[发明专利]基于经验模态分解的孤岛检测关键特征提取方法

摘要

本发明涉及一种基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法。根据孤岛与非孤岛干扰情况下信号特征不易发掘的特点，进行信号的深度特征分析。将公共点电压信号进行多分辨率经验模态分解。利用分解信号进行相空间重构，对每层相空间矩阵进行奇异谱分解得到每层奇异值，根据各层奇异值提取各层相空间奇异谱熵。多层奇异谱熵组合后构成该信号下的多分辨率奇异谱熵的特征向量。该方法中，多分辨率经验模态分解实现了对信号频谱分层细致的解析，各层奇异谱熵对表征信号各层的唯一特征进行了统一的度量，组合后的特征向量定量描述了信号的本质特征，对同类信号和同种样本具有稳定性，适用于孤岛检测关键特征的提取。

主权项

1.基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：该方法步骤如下：(1)录入原始电压信号f(k)(k＝1,2,…,N)，N为采样点数；(2)对待分析离散信号f(k)(k＝1,2,…,N)，N为采样点数，用经验模态分解进行处理，分解出第1个固有模态函数(IMF)的候选分量h1；(3)判断h1是否为一个IMF函数，若是满足IMF条件，则h1被判定为f(k)的第1个IMF分量，若不是，则将h1作为待处理信号重新计算，进而持续分解完毕；(4)对每层的重构信号进行n维的相空间重构，重构矩阵为A；(5)对每层矩阵A进行奇异值分解，得到对应层重构矩阵A的奇异值，基于信息熵理论，计算各层信号的奇异谱熵Hj；(6)将各层熵值Hj组合，得到的特征向量T，作为孤岛检测的特征向量。