[发明专利]一种基于K-means聚类算法的眼图参数提取方法

摘要

本发明公开了一种基于K‑means聚类算法的眼图参数提取方法，先通过对眼图全部数据点的时间信息使用K‑means聚类，划分为多个子集合；然后对每个子集合内的眼图数据点的幅值信息进行更小的子集合划分，对新划分出来的每一个子集合内所有眼图数据点的时间信息再次进行K＝2的K‑means聚类，则每个子集合均可得到两个聚类中心，两个聚类中心之差的绝对值最小的子集合，即是眼图交叉点集所在之处的子集合，再通过对该子集合的时间均值作为眼交叉点的时间，眼交叉点时间得出后，进而计算出其他的眼图参数。

主权项

1.一种基于K‑means聚类算法的眼图参数提取方法，其特征在于，包括以下步骤：(1)、对待提取的眼图数据点进行预处理；(1.1)、通过K‑means聚类算法将眼图数据点按照时间信息划分为多个子集合Ak，k＝1,2,…表示子集合个数，在每个子集合中均包含有一个眼交叉点集；(1.2)、利用二维数组Ak[2][N]对子集合Ak进行存储，其中，N为子集合Ak中的眼图数据点个数，二维数组Ak[2][N]的第一行Ak[0]用于存储眼图数据点的时间信息，第二行Ak[1]用于存储眼图数据点的幅值信息；(2)、通过K‑means聚类算法求解眼交叉点集时间；(2.1)、求出子集合Ak内眼图数据点的最大幅值max(Ak[1][i])和最小幅值min(Ak[1][i])，其中，0≤i≤N‑1；(2.2)、根据最大幅值与最小幅值设置幅值划分间距ΔA，将子集合A_k内眼图数据点按照幅值信息和幅值划分间距ΔA等分为M个子区间，其中，用数组A_k_subset[M]对每个子区间进行存储，其中，0≤j≤M‑1，第j个子区间内的所有眼图数据点均存储在A_k_subset[j‑1]中；(2.3)、设置数组diffk_subset[M]；对Ak_subset[j]的眼图数据点按照时间信息进行K＝2的K‑means聚类，得到两个聚类中心，对每一个Ak_subset[j]内的两个聚类中心作差，并将差的绝对值存储在数组diffk_subset[M]内对应的元素diffk_subset[j]中；(2.4)、找出所有数组diffk_subset[M]中的最小值min(diffk_subset[j])，若diffk_subset[M]的第m+1个元素diffk_subset[m]是diffk_subset[M]中最小的元素，即diffk_subset[m]＝min(diffk_subset[j])，其中m∈j，则集合Ak_subset[m]为集合Ak的眼交叉点集；(2.5)、求出集合A_k_subset[m]的时间平均值和其标准差则即为子集合A_k内眼交叉点集的时间值同理按照步骤(2)所述方法求出其他子集合内眼交叉点集的时间；(3)、根据眼交叉点集时间推算出其他眼图参数(3.1)、求解眼图周期Teye、眼宽Eye_width以及峰峰值抖动和均方根抖动；设两个相邻的眼交叉点集的时间平均值为和其标准差则眼图周期T_eye、眼宽Eye_width的计算公式为：峰峰值抖动为眼交叉点集Ak_subset[m]内眼图数据点的最大时间值与最小时间值之差；均方根抖动为眼交叉点集的时间标准差(3.2)、求解“0”电平level0和“1”电平level1；将眼交叉点集中全部眼图数据点按照时间区间划分出一个中央子集合，对中央子集合使用K＝2的K‑means聚类，得到两个聚类集合level0_subset和level1_subset，然后分别对level0_subset和level1_subset内的眼图数据点求解出幅度均值和幅值标准差，即和以及和则和即为求解的“0”电平level0和“1”电平level1；(3.3)、求解与幅值相关的眼图参数；眼幅度Amplitude为level1与level0之差Amplitude＝level1‑level0；平均电平眼图Q因子眼高眼图开度消光比(3.4)、求解上升时间和下降时间将子集合A_k按照幅值区间和划分得到两个子集合set1和set2，其中a、b为常数；再将子集合set1和set2均以眼交叉点集时间为界限进行划分，set1和set2分别得到两个更小的子集合，即set10、set11和set20、set21；按照时间信息，将set1内部所有时间值小于的眼图数据点，划分到子集合set10中，所有时间值大于的眼图数据点，划分到子集合set11中；同理，将set2内部所有时间值小于的眼图数据点，划分到子集合set20中，所有时间值大于的眼图数据点，划分到子集合set21中；分别对四个子集合set10、set11、set20、set21求取时间平均值，且分别记作time_set10、time_set11、time_set20、time_set21，则上升时间Rise_time和下降时间Fall_time的计算公式如下：Rise_time＝time_set21‑time_set10Fall_time＝time_set11‑time_set20。