[發明專利]基于可預測性分析的信號成分特性的辨識方法

無效

• 申請號: 201210069996.2
• 申請日: 2012-03-16
• 公開（公告）號: CN102608921A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 包飛;陳潛
• 申請（專利權）人: 上海無線電設備研究所
• 主分類號: G05B17/02
• 分類號: G05B17/02
• 代理公司: 上海信好專利代理事務所(普通合伙) 31249
• 代理人: 張妍;張靜潔

技術領域

本發明涉及信號處理領域，尤其涉及一種基于可預測性分析的信號成分特性的辨識方法。

背景技術

隨著非線性動力學的快速發展，人們對于信號特性的理解更加深入。非線性研究中的混沌理論研究表明，?一些表面十分復雜的隨機過程往往只是由一些簡單的規則物理規律產生的。對于這類具有規則非線性結構的信號，傳統的線性信號分析手段很難直接對其有效處理，必須借助特定的非線性處理手段才能透過復雜的表象去觀察其本質的規律性。

在對信號進行行之有效的處理之前，必須明確的辨識信號的特性，判斷所分析處理的信號其究竟是確定性線性信號、確定性非線性信號還是隨機過程。對于確定性線性信號的信號特性和參數的辨識方法一般采用功率譜估計，但是這類方法無法區分確定性非線性信號和隨機過程。對于確定性非線性信號的辨識一般采用在其重構相空間內的進行幾何規則度的測量，但是此類方法需要在重構相空間時精確獲得嵌入維數和延遲時長的參數值，這在實際應用中難以準確估計；同時這類方法需要盡可能長的數據長度和較高的計算代價，這使得此類方法很難保證實際應用中的實時性。

發明內容

本發明提供的一種基于可預測性分析的信號成分特性的辨識方法，提供了一種具有簡便計算流程的信號特性辨識方法，以實現對信號特性進行準確高效的識別。

為了達到上述目的，本發明提供一種基于可預測性分析的信號成分特性的辨識方法，該方法包含以下步驟：

步驟1、輸入待辨識信號x(t)；

步驟2、利用線性預測模型和非線性預測模型對所分析信號按照遞增的預測階數進行預測序列的估計；

步驟3、記錄線性預測模型和非線性預測模型在不同預測階數下的預測誤差，分別獲得線性預測和非線性預測的“預測階數——誤差”關系曲線；

步驟4、提取線性預測和非線性預測獲得的“預測階數——誤差”關系曲線的變化趨勢，進行信號特性的辨識判斷，判斷信號是確定性線性信號，還是確定性非線性信號，還是隨機過程。

所述的步驟2包含以下步驟：

步驟2.1、利用線性預測模型進行線性預測分析；

線性預測模型的基本原理是時間序列x(t)中任意時刻的值x(t_i)可以由其前面P個值的線性組合表示，即：

?????????????????????????????????????????????（1）

其中，a_i為預測系數，τ為采樣間隔，P為線性組合的維度，也代表了線性預測系統的階數；

利用公式（1），預測系數就可以通過最小二乘的方法獲得，通過得到的預測系數就可以完成對未來的點預測，得到對應于原時間序列各個采樣點通過一步預測得到的預測值組成的時間序列：

?????????????????????????????????????????????（2）

步驟2.2、利用非線性預測模型進行非線性預測分析；

根據相空間重構理論，原時間序列x(t)?(t=1,2,…,n)可以經過延遲得到一系列向量：

????????????????????????（4）

其中，d為嵌入維，τ?為延遲時間，K為非線性預測系統的階數；

假設對于給定時刻t，向量具有K>d個由歐幾里得范數確定的鄰近點，通過這些鄰近點，利用局域線性模型進行擬合，則可以獲得未來的信息，即：

????????????????????????????????????????（5）

只要K>d+1，預測系數就可以通過最小二乘的方法獲得，通過得到的預測系數就可以完成對未來的點預測，得到對應于原時間序列各個采樣點通過一步預測得到的預測值組成的時間序列：

????????????????????????????????????????（6）。

所述的步驟2.1和步驟2.2同時進行。

所述的步驟2.1包含以下步驟：

步驟2.1.1、首次預測的線性預測階數設為P=2；

步驟2.1.2、進行線性預測分析，獲得預測時間序列；

步驟2.1.3、計算預測誤差：