[发明专利]基于小波卷积的传感器阵列信号匹配特征提取方法及系统

说明书

本发明公开了一种具有较好的特征解释性和良好的表示性能的基于小波卷积的传感器阵列信号匹配特征提取方法及系统，其中基于小波卷积的传感器阵列信号匹配特征提取方法包括以下步骤，S1：采集初始传感器阵列信号样本；S2：对初始传感器阵列信号样本进行必要滤波预处理；S3：指定模式信号序列和初始小波基序列组；S4：根据模式信号序列和初始小波基序列组获取优化小波基序列组；S5：获取样本卷积特征和模型卷积特征的最大匹配度及最大匹配度位置；S6：获取样本卷积特征在最大匹配度位置的能量特征；S7：将最大匹配度与样本卷积特征在最大匹配度位置的能量特征融合行车丁匹配特征提取；还公开了一种基于小波卷积的传感器阵列信号匹配特征提取系统。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于小波卷积的传感器阵列信号匹配特征提取方法及系统。

背景技术

近年来，随着传感技术以及人工智能的发展，依靠阵列式传感信号进行针对性识别和诊断的应用越来越多，比如，利用电子鼻传感器阵列进行气体识别或者疾病的诊断就是当前研究的热点之一。相比于单一传感器，阵列式传感器能提供更多特征，因而在利用人工智能的分类技术时具有更高的准确性和可靠性。

但是，当前阵列式传感器信号的特征提取主要依靠传统方法，如主成分分析(PCA)法、独立成分分析(ICA)等，这些方法取得的特征解释性较模糊，同时特征提取时可能丢失样本类型重要差异信息，导致分类识别性能降低。因此，尽量提高提取的传感器阵列信号的类型差异特征的可解释性和表示性能，是当前研究的重要方向。

发明内容

本发明拟提供一种基于小波卷积的传感器阵列信号匹配特征提取方法及系统，在阵列式传感器信号的特征提取时具有较好的特征解释性，同时具有良好的表示性能。

为此，本发明所采用的技术方案为：一种基于小波卷积的传感器阵列信号匹配特征提取方法，包括以下步骤：

S1：采集初始传感器阵列信号样本；

S2：对初始传感器阵列信号样本进行必要滤波预处理，得到滤波传感器阵列信号样本；

S3：指定模式信号序列和初始小波基序列组；

S4：根据模式信号序列和初始小波基序列组获取优化小波基序列组；

S5：根据滤波传感器阵列信号样本在优化小波基序列组中的样本卷积特征，根据模式信号序列在优化小波基序列组中的模型卷积特征，再获取样本卷积特征和模型卷积特征的最大匹配度及最大匹配度位置；

S6：获取样本卷积特征在最大匹配度位置的能量特征；

S7：将最大匹配度与样本卷积特征在最大匹配度位置的能量特征融合，构成初始传感器阵列信号样本基于小波卷积的传感器阵列信号匹配特征。

作为上述方案的优选，在所述步骤S1中所述初始传感器阵列信号样本为所有传感器响应构成的序列信号，或为阵列中每个传感器响应的单独序列信号。

进一步优选为，在所述步骤S2中模式信号序列为任意给出的模式序列，或为实际样本的一般模式序列。

进一步优选为，实际样本的一般模式序列的获取过程如下：

S31：获取传感器阵列信号集，其中传感器阵列信号集包括所有类型样本在相同检测参数和检测流程下经传感器阵列响应后的阵列信号；

S32：将传感器阵列信号集进行必要滤波处理；

S33：计算滤波后传感器阵列信号集的平均响应；

S34：指定平均响应的部分或所有序列作为实际样本的一般模式序列。