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！

摘要：本发明公开了一种冰崩次声特征提取及分类识别方法和介质，冰崩次声特征提取方法包括：对原始信号进行清洗，得到次声信号；对次声信号的时域、频域进行分析，得到声压范围、峭度、偏度以及功率谱；基于所述次声信号，通过离散小波变换确定次声信号在各尺度上的能量分布，并进行特征值的提取，得到小波能量熵、尺度熵、奇异熵三类特征；基于所述次声信号，通过希尔伯特黄变换得到希尔伯特边际谱。本发明建立了原始次声数据库、视频数据库以及次声样本特征数据库，并可以基于次声样本特征数据库训练分类模型以识别冰崩事件的发生。

主权项：1.一种冰崩次声特征提取方法，其特征在于，所述方法包括：对原始信号进行清洗，得到次声信号；对次声信号的时域、频域进行分析，得到声压范围、峭度、偏度以及功率谱；基于所述次声信号，通过离散小波变换确定次声信号在各尺度上的能量分布，并进行特征值的提取，得到小波能量熵、尺度熵、奇异熵三类特征；基于所述次声信号，通过希尔伯特黄变换得到希尔伯特边际谱；所述基于所述次声信号，通过离散小波变换确定次声信号在各尺度上的能量分布，并进行特征值的提取，得到小波能量熵、尺度熵、奇异熵三类特征，包括：假设函数ψt满足ψt∈L2R，即平方可积，同时其傅里叶变换满足如式6所示条件，则ψt为一个母小波； 对母小波进行伸缩平移得到一组如式7所示的小波基函数ψa，bt； 其中，a，b∈R，a0，a为尺度因子，b为平移因子，均为连续变化的值对尺度参数a和平移参数b进行离散化，即a＝2j，bj，k＝2jk，j，k∈Z，求得如式8所示的离散小波基函数ψj，kt： 根据式9对次声信号St进行离散小波变换； 计算不同尺度上的能量及能量占比；根据各尺度的能量分布情况，进行特征值的提取，得到小波能量熵、尺度熵、奇异熵三类特征；所述根据各尺度的能量分布情况，进行特征值的提取，得到小波能量熵、尺度熵、奇异熵三类特征，包括：根据小波分解后每一层的能量Ei及能量占比Pi，通过式10计算能量熵： 其中，通过式11计算小波尺度熵SEp： 其中，Cn为所有节点小波系数；根据信号的时间序列进行分解、重构，提取出信号中不同的成分：Xt＝Um×m∑m×nVn×nT式12其中，Xt表示原始信号构成的矩阵；对小波包分解的每一个节点求奇异值Sj，并根据式13计算信号的奇异熵： 其中，

全文数据：

权利要求：

百度查询： 中国科学院重庆绿色智能技术研究院 冰崩次声特征提取及分类识别方法和介质