[发明专利]将非平稳信号分解成函数分量

权利要求书

1.一种将表示生理现象的非平稳信号分解成以准高斯核作为基本元素的一组自相似函数分量并且估计表征各个函数分量的参数的计算机实现的方法，所述方法包括以下步骤：

(a)应用多通移动平均滤波器以估计在所述非平稳信号的时间过程中的动态趋势和基线趋势，使用所述动态趋势和基线趋势来提取导引函数，所述导引函数指示在信号片段上形成函数分量的信号片段，并且使用所述导引函数的模量的过零点以及全局和局部最小值作为分割点来自适应分割所述导引函数；

(b)将所述非平稳信号划分成分量形成的区域，所述非平稳信号在与所述导引函数的分割点对应的点处被分割；

(c)补偿来自与先前函数分量匹配的准高斯核的交叠以形成经验分量核，使用递归子步骤为：

(i)使用相似基函数算法将所述经验分量核变换至频域；

(ii)估计权重参数和离差参数，并且通过找出和评估所述经验分量核的归一化幅度频谱与具有高斯分布的频域模板之间的最佳匹配来根据预先限定的类别等级验证参数的可靠性；以及

(iii)通过找出与相位频谱的限定值对应的特征点，根据经验分量核的复频谱的虚部以估计的权重参数和离差参数估计准高斯核的开始时间；

(d)完成递归的先前周期后，通过与新识别的准高斯核相加来扩展由在递归的先前周期识别的准高斯核之和构成的非平稳信号的模型；

(e)在去除不利的准高斯核之后使用用于评估识别结果的类别参数ξ来重新布置所识别的分量；以及

(f)通过选择权重参数和离差参数属于预先限定的类别等级的准高斯核整体来创建局部非平稳信号模型；

其中类别参数ξ取从1至5的整数值；并且所述类别参数根据在边界角频率处的归一化幅度频谱被赋值如下：

ξ＝1(等级E)，如果

ξ＝2(等级G)，如果

ξ＝3(等级S)，如果

ξ＝4(等级W)，如果

ξ＝5(等级U)，如果

其中类别参数为1被定义为优秀(等级E)，2被定义为好(等级G)，3被定义为理想(等级S)，4被定义为差(等级W)，而5被定义为不成功(等级U)。

2.根据权利要求1所述的方法，其中，通过将低通无限脉冲响应滤波器施加至所述非平稳信号来估计所述动态趋势。

3.根据权利要求1所述的方法，其中，对所述导引函数的自适应分割仅使用过零点作为所述分割点。

4.根据权利要求1所述的方法，其中，与相应经验分量核匹配的每个准高斯核的开始与在所述相应经验分量核的开始处的分割点一致。

5.根据权利要求4所述的方法，其中，所述估计准高斯核的开始时间的步骤还包括以下子步骤：通过找出所述经验分量核的复频谱的相位与高斯复频谱的相位之间的最佳匹配来估计与相应经验分量核匹配的每个准高斯核的经修正的开始。

6.根据权利要求2所述的方法，其中，对所述导引函数的自适应分割仅使用过零点作为所述分割点。

7.一种用于将非平稳信号分解成以准高斯核作为基本元素的一组自相似函数分量并且估计表征各个函数分量的参数的装置，所述装置适于：

应用多通移动平均滤波器以估计在所述非平稳信号的时间过程中的动态趋势和基线趋势，使用所述动态趋势和基线趋势来提取导引函数，所述导引函数指示在信号片段上形成函数分量的信号片段，并且使用所述导引函数的模量的过零点以及全局和局部最小值作为分割点来自适应分割所述导引函数；

将所述非平稳信号划分成分量形成的区域，所述非平稳信号在与所述导引函数的分割点对应的点处被分割；

补偿来自与先前函数分量匹配的准高斯核的交叠以形成经验分量核，使用递归子步骤为：

(i)使用相似基函数算法将所述经验分量核变换至频域；

(ii)估计权重参数和离差参数，并且通过找出和评估所述经验分量核的归一化幅度频谱与具有高斯分布的频域模板之间的最佳匹配来根据预先限定的类别等级验证参数的可靠性；以及

(iii)通过找出与相位频谱的限定值对应的特征点，根据经验分量核的复频谱的虚部以估计的权重参数和离差参数估计准高斯核的开始时间；

完成递归的先前周期后，通过与新识别的准高斯核相加来扩展由在递归的先前周期识别的准高斯核之和构成的非平稳信号的模型；

在去除不利的准高斯核之后使用用于评估识别结果的类别参数ξ来重新布置所识别的分量；以及

通过选择权重参数和离差参数属于预先限定的类别等级的准高斯核整体来创建局部非平稳信号模型；

其中类别参数ξ取从1至5的整数值；并且类别参数根据在边界角频率处的归一化幅度频谱被赋值如下：

ξ＝1(等级E)，如果

ξ＝2(等级G)，如果

ξ＝3(等级S)，如果

ξ＝4(等级W)，如果

ξ＝5(等级U)，如果

其中类别参数为1被定义为优秀(等级E)，2被定义为好(等级G)，3被定义为理想(等级S)，4被定义为差(等级W)，而5被定义为不成功(等级U)。