[發(fā)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(qǐng)?zhí)枺?/td>: 200610134752.2
• 申請(qǐng)日: 2006-12-13
• 公開（公告）號(hào): CN101201901A
• 公開（公告）日: 2008-06-18
• 發(fā)明（設(shè)計(jì)）人: 李德強(qiáng);史澤林
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院沈陽自動(dòng)化研究所
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46
• 代理公司: 沈陽科苑專利商標(biāo)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(wěn)信號(hào)或非平穩(wěn)信號(hào)為信號(hào)樣本，包括對(duì)已標(biāo)明類別的信號(hào)樣本的訓(xùn)練過程和新未知類別的信號(hào)樣本的特征提取過程，以訓(xùn)練過程為主體；即通過訓(xùn)練過程找最優(yōu)小波分解Ω^*；以最優(yōu)小波分解Ω^*為基礎(chǔ)，提取鑒別能力強(qiáng)的小波系數(shù)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(shù)作為最終特征。

2.按權(quán)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(xùn)練過程是通過訓(xùn)練找最優(yōu)小波分解Ω^*過程，即基于模糊隸屬度函數(shù)的代價(jià)函數(shù)評(píng)價(jià)小波包分解中子空間的分類能力，得到最優(yōu)小波分解并提取出鑒別能力的小波系數(shù)特征；具體操作如下：

首先，定義代價(jià)函數(shù)：

1)定義模糊隸屬度函數(shù)

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(hào)k集合，N_i是第i類的訓(xùn)練樣本數(shù)，||·||是歐式度量距離，c是分類數(shù)；n為樣本信號(hào)x_k的維數(shù)；

2)基于模糊隸屬度的代價(jià)函數(shù)

F(X)=Σi=1cΣk∈Aiuik]]>

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

其次，搜索最優(yōu)小波分解Ω^*：

在小波包分解中，利用代價(jià)函數(shù)F(X)衡量每個(gè)分解子空間的分類能力；先選取代價(jià)函數(shù)最大的子空間，然后刪除該子空間的所有后代節(jié)點(diǎn)和前輩節(jié)點(diǎn)；再?gòu)氖Ｓ嗟淖涌臻g內(nèi)選取代價(jià)函數(shù)最大的子空間，然后再刪除該子空間的所有后代節(jié)點(diǎn)和前輩節(jié)點(diǎn)；重復(fù)上述過程直到?jīng)]有子空間可刪除為止，此時(shí)所有保留的節(jié)點(diǎn)組合就是本發(fā)明要搜索的最優(yōu)小波分解Ω^*；

再次，提取鑒別能力強(qiáng)的小波系數(shù)特征：

對(duì)于最優(yōu)小波分解空間內(nèi)的每個(gè)小波系數(shù)特征l，利用代價(jià)函數(shù)F(l)來評(píng)價(jià)它們的分類能力，并根據(jù)代價(jià)函數(shù)F(l)值的大小對(duì)這些特征進(jìn)行排序，提取鑒別能力強(qiáng)的小波系數(shù)特征。

3.按權(quán)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(dāng)輸入新樣本時(shí)按最優(yōu)小波分解Ω^*對(duì)新樣本進(jìn)行分解，再提取已定位的小波系數(shù)作為最終特征。