买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:三峡大学
摘要:基于改进小波阈值去噪的DAS信号分类方法,包括以下步骤:对DAS信号Q做小波分解,得到细节系数cD{cD1,cD2,……,cDM}及近似系数cA{cA1,cA2,……,cAM};结合赤池信息量准则AkaikeInformationCriterion,AIC确定阈值,采用新的阈值函数对小波分解后的细节系数cD进行阈值量化处理,得到处理后的细节系数cD'{cD1',cD2',…,cDM'};cDm'表示经过阈值量化处理后的第m层细节系数;使用处理后的细节系数CD'与小波分解最后一层的近似系数cAM进行小波逆变换,完成信号重构,得到小波去噪后的信号Q';提取小波去噪后的信号Q'的时域特征,使用提取的时域特征构建数据集,将数据集分为训练集及测试集;使用WKNN算法对测试集中数据进行信号分类。本发明采用小波去噪预处理后,再提取信号特征构建数据集,并采用WKNN对DAS信号分类,提高了分类准确率。
主权项:1.基于改进小波阈值去噪的DAS信号分类方法,其特征在于包括以下步骤:步骤1:对DAS信号Q做小波分解,得到细节系数cD{cD1,cD2,……,cDM}及近似系数cA{cA1,cA2,……,cAM},其中:M为小波分解层数,cDm、cAm分别为第m层的细节系数和近似系数,m=1,2…,M;步骤2:结合赤池信息量准则AkaikeInformationCriterion,AIC确定阈值,采用新的阈值函数对小波分解后的细节系数cD进行阈值量化处理,得到处理后的细节系数cD'{cD1',cD2',…,cDM'};cDm'表示经过阈值量化处理后的第m层细节系数;步骤3:使用处理后的细节系数CD'与小波分解最后一层的近似系数cAM进行小波逆变换,完成信号重构,得到小波去噪后的信号Q';步骤4:提取小波去噪后的信号Q'的时域特征,使用提取的时域特征构建数据集,将数据集分为训练集及测试集;步骤5:使用WKNN算法对测试集中数据进行信号分类。
全文数据:
权利要求:
百度查询: 三峡大学 基于改进小波阈值去噪的DAS信号分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。