[发明专利]一种基于VMD算法和排列熵的蛙人信号特征提取方法及系统

权利要求书

1.一种基于VMD算法和排列熵的蛙人信号特征提取方法，所述方法包括：

步骤1)对采集到的蛙人信号进行预处理，利用变分模态分解对预处理后的蛙人信号进行迭代分解，获得固定模态函数；

步骤2)选取能量最高的固态模态函数计算排列熵；

步骤3)计算排列熵的傅里叶变换，获得包络频谱；

步骤4)依据频谱，对蛙人信号进行特征提取。

2.根据权利要求1所述的基于VMD算法和排列熵的蛙人信号特征提取方法，其特征在于，所述预处理包括：取均值和归一化处理。

3.根据权利要求1所述的基于VMD算法和排列熵的蛙人信号特征提取方法，其特征在于，所述步骤1)中，利用变分模态分解对预处理后的蛙人信号进行迭代分解，获得固定模态函数，具体包括：

步骤1-1)构造变分问题，将每个固有模态函数均定义为调频调幅信号；

步骤1-2)设置约束条件，构造变分模态分解约束变分模型；所述约束条件包括：分解序列为具有中心频率的有限带宽的模态分量、各个模态的估计带宽之和最小和约束条件为所有模态之和与预处理后的蛙人信号相等；

步骤1-3)引入惩罚因子和Lagrange算子，将变分模态分解约束变分模型变为非约束性变分问题，得到扩展的Lagrange表达式；

步骤1-4)采用交替方向乘子算法，对扩展的Lagrange表达式进行迭代；

步骤1-5)重复步骤1-4)，直至满足迭代约束条件，获得固定模态函数。

4.根据权利要求3所述的基于VMD算法和排列熵的蛙人信号特征提取方法，其特征在于，所述步骤1-1)中，第k个固有模态函数对应的调频调幅信号u_kt的表达式为：

u_k(t)＝A_k(t)cos(φ_k(t))

其中，A_k(t)为瞬时幅值；φ_k(t)为瞬时相位；

所述步骤1-2)中，变分模态分解约束变分模型的表达式为：

其中，f为输入的预处理后的蛙人信号，{u_k}＝{u₁，u₂，u₃，…，u_K}表示分解得到的k个有限带宽的固有模态函数分量，{w_k}＝{w₁，w₂，…，w_K}表示各个固有模态函数的中心频率；K表示固有模特函数的数量；

所述步骤1-3)中，扩展的Lagrange表达式为：

其中，α表示惩罚因子；λ(t)表示Lagrange算子；表示求导，δt表示冲激函数，ft表示原始信号，t表示时刻，j表示虚数单位。

5.根据权利要求4所述的基于VMD算法和排列熵的蛙人信号特征提取方法，其特征在于，所述步骤1-4)中的迭代过程具体包括：

在第一次迭代中，在频谱中进行如下式迭代：

其中，为固有模态函数的频域表示，为输入信号的频域表示，ω表示频率，ω_k表示模特函数的中心频率，n表示第n次迭代，i表示第i个固有模态函数，为Lagrange算子的频域表示；

在下一次迭代中，对模态函数的中心频率进行迭代求解得：

最后对λ进行迭代：

其中，γ表示Lagrange算子的更新参数；

所述步骤1-5)中迭代约束条件表达式为：

其中，|| ||表示范数，ε为设定的迭代停止条件。