[發明專利]基于模糊小波包分解的小波特征提取方法

無效

• 申請號: 200610134752.2
• 申請日: 2006-12-13
• 公開（公告）號: CN101201901A
• 公開（公告）日: 2008-06-18
• 發明（設計）人: 李德強;史澤林
• 申請（專利權）人: 中國科學院沈陽自動化研究所
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 沈陽科苑專利商標代理有限公司
• 代理人: 許宗富;周秀梅

1.一種基于模糊小波包分解的小波特征提取方法，其特征是：取平穩信號或非平穩信號為信號樣本，包括對已標明類別的信號樣本的訓練過程和新未知類別的信號樣本的特征提取過程，以訓練過程為主體；即通過訓練過程找最優小波分解Ω^*；以最優小波分解Ω^*為基礎，提取鑒別能力強的小波系數特征；在新未知類別樣本的特征提取過程中提取已定位的小波系數作為最終特征。

2.按權利要求1所述基于模糊小波包分解的小波特征提取方法，其特征是：所述訓練過程是通過訓練找最優小波分解Ω^*過程，即基于模糊隸屬度函數的代價函數評價小波包分解中子空間的分類能力，得到最優小波分解并提取出鑒別能力的小波系數特征；具體操作如下：

首先，定義代價函數：

1)定義模糊隸屬度函數

其中：vi=Σk∈Aixk/Ni]]>是第i類樣本的均值，A_i是第i類樣本的序號k集合，N_i是第i類的訓練樣本數，||·||是歐式度量距離，c是分類數；n為樣本信號x_k的維數；

2)基于模糊隸屬度的代價函數

F(X)=Σi=1cΣk∈Aiuik]]>

將所有樣本信號x_k所屬類別的隸屬度函數u_ik相加，累加和構成了代價函數F(X)；代價函數F(X)用來衡量特征空間X的分類能力；

其次，搜索最優小波分解Ω^*：

在小波包分解中，利用代價函數F(X)衡量每個分解子空間的分類能力；先選取代價函數最大的子空間，然后刪除該子空間的所有后代節點和前輩節點；再從剩余的子空間內選取代價函數最大的子空間，然后再刪除該子空間的所有后代節點和前輩節點；重復上述過程直到沒有子空間可刪除為止，此時所有保留的節點組合就是本發明要搜索的最優小波分解Ω^*；

再次，提取鑒別能力強的小波系數特征：

對于最優小波分解空間內的每個小波系數特征l，利用代價函數F(l)來評價它們的分類能力，并根據代價函數F(l)值的大小對這些特征進行排序，提取鑒別能力強的小波系數特征。

3.按權利要求1所述基于模糊小波包分解的小波特征提取方法，其特征是：所述新未知類別樣本的特征提取過程為當輸入新樣本時按最優小波分解Ω^*對新樣本進行分解，再提取已定位的小波系數作為最終特征。