【技术实现步骤摘要】
本专利技术涉及信号特征提取，具体涉及基于二维时频分析的特征提取方法、系统和存储介质。
技术介绍
1、信号处理中将信号的时域和频域的二维联合表示，即时频分析，是常见的方法。将原始的信号数据作为图像输入到深度学习模型进行特征学习，可对最初采集的信号进行特征分析，可进行异常检测，分类预测等。
2、将原始信号数据输入深度学习模型进行计算，会导致数据的计算量过大，从而使得深度学习模型在后期会运行困难，且原始信号数据的每个特征过于细节，偶然性过大，会混淆或弱化分布规律，提取的特征不平稳，这些都加大了特征提取的难度。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于二维时频分析的特征提取方法、系统和存储介质，以解决将原始信号数据输入深度学习模型提取特征时计算量大且提取的特征不平稳的问题。
2、第一方面，本专利技术提供了一种基于二维时频分析的特征提取方法，包括：采集检测信号；根据所述检测信号得到时频图像；对所述时频图像进行处理，得到网格图；将所述网格图输入至深度学习模型以对所述...
【技术保护点】
1.一种基于二维时频分析的特征提取方法，其特征在于，包括：
2.根据权利要求1所述的基于二维时频分析的特征提取方法，其特征在于，所述对所述时频图像进行处理，得到网格图，具体包括：
3.根据权利要求1所述的基于二维时频分析的特征提取方法，其特征在于，所述对时频图像进行处理，得到网格图，具体包括：
4.根据权利要求3所述的基于二维时频分析的特征提取方法，其特征在于，根据小波包进行高低频分解的方法选择离散化分箱的分箱阈值。
5.根据权利要求1至4中任一项所述的基于二维时频分析的特征提取方法，其特征在于，采用小波分析或小波包方法...
【技术特征摘要】
1.一种基于二维时频分析的特征提取方法，其特征在于，包括：
2.根据权利要求1所述的基于二维时频分析的特征提取方法，其特征在于，所述对所述时频图像进行处理，得到网格图，具体包括：
3.根据权利要求1所述的基于二维时频分析的特征提取方法，其特征在于，所述对时频图像进行处理，得到网格图，具体包括：
4.根据权利要求3所述的基于二维时频分析的特征提取方法，其特征在于，根据小波包进行高低频分解的方法选择离散化分箱的分箱阈值。
5.根据权利要求1至4中任一项所述的基于二维时频分析的特征提取方法，其特征在于，采用小波分析或小波包方法生成所述时频图像。
【专利技术属性】
技术研发人员：李喆，秦念彬，薛志清，彭秋雨，左荣国，
申请(专利权)人：山东浪潮智能生产技术有限公司，
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。