[发明专利]一种合成信号的分解方法及系统

说明书

本公开公开的一种合成信号的分解方法及系统，包括：获取待分解的合成信号和基础信号库；将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；所述的神经网络模型由基础信号库训练获得。通过基础信号库训练神经网络模型，将待分解的合成信号输入训练好的神经网络模型中进行信号分解，实现了合成信号的分解，降低了成本。

技术领域

本公开涉及一种合成信号的分解方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

面向信号的测试语言包括ATLAS和ATML两种。ATLAS诞生于20世纪60年代，1962年美国ARINC公司主持开发了航空标准测试描述语言ATLAS，用于解决航空领域测试描述语言标准化问题，1976年美国电气与电子工程师协会IEEE(Institute of Electrical andElectronics Engineers)开始接手ATLAS的标准化工作，1995年IEEE设立的标准协调委员会SCC20(Standard Coordinating Committee 20)发布了ATLAS的最新标准IEEE Std 716-1995。ATLAS具有设备无关性、可扩充性强等有点，但是随着测试需求的增长，ATLAS也逐渐暴露出语言越来越庞杂、信号定义模糊等缺点，为此SCC20着手对ATLAS标准进行改进，由此产生新一代的测试语言---ATLAS 2000，并在此基础上制定了IEEE 1641标准，该标准用于信号与测试定义。IEEE 1641标准解决了测试描述的标准化问题，也解决了仪器互换问题，但却不能解决测试程序移植问题。为此IEEE从2002年开始制定了ATML标准族，产生了IEEE1671系列标准，采用XML语言描述测试信息，该标准族引用了IEEE 1641标准，采用信号的方式描述被测件(UUT)测试需求、仪器能力、测试描述等信息。

其中BSC是IEEE 1641定义的一套组件，为创建信号提供最基本的构造块。BSC定义了扩展机制，最基本信号库中没有定义的信号可以按照标准框架将多个BSC模块进行互联，产生复杂的信号用以满足测试需求，组成标准的TSF层。使用BSC创建复杂信号模型的过程如图7所示。

当测试开发人员拥有如图7右侧信号模型时，将很容易从合成后的复杂信号拆分为合成前的基础信号，但更多情况下测试开发人员只会得到合成后复杂信号的信号属性描述。在这种情况下，测试人员将很难根据这种信号的属性描述进行测试开发工作，而需要对该信号进行分解，获取合成该信号的基础信号。

目前合成信号分解有以下两种方法：

1、需要根据经验从合成信号的属性人工逆向分解，人工进行信号逆向分解，费时费力，人工成本高、效率低、耗时久，且经常会出现当合成信号复杂程度较高时，几乎无法进行分解的状况。

2、需要软件开发人员通过传统的基于逻辑符号的编程方法，开发合成信号分解软件，难度高，且在基础信号库改动情况下需要重新开发，复用性差。

发明内容

本公开为了解决上述问题，提出了一种合成信号的分解方法及系统，通过基础信号库训练神经网络模型，将待分解的合成信号输入训练好的神经网络模型中进行信号分解，实现了合成信号的分解，降低了成本。

为实现上述目的，本公开采用如下技术方案：

在一个或多个实施例中，提出了一种合成信号的分解方法，包括：

获取待分解的合成信号和基础信号库；

将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；

神经网络模型由基础信号库训练获得。

在一个或多个实施例中，提出了一种合成信号的分解系统，包括：