一种基于时频变换与动态模式分解的分类系统及方法技术方案

本发明专利技术涉及一种基于时频变换与动态模式分解的分类系统及方法，属于数据分类、图像分类及信号识别技术领域。所述系统,包括预处理模块、时频分析模块、动态模式分解模块、能量特征提取模块、各阶矩求解模块以及分类模块；所述方法，包括：将采集的数据进行预处理得到有效信号；将有效信号先进行时频分析再动态模式分解，得到多个特征值与动态模态并排序得到从大到小的能量值、对应特征值与动态模态，组合形成能量特征矩阵；提取能量特征矩阵的前S个元素并丢弃后续数据，更新能量特征矩阵，再求该能量特征矩阵的二范数得到变换后的特征矩阵；基于变换后的特征矩阵作为待分类数据进行阈值分类并输出分类结果。所述方法能实现了较高的分类准确率。高的分类准确率。高的分类准确率。

【技术实现步骤摘要】
一种基于时频变换与动态模式分解的分类系统及方法


[0001]本专利技术涉及一种基于时频变换与动态模式分解的分类系统及方法，属于数据分类、图像分类及信号识别


技术介绍

[0002]数据分类就是把具有某种或某些共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区分。换句话说，就是把相同内容或相同性质的信息为一个类别，而把相异的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分类系统。对于信号处理与分类而言，例如：物联网识别、空间频谱资源管控及射频安全等相关领域，数据分类也应用广泛，信号分类识别具有很大的应用价值及实际意义。
[0003]实际应用中，射频信号源发出的信号经复杂信道后接收的信号往往非平稳且其统计量是时变的。为了实现对射频信号的分类，往往需要提取射频信号特征。提取特征的方法有一般有傅里叶分析、短时傅里叶变换、小波变换、功率谱以及倒频谱等。傅里叶分析方法对于非平稳射频信号特征并不能做到局部表征，仅可用于了解信号在时频域的全局特性。短时傅里叶变换虽可以描述某一局部时间段上的频率信息，但随着信号时间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时频变换与动态模式分解的分类系统，其特征在于：包括预处理模块、时频分析模块、动态模式分解模块、能量特征提取模块、各阶矩求解模块以及分类模块；所述预处理模块包括数据截断单元、去噪单元以及增强单元；时频分析模块包括求解时频分布单元、时频关系图输出单元以及Hough变换单元；预处理模块与视频分析模块相连，视频分析模块与动态模式分解模块相连，动态模式分解模块与能量特征提取模块相连，能量特征提取模块与各阶矩求解模块相连，各阶矩求解模块与分类模块相连；预处理模块中的数据截断单元与去噪单元相连，去噪单元与增强单元相连；预处理模块将输入数据进行截断、去噪以及增强，输出预处理后信号；预处理后信号经时频分析模块输出H矩阵，动态模式分解模块将H矩阵进行动态模式分解得到多个特征值与动态模态；能量特征提取模块将不同模态之间能量值的差异按照从大到小的顺序提取前S个能量值与其对应的特征值与动态模态重新排列得到变换后的特征矩阵，各阶矩求解模块计算特征矩阵的各阶矩；分类模块按照各阶矩进行分类。2.一种基于时频变换与动态模式分解的分类方法，其特征在于：包括如下步骤：步骤1、将采集的数据进行预处理得到有效信号；步骤2、将步骤2得到的有效信号进行时频分析，得到H矩阵；步骤3、将步骤3得到的H矩阵进行动态模式分解，得到多个特征值与动态模态；步骤4、将多个动态模态的能量值按照从大到小的顺序排列，得到从大到小的能量值、对应的特征值与重新排列的动态模态，组合形成能量特征矩阵；步骤5、提取能量特征矩阵的前S个元素并丢弃后续数据，更新能量特征矩阵，再求该能量特征矩阵的二范数得到变换后的特征矩阵；步骤6、基于上述变换后的特征矩阵作为待分类数据进行阈值分类；步骤7、输出分类结果。3.根据权利要求2所述的分类方法，其特征在于：所述预处理，包括信号截断、去噪及增强操作。...

【专利技术属性】
技术研发人员：冯立辉，杨景宏，陈子健，卢继华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：