[发明专利]一种基于CMEEMD-GAIW-SW-DFA的分布式光纤信号听觉信息融合方法

权利要求书

1.一种基于CMEEMD-GAIW-SW-DFA的分布式光纤信号听觉信息融合方法，特征在于：(1)确定引入白噪声信号后的光纤信号；(2)确定第一个IMF分量序列集合；(3)确定剩余分量；(4)确定各类信号的IMF分量的互信息；(5)确定信号各IMF分量的初始权值；(6)确定自适应动态惯性权重调整函数；(7)确定融合后光纤信号的方差均值；(8)确定奇异指数和多重分形谱；具体包括以下八个步骤：

步骤一：确定引入白噪声信号后的光纤信号和

在光纤信号x(t)中引入白噪声信号n_p(t)和-n_p(t)，得到

式中，和表示引入白噪声信号后的光纤信号，x(t)表示原始光纤信号，n_p(t)和-n_p(t)表示白噪声信号，a_p表示第p次引入噪声信号的幅值，p＝1,2,...,N_noise，N_noise表示引入噪声总次数；在处理后得到的结果的基础上，对两端的数据利用GRNN神经网络进行延拓，在两端延拓的数据上加余弦窗函数进行处理；

步骤二：确定第一个IMF分量序列集合I₁(t)：

对和分别进行EMD分解，得到第一组分量序列集合和将序列集合中下角标序号一致的分量进行求和、累加、平均计算，得到I₁(t)：

式中，I₁(t)表示第一个IMF分量序列集合，和表示第一组IMF分量序列集合，p＝1,2,...,N_noise，N_noise表示引入噪声的总次数；

步骤三：确定剩余分量r(t)：

计算I₁(t)的排列熵S(t)：

式中，g＝1,2,...,k代表序号的种类，m为空间重构维数，

设置S(t)的阈值，当S(t)低于该阈值时，判断I₁(t)为非异常信号，并将其作为第一个IMF分量从原始信号x(t)中去除，即r(t)＝x(t)-I₁(t)，得到剩余分量I₁(t)；

对r(t)重复步骤(1)-(4)，依次得到IMF分量I(t)＝I₁(t),I₂(t),...,I_s(t)，其中s为IMF分量的个数；

步骤四：确定第i类信号与第j类信号的IMF分量的互信息：

式中，表示第i类信号与第j类信号的IMF分量的互信息，N表示光纤信号总的数据个数，I_i(n)表示第i类信号的IMF分量，I_j(n+m)表示第j类信号的IMF分量；

步骤五：确定信号各IMF分量的初始权值w_ij：

式中，表示第i类信号与第j类信号的IMF分量的互信息，l表示总的互信息个数；

步骤六：确定自适应动态惯性权重调整函数：

式中，α₁、α₂为常数，r为[0,1]之间均匀分布的随机数，表示第i类信号与第j类信号的IMF分量的互信息；

步骤七：确定融合后光纤信号的方差均值F²(β,s)：

根据权重系数对分布式光纤信号进行融合，得到：

利用带有滑动窗重叠分割的SW-DFA对融合信号做进一步处理，提取特征向量；首先对X(k)进行分割，滑动窗口长度为u，得到N-u+1段数据，对每段数据进行多项式拟合并计算相应的方差均值F²(β,s)：

式中，β表示第β段数据，u表示滑动窗口长度，i表示融合后的数据样本点数；

步骤八：确定奇异指数a和多重分形谱f(a)：

计算X(k)的q阶波动函数F_q(s)：

式中，N-u+1表示分割后的数据段数，β表示第β段数据，F²(β,s)表示方差均值；

奇异指数a和多重分形谱f(a)分别为：

式中，F_q(s)表示X(k)的q阶波动函数，a表示奇异指数。