The invention discloses a non-stationary electromagnetic interference signal pattern recognition method of feature extraction based on PNN and EEMD, which belongs to the field of electromagnetic signal recognition and analysis; includes the steps of: firstly, the electromagnetic interference signals of different kinds of electromagnetic devices were measured by spectrum analyzer, and divided into training samples and test samples; then, on all the training samples the level of EEMD decomposition, get all the training samples of each layer of intrinsic mode function IMF; then, were calculated for each sample all layers of IMF energy distribution and kurtosis as the feature vector of the training samples; and the feature vector and the electromagnetic equipment category labels, PNN classifier; finally, using PNN classifier the type, the spectral data to identify different test samples; advantages: feature extraction of the signal using EEMD method with Better adaptability. The kurtosis and IMF energy distribution are used as feature vectors to distinguish different types of electromagnetic interference signals effectively.
【技术实现步骤摘要】
基于EEMD特征提取和PNN的非平稳电磁干扰信号模式识别方法
本专利技术属于电磁信号识别与分析研究领域,涉及基于EEMD(全局经验模态分解)特征提取和PNN(概率神经网络)的非平稳电磁干扰信号模式识别方法。
技术介绍
随着电子信息技术的发展,日益增多的电子设备造成的电磁干扰问题,严重影响电子设备的正常运作。为了解决电磁干扰问题,电磁兼容设计应运而生。实际环境下电子设备中的电磁干扰源发出的电磁信号,往往具有很高的非线性性、非高斯性和非稳定性,导致识别它们非常困难,给电磁兼容设计造成了极大的困难。模式识别(PatternRecognition),是通过计算机用数学方法来研究模式的自动处理和判读的过程。这里将实际中的电磁干扰信号与相应的环境统称为“模式”。模式识别是人类的一项基本智能。随着20世纪40年代计算机的出现以及50年代人工智能的兴起,人们希望能用计算机来代替或扩展人类的模式识别能力。模式识别在20世纪60年代初迅速发展并成为一门新学科,其基本过程是将客观环境中的模式进行特征提取转化为数学模型,再利用计算机完成分类和识别工作人工神经网络(ArtificialNeuralNetwork,ANN),是20世纪80年代以来人工智能领域兴起的研究热点。它模仿人脑神经元网络的连接方式,建立起简单的计算机神经元网络模型。人工神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接的信号的加权值,称之为权重,这相当于神经网络的记忆 ...
【技术保护点】
一种基于EEMD特征提取和PNN的非平稳电磁干扰信号模式识别方法,其特征在于,具体步骤如下:步骤一、利用频谱仪分别测量实际电磁设备,获取不同类设备的电磁干扰信号,并将频谱数据划分为训练样本和测试样本;步骤二、针对所有训练样本,分别进行层次EEMD分解,得到每个训练样本每层的固有模态函数IMF;具体步骤为:步骤201、针对频谱数据中的某个训练样本X,初始化EEMD的数目,构造不同幅值的高斯白噪声;训练样本X长度为n,X=[x
【技术特征摘要】
1.一种基于EEMD特征提取和PNN的非平稳电磁干扰信号模式识别方法,其特征在于,具体步骤如下:步骤一、利用频谱仪分别测量实际电磁设备,获取不同类设备的电磁干扰信号,并将频谱数据划分为训练样本和测试样本;步骤二、针对所有训练样本,分别进行层次EEMD分解,得到每个训练样本每层的固有模态函数IMF;具体步骤为:步骤201、针对频谱数据中的某个训练样本X,初始化EEMD的数目,构造不同幅值的高斯白噪声;训练样本X长度为n,X=[x1,x2,...,xj,...xn];EEMD的数目为M;不同幅值的高斯白噪声为M组,第m组幅值的高斯白噪声Nm=[n1(m),n2(m),...nj(m),...nn(m)];m=1,2,...M;步骤202、在训练样本X上依次添加给定幅值的高斯白噪声,得到M个干扰信号;第m个被高斯白噪声干扰的信号为:Xm=X-Nm;M个干扰信号集合为:[X1,X2,...Xm,...XM];步骤203、将每个干扰信号利用EMD方法,分解为I层固有模态函数IMF,共得到M×I个固有模态函数;M×I个固有模态函数集合表示如下:ci,m表示第m个干扰信号Xm分解的第i层固有模态函数;i=1,2,3,...I;m=1,2,3,...M;步骤204、针对每层固有模态函数IMF,分别计算该层M个固有模态函数的平均值作为该层最终的IMF值,得到训练样本X的每层固有模态函数IMF;训练样本X的第i层固有模态函数IMFi值为该层所有IMF的平均值,公式如下:步骤...
【专利技术属性】
技术研发人员:李红裔,赵迪,苏东林,宁博明,赵连坤,黄子晏,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。