一种基于小波变换和TimesNet的次声数据分类方法及装置

一种基于小波变换和TimesNet的次声数据分类方法，该方法涉及两个装置：周期特征提取装置，和趋势特征提取装置。本发明在TimesNet模型的基础上引入小波变换特征提取模块，这一模块专门用于捕获次声序列中的非平稳成分特征。对于次声数据，小波变换具有更好的适应性，能够更有效地处理非平稳成分。其次，模型在提取周期性特征的同时，还加入了一个趋势特征层，捕捉数据中潜在的趋势性信息。趋势性信息提供了次声数据随时间变化的整体方向和模式，有助于区分和识别不同类型的事件。