买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：基于散布Lempel‑Ziv熵的水声信号特征提取方法，首先导入不同类别的实测水声信号，进行正态累积分布映射以及归一化处理，将信号转变为新的时间序列；其次通过相空间重构将时间序列分解为多个子序列；计算每个子序列的Lempel‑Ziv复杂度，并统计整个相空间中各个复杂度出现的次数以及对应的频率；最后采用香农熵的计算公式去计算散布Lempel‑Ziv熵的值，并作为水声信号特征进行输出。相较于单纯基于Lempel‑Ziv复杂度或者散布熵的特征提取方法，采用本发明方法，可以提取更具稳定性以及可分性的水声信号非线性动力学特征，从而实现不同类别水声信号的分类。

主权项：1.基于散布Lempel-Ziv熵的水声信号特征提取方法，其特征在于，包括以下步骤：步骤1：对于一段给定的水声信号序列X＝xi,i＝1,2,3..N，首先按照数据预处理步骤，通过正态累积分布映射，将序列X中每一个值xi映射到[0,1]的区间内，然后再通过round函数将每个yi转变为区间是[1,c]的整数，其中c是类别数，公式如下： 式中，μ和σ分别是输入时间序列X的均值以及标准差，xi是序列X中的第i个样本，yi是对xi进行正态累积分布映射得到的值，是对yi进行round函数得到的值，N是信号序列X的长度；步骤2：水声信号序列X经过步骤1的预处理之后，得到一个新的序列通过相空间重构，将序列Z转化成一个包含多个子序列的相空间： 式中，主要涉及到两个新的参数，一个是嵌入维数m，代表着相空间的列数，即根据m的设定，可以确定每一行的元素个数；第二个参数是时间延迟τ，根据τ的设定可以确定每一行由哪些元素构成，即每一行的后一个元素是前一个元素在序列Z中的后τ个元素，通常取1，相空间的第一行就是从序列Z的第一个元素开始，第二行从第二个元素开始，由于总共只有N个元素，所以相空间一共有N-m-1τ个子序列，每一个子序列都对应一个模式；步骤3：针对第k个子序列Ykk＝{1,2,3...N-m-1τ}，按照以下步骤计算复杂度：步骤3.1：初始化Yk的计数值ik＝1，复杂度值ck＝1，分别定义两个空集合Sk跟Qk，用于计算后续的复杂度；步骤3.2：令Sk是Yk中前ik个元素的集合，Qk是Yk中第ik+1个元素；步骤3.3：令ik＝ik+1，取Sk与Qk的并集得到SQk，然后将SQk去掉最后一个元素得到一个新的集合SQvk，判断此时的Qk∈SQvk，如果Qk∈SOvk，跳到步骤3.5；否则跳到步骤3.4；步骤3.4：令ck＝ck+1，判断是否ikm，如果大于，跳到步骤3.6，否则返回步骤3.2；步骤3.5：令Sk＝SQvk，Qk＝{Qk,yi+1}，判断是否ikm，如果大于则跳到步骤3.6，否则返回步骤3.2；步骤3.6：针对每个子序列，重复步骤3.1～3.5，将原始的相空间转换为由N-m-1τ个复杂度构成的向量，其中m是嵌入维数，N是信号序列X的长度，τ是时间延迟；步骤4：统计相空间中每一类cq的出现次数，比上子序列的总个数N-m-1τ，求得最终的复杂度概率： 式中，Pcq是最终的复杂度概率，Num{cq}是模式cq出现的次数，N是序列长度，m是嵌入维数，τ是时间延迟；步骤5：根据复杂度概率计算最后的散布Lempel-Ziv熵值，并进行归一化： NDLZEX，m，c，τ＝DLZEX，m，c，Tlnm式中，DLZEX,m,c,τ是未经归一化得到的熵值，NDLZEX,m,c,τ则是对DLZEX,m,c,τ进行了归一化，并作为最终的水声信号特征进行输出。

全文数据：

权利要求：

百度查询： 西安理工大学 基于散布Lempel-Ziv熵的水声信号特征提取方法