[发明专利]一种基于小波核极限学习机的昆虫刺吸电位波形识别方法

说明书

本发明提出了一种基于小波核极限学习机的昆虫刺吸电位波形识别方法，步骤为：对采集的EPG信号进行预处理，利用改进阈值量化方法去除预处理后的EPG信号的噪声，得到去噪后的EPG波形；利用非线性共振模型对去噪后的EPG波形进入增强，得到增强EPG波形；对增强EPG波形进行特征提取，融合提取的特征组建成特征向量；将特征向量输入小波核极限学习机进行分类识别，得到波形识别结果。本发明的识别率较高，平均识别率为94.47%；能有效地解决EPG波形一直靠人工识别的问题，缩短EPG波形的分析时间，促进EPG的高效利用及智能化发展。

技术领域

本发明涉及生物信号处理及识别的技术领域，尤其涉及一种基于小波核极限学习机的昆虫刺吸电位波形识别方法，实现昆虫刺吸电位波形的智能识别。

背景技术

刺吸式昆虫多数是农林生产上重要且难控制的害虫，很多植物病毒都是由这类昆虫传播的，控制这类害虫及其所传播的植物病毒成为农业和植保领域的重要课题。昆虫刺吸电位(electrical penetration graph，EPG)仪是进行昆虫取食行为、昆虫传毒机制、作物抗虫机制等方面研究的有力工具，可以为包括蚜虫在内的刺吸式昆虫的防控方法研究及其所传播植物病毒的机理研究提供技术支撑，目前已成功应用于蚜虫、粉虱、飞虱、叶蝉、蓟马、蝽等50多种昆虫的相关研究。

EPG波形属于生物电信号，具有幅度小、频率低、噪声强、非线性和非平稳性等特点，与普通的人体生物电信号(如心电、肌电、脑电等)相比，波形识别上更具有难度，主要体现在数据量大和波形多样。根据研究内容不同，以蚜虫为例，需要识别7种EPG波形(np波、C波、pd波、E1波、E2波、G波和F波)，这些波形的特征各不相同，而且在识别时不是对一个波进行分析，而是对一群特征相似的波(即一个波段)进行分析。即使是同种类型的EPG波形其幅值和频率间也会有差异，这给EPG波形的智能识别带来了困难。

EPG波形与昆虫的刺探行为、唾液分泌、取食等生理过程相对应，在利用EPG技术进行昆虫和植物的相关研究时，需要正确解读EPG波形，这些工作一直以来都是靠人工进行。EPG信号的分析和统计经历了最初的手工统计、Stylet系列软件和Probing系列软件的发展，但即使是最新版本的软件，也仅仅是对人工标记好的波形进行统计分析，EPG波形的识别还是要靠人工完成。这种纯粹依靠人工进行波形识别的方式不仅耗时耗力，且主观性强，可靠性不高，很大程度上限制了EPG技术的应用和作用的发挥，因此迫切需要EPG波形的自动识别。

发明内容

针对现有技术人工识别EPG波形耗时耗力，且主观性强，可靠性低的技术问题，本发明提出一种基于小波核极限学习机的昆虫刺吸电位波形识别方法，利用小波变换、非线性共振等方法增强信号，从时频、非线性等多角度提取EPG波形的特征组建了特征向量，利用小波核极限学习机实现了EPG波形的智能识别，获得了较高的识别精度，取代了人工，节省了科研时间。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于小波核极限学习机的昆虫刺吸电位波形识别方法，包括以下步骤：

步骤(1)：对采集的EPG信号进行预处理，利用改进阈值量化方法去除预处理后的EPG信号的噪声，得到去噪后的EPG波形；

步骤(2)：利用非线性共振模型对去噪后的EPG波形进入增强，得到增强EPG波形；

步骤(3)：对增强EPG波形进行特征提取，融合提取的特征组建成特征向量；

步骤(4)：将特征向量输入小波核极限学习机进行分类识别，得到波形识别结果。