[发明专利]一种判别混沌信号几何特征的级联压缩方法及装置

说明书

本发明公开了一种判别混沌信号几何特征的级联压缩方法、装置、设备及计算机可读存储介质，该方法包括：获取待判别信息，并将待判别信息处理为三维时域信号；获取双曲正切函数及自定义分段函数，其中，双曲正切函数的自变量为待判别信息的累和，自定义分段函数通过判断待判别信息的某维某值是否满足对应阈值条件选取特定映射值集合；将待判别信息依次乘以双曲正切函数及自定义分段函数，累和所得结果得到三个维度的新变量，并确定与新变量对应的三维图；基于三维图的几何特征确定待判别信息的信号特性，信号特性包括周期或者准周期特性、混沌特性及随机数特性。本发明无需主观定义参数、计算复杂度低且判别准确度高。

技术领域

本发明涉及信号特征判别技术领域，更具体地说，涉及一种判别混沌信号几何特征的级联压缩方法、装置、设备及计算机可读存储介质。

背景技术

在混沌工程学中，快速有效地识别混沌信号是基础性的研究驱动力。无论是作为待检测与估计信号的主要成分(信源)还是次要成分(噪声)，混沌信号的识别特征，理应明显区别于周期信号、准周期信号以及随机信号。

一般认为，混沌信号复杂性(结构/行为)介于周期信号和随机信号之间。从信号复杂性度量角度考察，混沌信号判据的研究趋势为：(1)将信号复杂性转化为计算复杂性；(2)计算复杂性方法降维；(3)始终充分理解混沌信号的已知特征(例如：初值敏感，能量有界，轨道不重合，遍历性，功率谱连续，庞截面分形，熵增，李指数正值，等等)。

基于梳理文献，探究混沌判据演进源流，其所呈现规律的亮点与尚且存在的问题包括：(1)混沌判据可分类为几何特征和计算特征；(2)混沌判据的主流技术是Lyapunov指数，其计算复杂度近O(n²)；(3)0-1混沌测试已将计算复杂度降为O(n)，虽则判别周期准周期或者混沌状态容易，但是存在明显的弱点和缺点，弱点是需要主观选择混沌敏感因子c的值(基于0和2π之间)，缺点是仍然无法识别随机信号。

综上所述，现有技术中用于实现混沌信号识别的技术方案存在无法同时保持较低的计算复杂度及较高的识别性能的问题。

发明内容

本发明的目的是提供一种判别混沌信号几何特征的级联压缩方法、装置、设备及计算机可读存储介质，能够同时保持较低的计算复杂度及较高的识别性能。

为了实现上述目的，本发明提供如下技术方案：

一种判别混沌信号几何特征的级联压缩方法，包括：

获取待判别信息，并将所述待判别信息处理为三维时域信号；

获取双曲正切函数及自定义分段函数，其中，所述双曲正切函数的自变量为所述待判别信息的累和，所述自定义分段函数通过判断所述待判别信息的某维某值是否满足对应阈值条件选取特定映射值集合；

将所述待判别信息依次乘以所述双曲正切函数及所述自定义分段函数，累和所得结果得到三个维度的新变量，并确定与所述新变量对应的三维图；

基于所述三维图的几何特征确定所述待判别信息的信号特性，所述信号特性包括周期或者准周期特性、混沌特性及随机数特性。

优选的，基于所述三维图的几何特征确定所述待判别信息的信号特性，包括：

如果所述三维图为对称的弹簧图形，则确定所述待判别信息具有周期性或者准周期特性；如果所述三维图为非对称的已损坏的弹簧图形，则确定所述待判别信息具有混沌特性；如果所述三维图为锯齿状长线条图形或者布朗运动图形，则确定所述待判别信息具有随机数特性。

优选的，将所述待判别信息处理为三维时域信号，包括：

如果所述待判别信息为三维时域信号，则设定所述待判别信息中每一维的时域信号数据长度均相同；