[發明專利]一種基于LSTM網絡EMD端點效應抑制方法

有效

• 申請號: 202010139218.0
• 申請日: 2020-03-03
• 公開（公告）號: CN113362853B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 劉福來;胡忠意;杜瑞燕;張艾怡;黃彩梅;徐嘉良
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G10L25/30
• 分類號: G10L25/30;G10L25/51;G06N3/04
• 代理公司: 中國商標專利事務所有限公司 11234
• 代理人: 姜司晨

1.一種基于LSTM網絡EMD端點效應抑制方法，其特征在于：所述方法步驟如下：

S1，根據信號的頻率估計信號周期，選定LSTM網絡時間步長；

S2，利用所選定的時間步長，對接收到的混合信號數據進行LSTM網絡處理，將數據兩端分別延拓半個周期數據，并在延拓后的數據中選取極值點，保留兩端極值點間數據；

S3，對兩端極值點間數據進行EMD分解，得到本征模態函數(IMF)；

S4,通過主成分分析(PCA)對IMF進行降維，以獲得合適的IMF分量，并對其進行獨立成分分析(ICA)，從而得到分離出的源信號；

S5，對接收復雜聲音環境下的混合聲音進行分離，得到各分離聲音信號，以便于對設備產生的聲音進行特征分析；

所述步驟S2中利用所選定的時間步長對接收到信號的離散化序列x(n)進行LSTM處理，首先將x(n)處理為長度為S的輸入序列，第1個到第N個數據作為第一個輸入序列，依次順延即：(x₁(n)＝]x(1),x(2),…,x(S+1)],x₂(n)＝[x(2),x(3),…,(S+1)],…,x_N-S(n)＝[x(N-S),x(N-S+1),…,x(N)])，然后將上述序列作為LSTM網絡的輸入，根據每一個時間點的輸出和x(n)的差值不斷更新神經網絡的權重和偏置，再根據序列x_N-S(n)＝[x(N-S),x(N-S+1),…,x(N)]預測下一個數據點得到x(N+1)，最后根據預測的數據點x(N+1)構造新的輸入序列x_N-S+1(n)＝[x(N-S+1),x(N-S+2),…,x(N+1)]，連續預測數據至向右端延拓半個周期長度，即得到x(N+S/2)，通過同樣的方法得到序列左端延拓后序列；找到延拓后信號的局部最大值(或最小值)點，并將其作為新的端點截取作為新的延拓信號。

2.根據權利要求1所述的一種基于LSTM網絡EMD端點效應抑制方法，其特征在于：所述步驟S1根據估計接收信號的周期，確定LSTM網絡模型的時間步長，在同一個模型中，根據信號的周期性，通過信號的各頻率分量計算出混合信號的一個周期，并根據一個周期的采樣點數來選定LSTM網絡時間步長，提高模型的預測精度。