[发明专利]一种确定变分模态分解中分解模态数的方法、装置及设备在审

专利信息
申请号: 202210081537.X 申请日: 2022-01-24
公开(公告)号: CN114417935A 公开(公告)日: 2022-04-29
发明(设计)人: 张露;理华;肖灵 申请(专利权)人: 中国科学院声学研究所
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京亿腾知识产权代理事务所(普通合伙) 11309 代理人: 陈霁
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 确定 变分模态 分解 模态数 方法 装置 设备
【权利要求书】:

1.一种确定变分模态分解中分解模态数的方法,用于信号处理,其特征在于,所述方法包括:

获取待处理的信号;

通过变分模态分解方法,选择依次递增的分解模态数k分别对所述待处理的信号进行若干次分解处理,分别确定所述待处理的信号每次分解处理对应的稀疏指标;其中,分解模态数k为大于1的自然数;

当所述若干次分解处理中分解模态数为k+1时分解处理所对应的稀疏指标较分解模态数为k时分解处理所对应的稀疏指标下降,则判定k为最佳分解模态数;

根据所述最佳分解模态数对所述待处理的信号进行信号处理。

2.根据权利要求1所述的方法,其特征在于,所述分别确定所述待处理的信号每次分解处理对应的稀疏指标包括:

通过变分模态分解方法,对所述信号进行分解模态数k分解处理,得到k个本征模态分量;

对k个本征模态分量中的每个本征模态分量分别求边际谱,确定k个边际谱中每个边际谱的稀疏度;

根据所述每个边际谱的稀疏度确定所述待处理的信号在当前k值的稀疏指标。

3.根据权利要求2所述的方法,其特征在于,所述求边际谱的公式为

式中,h表征边际谱,ω表征频率,T表征时间,H表征时频谱矩阵,t表征时频谱中的时刻,dt表征积分。

4.根据权利要求2所述的方法,其特征在于,所述确定k个边际谱中每个边际谱的稀疏度的公式为

E(X2)/(E(X))2

式中,E表征均值处理,X表征要求稀疏度的本征模态分量边际谱信号。

5.根据权利要求2所述的方法,其特征在于,所述确定k个边际谱中每个边际谱的稀疏度还包括:

对所述k个本征模态分量中的每个本征模态分量分别求边际谱,确定k个边际谱中每个边际谱的稀疏度;

计算所述每个本征模态分量对应的能量权值因子;

将每个本征模态分量所对应的所述能量权值因子与所述边际谱的稀疏度相乘获得最终稀疏度。

6.一种确定变分模态分解中分解模态数的装置,用于信号处理,其特征在于,所述装置包括:

第一获取模块,用于获取待处理的信号;

第二获取模块,用于通过变分模态分解方法,选择依次递增的分解模态数k分别对所述待处理的信号进行若干次分解处理,分别确定所述待处理的信号每次分解处理对应的稀疏指标;其中,分解模态数k为大于1的自然数,初始值为2;

判断模块,用于判断当所述若干次分解处理中分解模态数为k+1时分解处理对应的稀疏指标较分解模态数为k时分解处理对应的稀疏指标下降,判定k为最佳分解模态数;

信号处理模块,用于根据所述最佳分解模态数对所述待处理的信号进行信号处理。

7.根据权利要求6所述的装置,其特征在于,所述分别确定所述待处理的信号每次分解处理对应的稀疏指标包括:

通过变分模态分解方法,对所述信号进行分解模态数k分解处理,得到k个本征模态分量;

对k个本征模态分量中的每个本征模态分量分别求边际谱,确定k个边际谱中每个边际谱的稀疏度;

根据所述每个边际谱的稀疏度确定所述待处理的信号在当前k值的稀疏指标。

8.根据权利要求7所述的装置,其特征在于,所述求边际谱的公式为

式中,h表征边际谱,ω表征频率,T表征时间,H表征时频谱矩阵,t表征时频谱中的时刻,dt表征积分。

9.根据权利要求7所述的装置,其特征在于,所述确定k个边际谱中每个边际谱的稀疏度还包括:

对所述k个本征模态分量中的每个本征模态分量分别求边际谱,确定k个边际谱中每个边际谱的稀疏度;

计算所述每个本征模态分量对应的能量权值因子;

将每个本征模态分量所对应的所述能量权值因子与所述边际谱的稀疏度相乘获得最终稀疏度。

10.一种确定变分模态分解中分解模态数的设备,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时,执行如权利要求1-5中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院声学研究所,未经中国科学院声学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210081537.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top