用于在含噪环境中分析系统的状态的设备和方法技术方案

本发明专利技术涉及用于在含噪环境中分析系统的状态的设备和方法。用于确定系统的状态的计算机实现方法包括以下步骤：‑收集与系统有关的数据，所述数据是包括感兴趣数据和噪声的含噪数据；‑从收集的数据生成待分析的信号，所述信号是包括感兴趣信号和噪声的含噪信号；‑通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，来分析感兴趣信号的规律性；以及‑根据感兴趣信号的规律性的分析结果来确定所述系统的状态。

【技术实现步骤摘要】
用于在含噪环境中分析系统的状态的设备和方法
本专利技术属于分析系统的状态的领域，并且本专利技术具体地涉及一种用于在分析信号的规律性时补偿加性噪声的影响的设备和方法。
技术介绍
在给定的环境中，可能需要获得有关人的心理生理状态或装置(金属结构、发动机部件、桥梁等)的损坏状态的信息。为此目的，一组传感器从人或装置收集信息并传递信号，所述信号经过分析之后能够确认人的状态或设备的状态并进行分类。从源自传感器的信号中提取特征。这些特征可以表征研究的时间序列的统计特性、时间特性或频率特性。然而，源自传感器的信号会受到测量噪声的干扰，该测量噪声可能修改感兴趣信息和提取的特征的值，并因此导致关于信号使用的不利后果。一个特定的特征涉及信号的时间分析，特别是包括信号的规律性，表示为“α”。信号的时间分析将信号的行为不变性转换成时间标度的变化。为了确定信号的规律性，通常会估算赫斯特(Hurst)指数或系数，表示为“H”。然而，已知的用于估算赫斯特系数的方法，例如称为“去趋势波动分析”(detrendedfluctuationanalysis，DFA)的方法或称为“去趋势移动平均”(detrendingmovingaverage，DMA)的方法，在信号受到噪声干扰影响时会对特征提供不正确的估算。噪声可以是例如白噪声或加性噪声。为了克服这个问题，一种方法可以是增强信号以消除噪声，然后估算增强信号的规律性。然而，例如在语音处理中通常采用的基于卡尔曼(Kalman)方法、或谱减(spectralsubtraction)方法、或基于小波的信号增强技术不能给出令人满意的结果。特别地，信号增强步骤增加了计算复杂度和计算时间，这在实时方面至关重要的监控应用中是不利的。另外，这种信号增强(或噪声去除)步骤使感兴趣信号的规律性的估算失真在于增强信号的估算值α由此失真。已知的信号增强技术不能够保持对感兴趣信号的规律性的正确估算。因此，需要实现对加性噪声具有鲁棒性的特征估算方法。本专利技术解决了这种需求。
技术实现思路
本专利技术的一个主题是一种用于在含噪环境中估算感兴趣信号的规律性的方法。本专利技术的另一主题是一种包括实现用于在含噪环境中估算感兴趣信号的规律性的方法的装置的设备。本专利技术将有利地应用于所有领域，包括例如需要对人的心理-生理状态进行分析的(生物)医学领域，以及需要监控部件的所有工业领域，在航空工业、汽车工业、铁路工业或任何其他重工业。为了达到期望的结果，根据各种实施方案要求保护方法、设备和计算机程序产品。具体地，提出了一种用于确定系统的状态的计算机实现方法。所述方法包括以下步骤：-收集与系统有关的数据，所述数据是包括感兴趣数据和噪声的含噪数据；-从收集的数据生成待分析的信号，所述信号是包括感兴趣信号和噪声的含噪信号；-通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，基于含噪信号分析感兴趣信号的规律性；以及-根据感兴趣信号的规律性的分析结果确定所述系统的状态。根据本方法的一些实施方案，如下步骤作为替代方式或组合方式：-分析含噪信号的规律性的步骤包括以下步骤：-定义一组“N”值；-对于每个“N”值：-根据含噪信号的自相关函数，计算关于“N”值的积分的含噪信号与该积分的含噪信号的趋势之差的幂的值；-根据感兴趣信号的自相关函数，计算积分的感兴趣信号与其趋势之差的幂的值；以及-估算感兴趣信号的规律性。-所述方法包括：在生成待分析的信号的步骤之后，计算含噪信号的自相关函数的步骤。-计算和补偿积分的感兴趣信号与其趋势之差的幂的值的步骤包括以下步骤：-估算噪声的属性；-计算噪声的自相关函数；-根据噪声的自相关函数和含噪信号的自相关函数，计算感兴趣信号的自相关函数；以及-利用自相关函数，在积分的感兴趣信号与其趋势之差的幂的值的计算中数学补偿噪声的影响。-估算噪声的属性的步骤在于研究噪声的统计特性、和/或噪声的有色或白色性质、和/或通过参数模型来表示噪声。-定义一组“N”值的步骤在于将含噪信号划分为大小为“N”的分段，并且估算感兴趣信号的规律性的步骤可以包括对于所述一组“N”值估算积分的含噪信号的趋势。-定义一组“N”值的步骤在于将阶数为“N”的低通滤波器应用于积分的含噪信号，并且估算感兴趣信号的规律性的步骤可以包括估算积分的含噪信号的趋势。-收集数据的步骤在于从与系统联接的传感器收集数据。-传感器配置为收集与大脑的电活动EEG“脑电图”、和/或心脏的电活动ECG“心电图”、和/或皮肤电活动、和/或瞳孔测定有关的数据。-传感器包括至少一个惯性传感器，所述至少一个惯性传感器包括加速度计和陀螺仪。-所述方法还包括根据规律性分析的结果显示所述系统的状态的步骤。本专利技术还涉及一种计算机程序产品，所述计算机程序包括代码指令，当在计算机上执行所述程序时，所述代码指令使得执行要求保护的方法的步骤。本专利技术还涉及一种用于确定系统的状态的设备，所述设备包括：-用于收集与系统有关的数据的装置，所述数据是包括感兴趣数据和噪声的含噪数据；-用于从收集的数据生成待分析的信号的装置，所述信号是包括感兴趣信号和噪声的含噪信号；-用于通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，基于含噪信号分析感兴趣信号的规律性的装置；以及-根据规律性分析的结果确定所述系统的状态的装置。根据一个实施方案，该设备另外包括配置为提供系统的状态的用户界面。附图说明通过参照所附附图对本专利技术的一种优选的但非限制性的实施方式的描述，本专利技术的各个方面和优点将显而易见，在附图中：图1是示出根据一个实施方案的本专利技术的设备的一种实施方式的框图；图2示出了根据一个实施方案的本专利技术的方法的一系列步骤；图3示出了根据本专利技术一个实施方案的用于估算感兴趣信号的规律性的一系列步骤；图4示出了根据本专利技术一个实施方案的用于补偿噪声影响的一系列步骤；图5描述了在给定信号不含噪声的情况下从给定信号的各种趋势获得的点的回归线斜率；图6图示了在log(F(N))根据log(N)变化的曲线图上，非含噪信号的情况下和这种相同的含噪信号的情况下，利用DFA的方法和利用本专利技术的方法对于N的各种值的的各种值的演变；以及图7示出了在估算具有已知和受控规律性并且已被加性噪声干扰的合成信号的规律性时，利用已知的增强方法和利用本专利技术的方法获得的结果的比较。具体实施方式图1示出了根据一个实施方案的本专利技术的设备100的实施方式。设备100大体上包括：数据获取模块102、信号生成模块104、分析模块106以及结果模块108，所述数据获取模块102配置为从能够记录关于受监控系统101的信息的至少一个传感器接收数据；所述信号生成模块104配置为从获取的数据生成待分析的信号本文档来自技高网...

