一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法技术

本发明专利技术公开了一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法，属于电磁信号处理领域；具体如下：步骤一、利用频谱仪分别测量不同的电磁设备，获取电磁信号的频谱数据；步骤二、对每种电磁设备的每种频谱数据，分别用ESMD方法进行分解，获得各频谱数据的固有模态函数分量；步骤三、对每种频谱数据，利用固有模态函数分量的样本熵作为特征，构成该频谱数据的特征向量；步骤四、将所有频谱数据的样本熵向量输入到FCM算法，输出最优隶属度矩阵和最优聚类中心；步骤五、根据最优隶属度矩阵和最优聚类中心，分析电磁信号频谱数据的分类结果。优点在于：对提取的电磁信号频谱数据进行ESMD分解，获得各个固有模态函数；具有更好的自适应性。

【技术实现步骤摘要】

本专利技术属于电磁信号处理领域，涉及一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法。
技术介绍
电子信息技术的发展极大地促进了科技的进步，但是日益增多的电子设备同时也造成了严重的电磁干扰问题，导致环境中电子设备正常的工作性能下降。为了减轻电磁干扰，一般设计电磁兼容，找出电磁信号频谱中的各类数据。通过对电磁信号频谱数据进行分类，分析电磁干扰的来源，具有良好的辅助作用。当前，电磁信号的分类主要针对时域的数据，直接用来分析频谱数据具有一定的局限性。关于数据的提取，文献[1]：广州：华南理工大学，曾作钦.基于奇异值分解的信号处理方法及其在机械故障诊断中的应用[D]中将Hankel矩阵的奇异值作为数据的特征，取得了一定的效果。但是该方法中对嵌套窗口的选择偏主观，不同的选择结果差异较大。文献[2]：震动与冲击，2012，31(19)：21-25.黄林洲等.EMD近似熵结合支持向量机的心音号识别研究[J].中选择近似熵作为数据特征。但是近似熵几乎完全依赖于信号数据的长度，会导致前后不一致的计算结果。相比，固有模态函数的样本熵(SampleEntropy)能够全面地刻画出电磁信号频谱数据的本文档来自技高网...

【技术保护点】
一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法，其特征在于：具体步骤如下：步骤一、利用频谱仪分别测量不同的电磁设备，获取电磁信号的频谱数据；所有的频谱数据数量为M；步骤二、对每种电磁设备的每种频谱数据，分别用ESMD方法进行分解，获得各频谱数据的固有模态函数分量；步骤三、对每种电磁设备的每种频谱数据，利用固有模态函数分量的样本熵作为特征，构成该频谱数据的特征向量；步骤四、将M个频谱数据的样本熵向量输入到FCM算法，输出最优隶属度矩阵和最优聚类中心；步骤五、根据最优隶属度矩阵和最优聚类中心，分析电磁信号频谱数据的分类结果。

【技术特征摘要】
1.一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法，其特征在于：具体步骤如下：步骤一、利用频谱仪分别测量不同的电磁设备，获取电磁信号的频谱数据；所有的频谱数据数量为M；步骤二、对每种电磁设备的每种频谱数据，分别用ESMD方法进行分解，获得各频谱数据的固有模态函数分量；步骤三、对每种电磁设备的每种频谱数据，利用固有模态函数分量的样本熵作为特征，构成该频谱数据的特征向量；步骤四、将M个频谱数据的样本熵向量输入到FCM算法，输出最优隶属度矩阵和最优聚类中心；步骤五、根据最优隶属度矩阵和最优聚类中心，分析电磁信号频谱数据的分类结果。2.如权利要求1所述的一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法，其特征在于：所述步骤二具体为：步骤201、针对某种频谱数据s，获取全部极大值点和极小值点，并用直线连接相邻的极大值点和极小值点...

【专利技术属性】
技术研发人员：苏东林，赵迪，李红裔，王超杰，赵连坤，宫文茹，李灵，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11