一种合成信号的分解方法及系统技术方案

本公开公开的一种合成信号的分解方法及系统，包括：获取待分解的合成信号和基础信号库；将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；所述的神经网络模型由基础信号库训练获得。通过基础信号库训练神经网络模型，将待分解的合成信号输入训练好的神经网络模型中进行信号分解，实现了合成信号的分解，降低了成本。

【技术实现步骤摘要】
一种合成信号的分解方法及系统
本公开涉及一种合成信号的分解方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。面向信号的测试语言包括ATLAS和ATML两种。ATLAS诞生于20世纪60年代，1962年美国ARINC公司主持开发了航空标准测试描述语言ATLAS，用于解决航空领域测试描述语言标准化问题，1976年美国电气与电子工程师协会IEEE(InstituteofElectricalandElectronicsEngineers)开始接手ATLAS的标准化工作，1995年IEEE设立的标准协调委员会SCC20(StandardCoordinatingCommittee20)发布了ATLAS的最新标准IEEEStd716-1995。ATLAS具有设备无关性、可扩充性强等有点，但是随着测试需求的增长，ATLAS也逐渐暴露出语言越来越庞杂、信号定义模糊等缺点，为此SCC20着手对ATLAS标准进行改进，由此产生新一代的测试语言---ATLAS2000，并在此基础上制定了IEEE1641标准，该标准用于信号与测试定义。IEEE1641标准解决了测试描述的标准化问题，也解决了仪器互换问题，但却不能解决测试程序移植问题。为此IEEE从2002年开始制定了ATML标准族，产生了IEEE1671系列标准，采用XML语言描述测试信息，该标准族引用了IEEE1641标准，采用信号的方式描述被测件(UUT)测试需求、仪器能力、测试描述等信息。其中BSC是IEEE1641定义的一套组件，为创建信号提供最基本的构造块。BSC定义了扩展机制，最基本信号库中没有定义的信号可以按照标准框架将多个BSC模块进行互联，产生复杂的信号用以满足测试需求，组成标准的TSF层。使用BSC创建复杂信号模型的过程如图7所示。当测试开发人员拥有如图7右侧信号模型时，将很容易从合成后的复杂信号拆分为合成前的基础信号，但更多情况下测试开发人员只会得到合成后复杂信号的信号属性描述。在这种情况下，测试人员将很难根据这种信号的属性描述进行测试开发工作，而需要对该信号进行分解，获取合成该信号的基础信号。目前合成信号分解有以下两种方法：1、需要根据经验从合成信号的属性人工逆向分解，人工进行信号逆向分解，费时费力，人工成本高、效率低、耗时久，且经常会出现当合成信号复杂程度较高时，几乎无法进行分解的状况。2、需要软件开发人员通过传统的基于逻辑符号的编程方法，开发合成信号分解软件，难度高，且在基础信号库改动情况下需要重新开发，复用性差。
技术实现思路
本公开为了解决上述问题，提出了一种合成信号的分解方法及系统，通过基础信号库训练神经网络模型，将待分解的合成信号输入训练好的神经网络模型中进行信号分解，实现了合成信号的分解，降低了成本。为实现上述目的，本公开采用如下技术方案：在一个或多个实施例中，提出了一种合成信号的分解方法，包括：获取待分解的合成信号和基础信号库；将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；神经网络模型由基础信号库训练获得。在一个或多个实施例中，提出了一种合成信号的分解系统，包括：基础信号合成模块，选取基础信号库中的信号进行合成，获得合成的新信号；神经网络训练模块，创建待训练的神经网络，根据合成的新信号与参与合成的信号对神经网络进行训练，获取训练好的神经网络模型。信号分解模块，将待分解的合成信号，输入训练好的神经网络模型中，进行信号分解。在一个或多个实施例中，提出了一种计算机存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成所述的一种合成信号的分解方法的步骤。与现有技术相比，本公开的有益效果为：1、本公开通过基础信号库训练神经网络模型，将待分解的合成信号输入训练好的神经网络模型中进行信号分解，实现了合成信号的分解，降低了成本，解决了现有通过人工进行信号逆向分解，费时费力，人工成本高、效率低、耗时久，且经常会出现当合成信号复杂程度较高时，几乎无法进行分解的问题。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本公开方法整体流程图；图2为本公开基础信号合成流程图；图3为本公开神经网络模型训练流程图；图4为本公开合成信号的分解流程图。图5为本公开系统的结构框图；图6为现有的关于IEEE1641标准的层次结构模型；图7为现有的通过BSC创建复杂信号模型的过程。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。实施例1面向信号的测试语言包括ATLAS和ATML两种。ATLAS诞生于20世纪60年代，1962年美国ARINC公司主持开发了航空标准测试描述语言ATLAS，用于解决航空领域测试描述语言标准化问题，1976年美国电气与电子工程师协会IEEE(InstituteofElectricalandElectronicsEngineers)开始接手ATLAS的标准化工作，1995年IEEE设立的标准协调委员会SCC20(StandardCoordinatingCommittee20)发布了ATLAS的最新标准IEEEStd716-1995。ATLAS具有设备无关性、可扩充性强等有点，但是随着测试需求的增长，ATLAS也逐渐暴露出语言越来越庞杂、信号定义模糊等缺点，为此SCC20着手对ATLAS标准进行改进，由此产生新一代的测试语言---ATLAS2000，并在此基础上制定了IEEE1641标准，该标准用于信号与测试定义。IEEE本文档来自技高网...

【技术保护点】
1.一种合成信号的分解方法，其特征在于，包括：/n获取待分解的合成信号和基础信号库；/n将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；/n所述的神经网络模型由基础信号库训练获得。/n

【技术特征摘要】
1.一种合成信号的分解方法，其特征在于，包括：
获取待分解的合成信号和基础信号库；
将待分解的合成信号输入训练好的神经网络模型进行信号分解，获得分解后的元信号；
所述的神经网络模型由基础信号库训练获得。


2.如权利要求1所述的一种合成信号的分解方法，其特征在于，还包括，验证分解结果；
将分解后的元信号重新合成，将重新合成后信号与需要分解的合成信号比较，若相同，验证通过，若不同，验证不通过。


3.如权利要求2所述的一种合成信号的分解方法，其特征在于，若验证通过，输出分解结果；
若验证不通过，则重新训练神经网络模型，通过重新训练好的神经网络模型对待分解的合成信号进行分解，直至分解结果通过验证。


4.如权利要求1所述的一种合成信号的分解方法，其特征在于，所述神经网络模型的训练过程为：
创建待训练的神经网络；
获取基础信号库；
选择基础信号库中的基础信号进行合成，获取合成后新信号；
将所有新信号输入神经网络进行预分解，验证预分解结果；
当所有新信号的预分解结果均正确后，神经网络模型训练完成。


5.如权利要求4所述的一种合...

【专利技术属性】
技术研发人员：刘硕，年夫顺，刘毅，陈鹏飞，邱田华，张海庆，邹德军，张维亮，刘海岗，
申请(专利权)人：中电科仪器仪表有限公司，
类型：发明
国别省市：山东;37