具体为：所述信号差分序列ΔS中的第1个元素为0，所述信号差分序列ΔS中第i个元素为s_i-s_i-1；i为元素序号，所述元素序号i的取值范围为i＝1,2,···,N；N为所述信号序列S的长度；

步骤103求取期望序列S_exp，具体为：所述期望序列S_exp的计算公式为S_exp＝U[ΔSΓ+S]；其中，U为相关矩阵B的左特征矢量矩阵；Γ为所述相关矩阵B的特征矩阵；所述相关矩阵B的计算公式为B＝[SΔS]^T[SΔS]；

步骤104求取拉格朗日函数矩阵K，具体为：所述拉格朗日函数矩阵K的计算公式为K＝[ΔS-S_exp]^T[ΔS-S_exp]；

步骤105求取高斯预测模型参数，具体为：所述高斯预测模型的均值m_G的计算公式为m_G＝||K[K+σI]^-1||；所述高斯预测模型的均方差σ_G的计算公式为σ_G＝||K-[K+σI][ΔS^TS]||²；其中，I为单位矩阵；

步骤106求取拉格朗日因子矢量a_opt，具体为：在所有满足条件0≤的中间矢量a中选择使||a^TKa||₂+||a^TK||₂取得最小值的所述中间矢量a作为所述拉格朗日因子矢量a_opt。其中，a_j为所述中间矢量a的第j个元素；j为中间矢量元素序号，所述中间矢量元素序号j的取值范围为j＝1,2,···,N；

步骤107求取高斯预测矩阵G，具体为：所述高斯预测矩阵G的计算公式为

步骤108求取高斯调整因子μ，具体为：所述高斯调整因子μ的计算公式为其中，m_S为所述信号序列S的均值；λ_k为所述拉格朗日矩阵K的第k个特征值；k为特征值序号，所述特征值序号k的取值范围为k＝1,2,···,N；

步骤109求取高斯最佳权重矩阵W_opt，具体为：所述高斯最佳权重矩阵W_opt的计算公式为W_opt＝[ΔS-σ_ΔS_exp]^T[ΔS-σ_ΔS_exp]。其中，σ_Δ为所述信号差分序列ΔS的均方差；

步骤110求取重构后的信号序列S_new，具体为：S_new＝[G^TG+μW_opt]^-1[G^TG+μW_opt]S。

2.一种利用高斯预测模型的振声检测信号重构系统，其特征在于，包括：

模块201获取按时间顺序采集的信号序列S；

模块202生成信号差分序列ΔS，具体为：所述信号差分序列ΔS中的第1个元素为0，所述信号差分序列ΔS中第i个元素为s_i-s_i-1；i为元素序号，所述元素序号i的取值范围为i＝1,2,···,N；N为所述信号序列S的长度；

模块203求取期望序列S_exp，具体为：所述期望序列S_exp的计算公式为S_exp＝U[ΔSΓ+S]；其中，U为相关矩阵B的左特征矢量矩阵；Γ为所述相关矩阵B的特征矩阵；所述相关矩阵B的计算公式为B＝[SΔS]^T[SΔS]；

模块204求取拉格朗日函数矩阵K，具体为：所述拉格朗日函数矩阵K的计算公式为K＝[ΔS-S_exp]^T[ΔS-S_exp]；

模块205求取高斯预测模型参数，具体为：所述高斯预测模型的均值m_G的计算公式为m_G＝||K[K+σI]^-1||；所述高斯预测模型的均方差σ_G的计算公式为σ_G＝||K-[K+σI][ΔS^TS]||²；其中，I为单位矩阵；

模块206求取拉格朗日因子矢量a_opt，具体为：在所有满足条件0≤的中间矢量a中选择使||a^TKa||₂+||a^TK||₂取得最小值的所述中间矢量a作为所述拉格朗日因子矢量a_opt。其中，a_j为所述中间矢量a的第j个元素；j为中间矢量元素序号，所述中间矢量元素序号j的取值范围为j＝1,2,···,N；

模块207求取高斯预测矩阵G，具体为：所述高斯预测矩阵G的计算公式为

模块208求取高斯调整因子μ，具体为：所述高斯调整因子μ的计算公式为其中，m_S为所述信号序列S的均值；λ_k为所述拉格朗日矩阵K的第k个特征值；k为特征值序号，所述特征值序号k的取值范围为k＝1,2,···,N；

模块209求取高斯最佳权重矩阵W_opt，具体为：所述高斯最佳权重矩阵W_opt的计算公式为W_opt＝[ΔS-σ_ΔS_exp]^T[ΔS-σ_ΔS_exp]。其中，σ_Δ为所述信号差分序列ΔS的均方差；

模块210求取重构后的信号序列S_new，具体为：S_new＝[G^TG+μW_opt]^-1[G^TG+μW_opt]S。