【技术实现步骤摘要】
本申请涉及闪电信号识别，特别是涉及一种闪电微弱电场信号的类型识别方法。
技术介绍
1、雷暴气候是发生在中小尺度对流体统中的常见天气现象，雷暴天气往往伴随着闪电的活动，可引起森林和油库火灾、造成供电及通讯信息系统故障或损坏，对航天航空、矿山及一些重要而敏感的高技术装备等具有重大威胁。八十年代以后，闪电引起的危害显著增加，特别是与高新技术关系密切的领域，如航空航天、国防、通讯、电力、计算机、电子工业等由于广泛应用对闪电电磁干扰极为敏感的大规模及超大规模集成电路致使遭雷击的几率大大增加。
2、近年来，人工智能算法逐渐被用于闪电特征信号识别上，以此区分云闪或者地闪，为预防雷电灾害起到重要作用。同时也能够识别闪电特殊放电波形，比如闪电初始阶段上行负极性先导产生的具有较高电离性的地球伽马射线闪光(terrestrial gamma-rayflashes，tgfs)，可作为探究雷电传输机理，物理机制的重要技术保障。
3、闪电从起始直到发展到地面，高层建筑也会相应的发展上行先导，并与闪电下行先导连接形成回击，如果能检测闪电起始的云内先导过程辐射微弱的电场信号，或者建筑物产生的上行先导信号，则对于主动防雷技术至关重要，但地闪回击和tgf都属于高辨识度的闪电信号，考虑到测站环境噪声、干扰，信号的衰减、采样等诸多问题，对于微弱的闪电电场信号的类型识别则具有一定的难度，因此，目前对于微弱的闪电电场信号的类型识别的准确率较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一
2、一种闪电微弱电场信号的类型识别方法，所述方法包括：
3、获取待识别的闪电电场信号序列进行离散傅里叶变换，获得闪电电场信号的频谱信号；
4、采用高斯函数对所述闪电电场信号的频谱信号进行平滑，获得平滑后的频谱信号；
5、将平滑后的频谱信号划分为两个部分，采用最大化类间方差的原则获取对平滑后的频谱信号进行划分的最优阈值t；
6、获取平滑后的频谱信号关于变量k的极小值，并计算不同极小值对应的空间曲线ci的长度li，并将所述长度li与所述最优阈值t进行比较，将长度li大于所述最优阈值t的极小值对应的坐标作为区间边界；
7、根据所述区间边界构造滤波器，并确定经验小波函数ψi(ω)和经验尺度函数获得经验小波分结构的模式分量；
8、基于陡度指标对模式分量进行合并，获得合并的模式分量a，并分析合并的模式分量a的频率均值、重心频率、频率均方根、频率标准差作为信号特征；
9、将所述信号特征输入到训练好的分类模型中进行类型识别，确定所述闪电电场信号序列所属的信号类型。
10、在其中一个实施例中，所述分类模型的训练方式为：
11、获取不同类型的闪电电场信号样本和对应的类型标签，获得闪电电场信号样本集；
12、对所述闪电电场信号样本集中的闪电电场信号样本进行特征提取，获得信号特征样本集；
13、对所述信号特征样本集中的信号特征样本进行归一化处理，获得归一化后的信号特征样本集；
14、按照预设的划分比例将归一化后的信号特征样本集划分为训练集和测试集；
15、设定近邻数阈值k，采用所述训练集对基于改进的k近邻算法的分类模型进行训练，获得训练后的分类模型；
16、根据所述近邻数阈值k，采用所述测试集对训练后的分类模型进行测试，获得测试结果，根据所述测试结果判断是否满足预设精度要求，若满足预设精度要求，获得训练好的分类模型，若不满足预设精度要求，则返回所述设定近邻数阈值k，采用所述训练集对基于改进的k近邻算法的分类模型进行训练，获得训练后的分类模型的步骤，直至所述测试结果满足预设精度要求，获得训练好的分类模型。
17、在其中一个实施例中，所述获取待识别的闪电电场信号序列进行离散傅里叶变换，获得闪电电场信号的频谱信号，包括：
18、获取待识别的闪电电场信号序列，将待识别的闪电电场信号序列记作x(n)，其中n∈[0，n-1]，n为待识别的闪电电场信号序列的长度，对所述待识别的闪电电场信号序列进行离散傅里叶变换，获得待识别的闪电电场信号序列的频域中的频率分量，所述离散傅里叶变换的表达式为：
19、
20、其中，为频域中的第k个频率分量，x(n)为时域中的第n个待识别的闪电电场信号，j是虚数单位；
21、对所述频域中的频率分量进行转化，获得待识别的闪电电场信号的频谱信号，所述频谱信号的表达式为：
