[发明专利]用于在多种信号中模式识别的方法

说明书

本发明涉及一种在多个接收的不同类型的时间信号中模式识别的方法，该方法包括：/b/对于各接收信号，创建(502)包括事件的异步时间信号(102、103、105、106)；/c/对于各创建的异步信号(102、103、105、106)，创建(503)所述异步信号的活性谱(S(p1)、S(p2)、S(p3)、S(p4))，所述异步信号随自所述异步信号最近事件(210、212、213、214、220、221、222)起流逝时间的函数而递减；/d/对于给定时间(t0)：/d1/确定(504)场景，所述场景定义为创建的异步信号的一组活性谱数值；/d2/在预先确定标准场景(505、401、402、403、404)中确定标准场景(506)，所述标准场景与步骤/d1/中确定的场景具有最小距离。/d3/确定(508)模式(509)为所述已确定标准场景的函数。

技术领域

本发明涉及复杂信号分析领域，尤其用于不同类型信号中某种特定模式的检测。

背景技术

由于传感器制造成本的降低以及传感器的微型化，后者如今都无处不在，无论是用于健康数据监测(例如：测量心率、血压，血流速度、温度、睡眠质量等的智能手表)还是用于工业数据监测(机房温度、二氧化碳的存在、通气速度等)。

分析这些数据是一项真正的挑战，以便能够对来自传感器的数据进行评估。

分析单个信号本身不会引起问题，因为这种分析通常会还原成采用已知数学工具处理曲线(例如：计算导数、可变性分析等)。

但是，当分析试图理解不具有相同尺度/幅度/等的多个信号时，可能难以为了检测某种模式而组合信号。为便于参考，这些模式可以是：

-由于心率、动脉血流和心率规律性信号，检测患者中风的警告信号；

-由于温度、二氧化碳百分比和消耗信号，检测工业引擎的结垢问题。

实际上，分析单个信号可能会生成错误的结果：

-仅心率增加可能表示患者正在跑步或心脏病发病；

-工业机器消耗的增加，表示引擎的碳化作用很差或者操作者要求提高生产率。

尽管可发现根据具体情况分析不同类型信号的特定解决方案(即：根据所讨论信号的类型)，但仍存在在复杂信号中检测模式的通用方法的需求。

发明内容

本发明改善了这种情况。

为此，本发明提出了一种允许复杂信号简化分析的通用方法。

本发明涉及一种用于在多个不同类型的时间信号中模式识别的方法，该方法包括：

/a/接收多个时间信号；

/b/对于多个信号中的各接收信号，创建包括事件的异步时间信号，所述事件是代表接收信号特征的异步信号的相同形式；

/c/对于各创建的异步信号，创建所述异步信号的活性谱，活性谱包括至少一个活动数值，其中所述活动数值随自事件起流逝时间的函数而递减，所述事件是所述异步信号连续事件中的最近事件；

/d/对于给定时间：

/d1/确定场景，所述场景定义为创建的异步信号在给定时间的一组活性谱数值；

/d2/根据一组预先确定的标准场景确定标准场景，在该组标准场景中确定的标准场景与步骤/d1/中确定的场景具有最小距离。

/d3/确定模式为所述预先确定的标准场景函数。

距离可以是数学意义上的距离。因此，距离可以是欧几里德(Euclidean)距离、曼哈坦(Manhattan)距离、明可夫斯基(Minkoswski)距离、切比雪夫(Tchebychev)距离或任何其他距离。