[发明专利]波形边缘的监测方法及装置

说明书

本发明实施例提供一种波形边缘的监测方法及装置，其中方法包括：对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘。本发明实施例使波形边缘监测更准确、适应性更强。

技术领域

本发明涉及通信技术领域，更具体地，涉及波形边缘的监测方法及装置。

背景技术

波形边缘监测技术应用广泛，常见的有车辆运行状态监测、语音端点监测等，目前常用的监测方法有时域参数监测、频域参数监测、模型匹配法监测等。

时域参数监测和频域参数监测方式存在的问题：门限值不易确定、低信噪比情况误差较大。由于时域参数监测主要采用双门限监测法，即通过设置信号短时能量门限和短时过零率门限来监测波形端点，但由于不同的样本其量纲不一致、信噪比情况不一致，因此门限监测法很难自动选择较为合适的门限，同时当信号噪声大时，短时能量、短时过零率两类门限无法有效过滤噪声。

模型匹配法监测方法是一种先验概率统计，针对低信噪比情况比较有优势，但需要一定的训练样本，对于无训练数据或较少训练数据的情况监测结果较差。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的波形边缘的监测方法及装置。

第一个方面，本发明实施例提供一种波形边缘的监测方法，包括：

对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；

设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；

对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；

其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。

进一步地，所述设置多个分段门限，从所述多个分段门限中确定最优分段门限，具体为：

设置初始分段门限和迭代总次数，并开始进行如下迭代分段过程：

根据当前迭代次数和初始分段门限确定当前迭代的分段门限；

根据所述当前迭代的分段门限对所有样本进行分段处理，判断短时均化校正标准差小于分段门限的样本占比是否大于预设阈值；

若短时均化校正标准差小于分段门限的样本占比大于预设阈值，则判断当前迭代的分段数是否小于当前的最小分段数；

若当前迭代的分段数小于当前的最小分段数，则将当前的最小分段数更新为所述当前迭代的分段数，并将最优分段门限更新为当前迭代的分段门限，并执行下一次迭代，直至迭代次数达到所述迭代总次数；

其中，所述初始分段门限小于所述短时均化校正标准差中的最大值，且每次迭代的分段门限均不大于所述初始分段门限。

进一步地，所述分段处理具体为：若相邻两个样本的短时均化校正标准差一个大于分段门限，而另外一个小于分段门限，则在前的一个样本为一个分割点，2个相邻分割点之间的所有样本作为一个分段。

进一步地，所述初始分段门限为所述短时均化校正标准差中的最大值的一半。