[发明专利]训练样本获取方法、装置、计算机设备以及存储介质

说明书

本申请实施例属于信号处理领域，涉及一种训练样本获取方法，包括：获取输入信号以及多个预设的波基；根据多个预设的波基小波变换输入的信号，得到多个小波系数；计算多个小波系数的复杂度，得到复杂序列；通过一维分离度算法粗评估复杂序列，得到一维小波分离度；根据一维小波分离度构造最优特征向量；拟合最优特征向量的至少两个特征中心；根据特征中心构建至少两个类区域；计算至少两个类区域的分离度，得到训练样本。本申请还提供一种训练样本获取装置、计算机设备及存储介质。获取的样本可以提高模型训练的准确性。

技术领域

本申请涉及信号处理领域，尤其涉及一种训练样本获取方法、装置、计算机设备及存储介质。

背景技术

信号分析中傅里叶变化是通过无限长的周期性正弦波和余弦波构造而成，所以傅里叶变换方法适合去表征那些具有周期性波动的平稳信号，而对于非周期或非平稳的信号，正弦波和余弦波的表征能力就有所下降，因此对于非周期非平稳过程，傅里叶变换存在局限性，进而导致傅里叶变换的样本通过训练样本效果不佳。

发明内容

本申请实施例的目的在于提出一种训练样本获取方法、装置、计算机设备及存储介质，获取的样本可以提高模型训练的准确性。

为了解决上述技术问题，本申请实施例提供一种训练样本获取方法，采用了如下所述的技术方案：

获取输入信号以及多个预设的波基；

根据所述多个预设的波基小波变换所述输入的信号，得到多个小波系数；

计算所述多个小波系数的复杂度，得到复杂序列；

通过一维分离度算法粗评估所述复杂序列，得到一维小波分离度；

根据所述一维小波分离度构造最优特征向量；

拟合所述最优特征向量的至少两个特征中心；

根据所述特征中心构建至少两个类区域；

计算所述至少两个类区域的分离度，得到训练样本。

进一步的，所述根据所述多个预设的波基小波变换所述输入的信号，得到多个小波系数的步骤具体包括：

通过计算所述多个小波系数，其中f(t)为时间序列，为所述波基，a尺度因子，b为平移因子。

进一步的，所述计算所述多个小波系数的复杂度，得到复杂序列的步骤具体包括：

通过ω_r(j)＝|ω_f(j+1)-ω_f(j)|变换所述多个小波系数，得到多个变换后的小波系数，其中j为所述小波系数的序号，ω_r为所述变换后的小波系数；

通过量化所述变换后的小波系数，得到多个量化后的小波系数，其中ω_q(j)为所述量化后的小波系数，E{ω_r(j)}为所述多个变换后的小波系数的均值；

通过Q＝w_q(1),w_q(2),...,w_q(M)将所述多个量化后的小波系数，转化成符号序列，其中Q为所述符号序列，M为所述小波系数的个数；

根据所述符号序列计算操作次数；

通过计算复杂度，得到复杂序列，其中A为所述操作次数， LZC为所述复杂度。

进一步的，所述通过一维分离度算法粗评估所述复杂序列，得到一维小波分离度的步骤具体包括：

通过计算所述复杂序列的重心，其中E_q为所述复杂序列的重心；

通过计算所述一维小波分离度，其中u为所述复杂序列的均值，σ为所述一维小波分离度。