[发明专利]一种多跨度分解、提取特征信号的方法、设备及存储设备

说明书

本发明提供了一种多跨度分解、提取特征信号的方法、设备及存储设备，方法包括以下步骤：根据需提取信号的波形特征(目标特征)构建基波及其左、右基波；依次调整左、右基波的跨度，并用调整跨度后的左、右基波与待处理的信号做卷积，得到其多跨度卷积结果；根据多跨度卷积结果绘制待处理信号的多跨度波形分解能量图；提取多跨度波形分解能量图中的极值点及其坐标，从而得到待处理信号里所含有的目标特征的位置及其跨度。本发明的有益效果是：可显著提升对目标特征信号提取的信噪比、增强抗噪性，并可实现对多个目标特征信号耦合后每一个目标特征信号的分解、单独剥离和精准提取，提升运算的自动化程度和对目标特征提取的精度。

技术领域

本发明涉及信号处理领域，尤其涉及一种多跨度分解、提取特征信号的方法、设备及存储设备。

背景技术

从检测信号里提取出所关注的特征信号(简称目标特征)是信号处理与提取领域里所面临的常规性基础问题。目标特征提取的效果易受检测信号的噪声影响，又待处理信号里可能含有多种特征源引起的信号，且多种源的特征信号经常会叠加在一起。因此，如何从检测信号里高精度识别和提取出目标特征的信号，是决定信号处理与特征提取质量的关键要素。常用的特征信号提取方法有幅值梯度法、小波分解法、图像处理法等。其中，幅值梯度法易受局部信号影响、且抗噪性很弱；小波分解法因为分解尺度基本固定，难以适应特征的连续多尺度变化，且对含多种源的信号，很难做到对不同源的区分和识别；图像处理法对不同源的区分和识别经常需要人为介入、自动化程度低。

发明内容

基于以上传统特征信号提取方法中存在的问题，本方案提出了一种多跨度分解、提取特征信号的方法、设备及存储设备。

本发明提供的一种多跨度分解、提取特征信号的方法，具体包括以下步骤：

S1：根据目标特征构建基波及其左、右基波；所述目标特征具体指目标波形的形状特征；

S2：递增改变左、右基波的跨度，利用多跨度基波对待处理信号做卷积计算，得到其多跨度卷积结果；

S3：根据多跨度卷积结果绘制待处理信号的多跨度波形分解能量图；

S4：提取多跨度波形分解能量图中的极值点及其坐标，得到待处理信号里所含有的目标特征的位置及其跨度。

一种存储设备，所述存储设备存储指令及数据用于实现一种多跨度分解、提取特征信号的方法。

一种多跨度分解、提取特征信号的设备，包括处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现所述的一种多跨度分解、提取特征信号的方法。

与现有技术相比，本发明的有益效果包括：可显著提升对特征信号提取的信噪比、增强其抗噪性，并可实现对相互重合的特征信号的分解、剥离和精准提取，提升运算的自动化程度和对特征的提取精度。

附图说明

图1是本发明方法示意图；

图2是示意的目标波形特征，用来基于其形状设计基波波形；

图3是实施例一的待处理信号；

图4是本发明对实施例一(图3)信号进行处理后得到的多跨度波形分解能量图；

图5是实施例二的待处理信号；

图6是本案对实施例二(图5)信号进行处理后得到的多跨度波形分解能量图；

图7是本发明实施例的硬件设备工作示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参考图1，图1是本发明方法流程示意图；