[发明专利]基于感知哈希的循环平稳信号降维、识别方法及系统

权利要求书

1.基于感知哈希的循环平稳信号降维方法，其特征是，包括以下步骤：

步骤(1)：基于字典学习算法从每个设备状态下的已知循环平稳信号中提取基函数构成设备状态字典，将所有设备状态下的所有基函数进行合并，得到设备状态冗余字典；

步骤(2)：基于稀疏编码方法利用设备状态冗余字典对待检测循环平稳信号进行稀疏分解，以所有基函数的系数作为待检测循环平稳信号的稀疏表示；

步骤(3)：基于待检测循环平稳信号的稀疏表示计算设备状态冗余字典中基函数的激活特征向量；

步骤(4)：设定基函数的激活特征向量元素的阈值，如果基函数的激活特征向量元素大于或等于阈值，则元素值设为1，否则，元素值设为0，则基函数的激活特征向量被转换为二进制序列；

步骤(5)：将步骤(4)得到的二进制序列转化为整型数值，作为待检测循环平稳信号的设备状态哈希码。

2.如权利要求1所述的基于感知哈希的循环平稳信号降维方法，其特征是，所述步骤(3)是指，以基函数的系数为元素计算每个基函数的统计特征参数，从而构造出包含所有基函数统计特性参数的激活特征向量。

3.如权利要求2所述的基于感知哈希的循环平稳信号降维方法，其特征是，所述统计特征参数，包括：基函数系数的非零个数或基函数系数的平方和。

4.基于感知哈希的循环平稳信号降维系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时完成上述任一权利要求1-3所述方法的步骤。

5.基于感知哈希的循环平稳信号识别方法，其特征是，包括以下步骤：

步骤(1)：基于字典学习算法从每个设备状态下的已知循环平稳信号中提取基函数构成设备状态字典，将所有设备状态下的所有基函数进行合并，得到设备状态冗余字典；

步骤(2)：基于稀疏编码方法利用设备状态冗余字典对待检测循环平稳信号进行稀疏分解，以所有基函数的系数作为待检测循环平稳信号的稀疏表示；

步骤(3)：基于待检测循环平稳信号的稀疏表示计算设备状态冗余字典中基函数的激活特征向量；

步骤(4)：设定基函数的激活特征向量元素的阈值，如果基函数的激活特征向量元素大于或等于阈值，则元素值设为1，否则，元素值设为0，则基函数的激活特征向量被转换为二进制序列；

步骤(5)：将步骤(4)得到的二进制序列转化为整型数值，作为待检测循环平稳信号的设备状态哈希码；

步骤(6)：计算待检测循环平稳信号的设备状态哈希码与每个已知循环平稳信号的设备状态哈希码之间的汉明距离，距离最近的已知循环平稳信号的设备状态哈希码所对应的设备状态即为待检测循环平稳信号的设备状态哈希码对应的设备状态。

6.如权利要求5所述的基于感知哈希的循环平稳信号识别方法，其特征是，所述步骤(6)替换为：设计分类器，利用已知循环平稳信号的设备状态哈希码对分类器进行训练，得到训练好的分类器，将待检测循环平稳信号的设备状态哈希码输入到训练好的分类器中，输出待检测循环平稳信号对应的设备状态。

7.如权利要求5所述的基于感知哈希的循环平稳信号识别方法，其特征是，所述步骤(3)是指，以基函数的系数为元素计算每个基函数的统计特征参数，从而构造出包含所有基函数统计特性参数的激活特征向量。

8.如权利要求7所述的基于感知哈希的循环平稳信号识别方法，其特征是，所述统计特征参数，包括：基函数系数的非零个数或基函数系数的平方和。

9.基于感知哈希的循环平稳信号识别系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时完成上述权利要求5-8任一方法所述的步骤。