【技术保护点】
1.一种用于确定系统的状态的计算机实现方法(200)，所述方法包括以下步骤：/n-收集与系统有关的数据(202)，所述数据是包括感兴趣数据和噪声的含噪数据；/n-从收集的数据生成待分析的信号(204)，所述信号是包括感兴趣信号和噪声的含噪信号；/n-通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，基于含噪信号分析感兴趣信号的规律性(206)；以及/n-根据从含噪信号估算的感兴趣信号的规律性的分析结果，确定所述系统的状态(208)。/n

【技术特征摘要】
20190426 FR 19044221.一种用于确定系统的状态的计算机实现方法(200)，所述方法包括以下步骤：
-收集与系统有关的数据(202)，所述数据是包括感兴趣数据和噪声的含噪数据；
-从收集的数据生成待分析的信号(204)，所述信号是包括感兴趣信号和噪声的含噪信号；
-通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，基于含噪信号分析感兴趣信号的规律性(206)；以及
-根据从含噪信号估算的感兴趣信号的规律性的分析结果，确定所述系统的状态(208)。


2.根据权利要求1所述的方法，其中，分析含噪信号的规律性的步骤(206)包括以下步骤：
-定义一组“N”值(302)；
-对于每个“N”值(304)：
-根据含噪信号的自相关函数(305)，计算积分的含噪信号与该积分的含噪信号关于“N”值的估算趋势之差的幂的值(306)；
-根据积分的含噪信号与该积分的含噪信号关于“N”值的估算趋势之差以及噪声的自相关函数(307)，计算积分的感兴趣信号与该积分的感兴趣信号趋势之差的幂的值(308)；以及
-估算含噪信号的规律性(310)。


3.根据权利要求1或2所述的方法，其在生成待分析的信号的步骤(204)之后，包括计算含噪信号的自相关函数的步骤(400)。


4.根据权利要求3所述的方法，其中，计算积分的感兴趣信号与其趋势之差的幂的值的步骤(308)包括以下步骤：
-估算噪声的属性(402)；
-计算噪声的自相关函数(404)；
-根据噪声的自相关函数以及含噪信号的自相关函数，计算感兴趣信号的自相关函数(406)；以及
-利用噪声的自相关函数，在积分的感兴趣信号与其趋势之差的幂的值的计算(408)中数学补偿噪声的影响。


5.根据权利要求4所述的方法，其中，估算噪声的属性的步骤在于估算噪声的统计特性、和/或噪声的有色或白色性质、和/或从所述噪声形成的参数模型的参数。


6.根据权利要求2至5中任一项所述的方法，其中，定义一组“N”值的步...

【专利技术属性】
技术研发人员：P·莱格兰德，E·格里韦尔，JM·安德烈，B·贝特洛，
申请(专利权)人：泰勒斯公司，波尔多大学，波尔多理工学院，国家科学研究中心，
类型：发明
国别省市：法国;FR