[发明专利]一种自适应信号波形识别方法、介质及装置

说明书

本发明提供一种自适应信号波形识别方法、介质及装置，该方法分为信号波形定位与信号波形识别两部分。信号波形定位使用带规则的中心扩散算法将所有待识别的波形片段较为精确的筛选出来，之后根据筛选出的待识别波形的大小以及形态对先验波形模板进行自适应调整，然后对待识别波形和自适应调整后的波形模板进行插值并重采样，再将重采样后的波形进行峰值中心校准、正值化和再平衡处理以消除波形位置所带来的系统误差；波形识别则将波形数据视为概率将其变换以满足概率所需的三条公理，并使用KL散度度量概率化后的波形数据和模板数据的分布差异，以此识别待测波形的波形型号。本发明可以直接对传感器采集的波形数据进行识别并输出波形的相关参数。

技术领域

本发明涉及通信技术领域，具体而言，涉及一种自适应信号波形识别方法、介质及装置。

背景技术

传统的识别算法通常使用L₂范数作为误差函数，参数空间假定为高斯分布，而当信号出现一定程度的形变，无论是比例变化还是劣化都会大大影响最终的识别结果。另一方面，尽管近年来机器学习尤其是深度学习的发展在诸多领域取得了巨大的成功，但一个有效的深度网络依赖于大量的高质量标注数据确保收敛，这往往是成本巨大的。当数据量较少，且缺少标注时，监督式学习将不再是最优解。在这种情况下如何从信号本身出发提取相关特征并对同类型数据进行判别便是解决此类问题的重点。另外，通信信号的识别难点除噪声影响外还在于相似异类信号之间的区分，有时技术人员还要通过一些实践经验来区分，即依赖于一定的先验知识。因此一个基于无标注的小样本的有效识别方法需要能够捕捉每种波形的特征，也要有融合一定先验知识的复检能力。

发明内容

本发明旨在提供一种自适应信号波形识别方法、介质及装置，该方法基于KL散度定义相似性、带规则的中心扩散、模板自适应比例放缩等子算法，只需针对不同的硬件设备，选取适合的波形模板，而无需修改算法其他部分就可以直接对传感器采集的波形数据进行识别并输出波形的相关参数。

本发明提供的一种自适应信号波形识别方法，包括如下步骤：

步骤1、根据已获得的数据，选取有代表性的波形模板；

步骤2、获取包含待识别波形的原始数据，并对原始数据进行预处理，得到有用数据；

步骤3、对有用数据进行波峰检测；

步骤4、从每个检测到的波峰出发，进行带规则的中心扩散，尽可能完整地截取待测波形；

步骤5、根据截取的待测波形自适应调整波形模板，使得波形模板与待测波形处于同一比例；

步骤6、对待测波形和自适应调整后的波形模板进行插值，分别得到待测波形的插值函数和自适应调整后的波形模板的插值函数；

步骤7、根据插值函数分别对待测波形和自适应调整后的波形模板进行重采样；

步骤8、对重采样后的待测波形和自适应调整后的波形模板进行处理；

步骤9、对经处理后的待测波形和波形模板进行概率变换；

步骤10、计算概率变换后的待测波形和波形模板的KL散度，并与预设阈值进行比较，对于满足预设阈值的波形模板选取KL散度值最小的波形模板作为待测波形的初步识别结果；

步骤11、对初步识别结果进行复检，得到最终识别结果。

进一步地，步骤2中，对原始数据进行预处理的方法包括：

选取有价值的数据切片，并进行剔除噪点和平滑处理，得到有用数据。

进一步地，步骤3中，对有用数据进行波峰检测的方法包括：

对有用数据做一阶差分，根据单调性检测出所有可能的波峰。

进一步地，步骤4中，所述带规则的中心扩散是指：