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：中国地质大学(武汉)

摘要：本发明提供了一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，该最优变分模态分解方法以VMD为基础，将融合标准FOA与3维logistic‑sine映射的改进型混沌FOA算法应用于传统VMD的算法，优化了3个关键参数的寻优过程，使信号能够根据本身的特点被自适应地分解。本发明的有益效果是：本发明的算法有更佳的寻优性能，并且将FOA的搜索空间从2维拓展为3维；使用此改进型混沌FOA算法提高了算法的高维空间搜索能力，可以快速、准确地搜索3维空间内的三个关键参数的最佳组合解。因此，本发明专利提出方法能自适应地分解非平稳信号，且所得到的IMF分量间没有模态混叠现象。该方法也为sEMG的去噪提供了一种新的方法，具有广阔的应用前景。

主权项：1.一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：包括以下步骤：S1：初始化变分模态分解方法，然后对采集原始的表面肌电信号进行自适应分解，得到一组本征模态函数IMF；S2：根据三维FOA算法和三维Logistic-Sine混沌复合映射函数，构建改进的混沌FOA模型；利用所述IMF，根据该改进的混沌FOA模型中的适应度函数，计算得到最佳适应度函数值，进而得到对应的最优参数组合；利用所述改进的混沌FOA模型进行迭代寻优的过程如下：1设定种群中单体个体数量m，最大迭代次数为T，采用三维FOA算法和三维logistic-sine混沌复合映射函数初始化果蝇个体的位置和方向： 式中，Xaxis、Yaxis和Zaxis是对标准FOA二维空间的拓展，Value为边界值，且Value∈[-bound,bound]，和是三维的Logistic-Sine混沌复合映射函数，且： 式中，π为圆周率，i表示第i个果蝇，k表示混沌控制参数；2更新单个果蝇寻找食物的方向和距离，得到： 其中，Xi、Yi和Zi是果蝇个体的三维坐标，且i＝1,2,…,N；a,b为实数；和是三维的logistic-sine混沌复合映射函数；3根据果蝇个体的三维坐标，求得果蝇个体和原点之间的直线距离Disti，设Disti的倒数是味道质量浓度的判定值，求得判定值Si，则有： 4将判定值Si代入味道判定函数，求解出各果蝇单体的对应的味道质量浓度：Smelli＝FSi75找到当前果蝇群体中味道质量浓度最高的个体，并记录当前果蝇群体的位置：[bestSmell,bestIndex]＝minSmell8其中，Smelli表示当前果蝇群体中的味道质量浓度；6记下当前果蝇群体中最佳味道质量浓度bestSmell和相应横纵坐标值，然后果蝇种群通过视觉向最佳位置逼近： 7重复操作步骤2～5，进行迭代寻优，同时判断bestSmell是否比Smellbest更优，若是，则跳转至步骤6后继续操作，直至得到果蝇种群的最佳位置；所述适应度函数为： 其中，为相邻IMF分量的互信息，为互信息的总和，K为模态分量的总个数，即IMF分量的个数；原始的表面肌电信号与重构信号的互信息，xt是原始的表面肌电信号，x't是重构信号；S3：根据所述最优参数组合，对变分模态分解方法进行优化，利用优化后的变分模态分解方法对实际获取的表面肌电信号进行最优自适应分解，得到不同频段的本征模态函数分量，为智能康复机器人的特征提取提供支撑。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 融合复合混沌映射与果蝇优化的最优变分模态分解方法