摘要
本发明涉及波形信号特征提取技术领域,具体公开了一种基于熵幅特征分析的波形幅值特性提取方法。针对现有技术中波形特征提取方法无法兼顾幅值敏感性与复杂度评估的问题,本发明通过滑窗分割、子波形压缩和熵幅差计算,生成反映波形幅值特性的熵幅和与压缩熵差指标。所述方法包括:S10将输入的波形信号分割为多个单调变化的子波形段;S20对各子波形段进行幅值压缩,使其峰峰值与预定量化精度匹配,并计算各子波形段的熵幅值;S30通过滑窗遍历输入的波形信号,累加窗口内所有子波形段的熵幅值,生成窗口级幅值特征;S40将输入的波形信号放大至熵幅临界点,计算放大后的全局信息熵与原始全局信息熵的差值,得到压缩熵差;其中,所述窗口级幅值特征和压缩熵差用于模式识别模型的输入特征。本发明的熵幅和与压缩熵差可作为独立特征输入模式识别模型,解决了传统时域特征对幅值变化不敏感的问题。
技术关键词
特性提取方法
信息熵
模式识别模型
幅值
波形特征提取方法
信号特征提取技术
表达式
采样点
信号值
精度
独立特征
时域特征
唯一性
复杂度
分辨率
传感器
指标
系统为您推荐了相关专利信息
光伏电站
电压源型换流器
输出功率参考值
直流变换器
虚拟同步控制方法
风电变流器
功率控制
幅值
开关器件模型
数据更新
层级分析法
传感器获取用户
信息效能
风险预测模型
风险评估方法