22、
23、其中，x(k)为待识别的闪电电场信号的第k个频谱信号。
24、在其中一个实施例中，所述采用高斯函数对各所述闪电电场信号的频谱信号进行平滑，获得平滑后的频谱信号，包括：
25、根据平滑公式采用高斯函数对各所述闪电电场信号的频谱信号进行平滑，获得平滑后的频谱信号，所述平滑公式为：
26、
27、
28、其中，为平滑后的频谱信号，为用高斯函数进行平滑的滤波器，为离散频域中的高斯滤波器响应函数，τ为离散的时延参数，为比例参数，代表初始比例参数，s＝1，2，…n/2。
29、在其中一个实施例中，所述将平滑后的频谱信号划分为两个部分，采用最大化类间方差的原则获取对平滑后的频谱信号进行划分的最优阈值t，包括：
30、将平滑后的频谱信号划分为h1和h2两个部分，采用最大化类间方差的原则获取对平滑后的频谱信号进行划分的最优阈值t，所述最优阈值t的表达式为：
31、t＝argmax{σ2}
32、σ2＝w1w2(μ1-μ2)2
33、
34、其中，σ2为类间方差，w1为h1的权重，w2为h2的权重，μ1为h1的均值，μ2为h2的均值，h(k)为hr中的元素，nr为hr中的元素个数。
35、在其中一个实施例中，所述根据所述区间边界构造滤波器，并确定经验小波函数ψi(ω)和经验尺度函数获得经验小波分结构的模式分量，包括：
36、根据所述区间边界构造滤波器，并确定经验小波函数ψi(ω)和经验尺度函数经验小波函数ψi(ω)和经验尺度函数的表达式为：
37、
38、
39、其中，ωi为区间边界，τi＝γωi，γ为紧支撑区域的相关参数，β(x)为辅助函数，x为变量；
40、根据所述经验小波函数和所述经验尺度函数，确定细节系数和逼近系数，其中，所述细节系数和所述逼近系数的表达式为：
41、
42、
43、其中，为ψi(ω)的复共轭，为的复共轭，f-1[·]代表傅里叶反变换，x(ω)为频域信号，x(τ)为时域信号，为小波基函数的高通滤波部分i表示尺度或频率的索引，为小波基函数的共轭，τ为积分变量，t为时间；
44、本文档来自技高网...
【技术保护点】
1.一种闪电微弱电场信号的类型识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述分类模型的训练方式为：
3.根据权利要求1所述的方法，其特征在于，所述获取待识别的闪电电场信号序列进行离散傅里叶变换，获得闪电电场信号的频谱信号，包括：
4.根据权利要求3所述的方法，其特征在于，所述采用高斯函数对各所述闪电电场信号的频谱信号进行平滑，获得平滑后的频谱信号，包括：
5.据权利要求4述的方法，其特征在于，所述将平滑后的频谱信号划分为两个部分，采用最大化类间方差的原则获取对平滑后的频谱信号进行划分的最优阈值T，包括：
6.据权利要求5述的方法，其特征在于，所述根据所述区间边界构造滤波器，并确定经验小波函数ψi(ω)和经验尺度函数获得经验小波分结构的模式分量，包括：
7.据权利要求6述的方法，其特征在于，所述陡度指标Kr的表达式为：
8.据权利要求2述的方法，其特征在于，所述采用所述训练集对基于改进的K近邻算法的分类模型进行训练，获得训练后的分类模型，包括：
9.
10.据权利要求9述的方法，其特征在于，所述根据所述测试结果判断是否满足预设精度要求的方式包括：
...【技术特征摘要】
1.一种闪电微弱电场信号的类型识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述分类模型的训练方式为：
3.根据权利要求1所述的方法，其特征在于，所述获取待识别的闪电电场信号序列进行离散傅里叶变换，获得闪电电场信号的频谱信号，包括：
4.根据权利要求3所述的方法，其特征在于，所述采用高斯函数对各所述闪电电场信号的频谱信号进行平滑，获得平滑后的频谱信号，包括：
5.据权利要求4述的方法，其特征在于，所述将平滑后的频谱信号划分为两个部分，采用最大化类间方差的原则获取对平滑后的频谱信号进行划分的最优阈值t，包括：
6.据...
【专利技术属性】
技术研发人员：马子龙，蒋如斌，马达，华亮，汪凌，张鸿波，蒋雨卉，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。