[发明专利]一种基于相空间的传感器数据高精度分类方法

权利要求书

1.一种基于相空间的传感器数据高精度分类方法，其特征在于：包括以下步骤：

1)通过时间延迟嵌入法将传感器采集的单变量时间序列X嵌入到m维相空间中：

X_i＝[x_i，x_i+τ，…，x_i+(m-1)τ]，i∈[1，L] (1)

其中X＝[x₁，x₂，...，x_N]^T，N是单变量时间序列X的长度，L＝N-(m-1)τ，τ为延迟时间，m为嵌入维数，其中m-1是使用时间延迟τ嵌入时间序列的次数，参数τ和m均为正整数，行向量X_i是m维的相空间中的一个相点，也称为时间延迟向量，L个相点共同构成相空间轨迹，其相空间轨迹矩阵为：

2)将Θ(τ，m)视为分辨率为L×m的灰度图像，通过最大化Θ(τ，m)的分辨率来确定τ和m的最佳值；

3)将Θ(τ，m)中的所有元素线性映射到一个整数区间[0，255]以获得最大轨迹矩阵图像Θ_max；

4)通过预训练的卷积神经网络作为分类器对从时间序列转换所得的最大轨迹矩阵图像Θ_max进行分类。

2.根据权利要求1所述的基于相空间的传感器数据高精度分类方法，其特征在于：所述步骤2)中，通过最大化Θ(τ，m)的分辨率确定τ和m的最佳值分别为：τ＝1，或者