[發明專利]基于字典學習的分布式布里淵頻移提取方法及其裝置在審
| 申請號: | 202110994828.3 | 申請日: | 2021-08-27 |
| 公開(公告)號: | CN113742651A | 公開(公告)日: | 2021-12-03 |
| 發明(設計)人: | 林俊逸;龍葵;李秋惠;藍海森 | 申請(專利權)人: | 廣東電網有限責任公司;廣東電網有限責任公司東莞供電局 |
| 主分類號: | G06F17/16 | 分類號: | G06F17/16;G06K9/62 |
| 代理公司: | 北京品源專利代理有限公司 11332 | 代理人: | 馬迪 |
| 地址: | 510000 廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 字典 學習 分布式 布里淵頻移 提取 方法 及其 裝置 | ||
1.一種基于字典學習的分布式布里淵頻移提取方法,其特征在于,包括:
獲得三維布里淵增益譜;
根據字典學習算法訓練所述三維布里淵增益譜,獲得對應所述三維布里淵增益譜的過完備字典域的稀疏系數;
根據所述稀疏系數調整所述三維布里淵增益譜,降低布里淵頻移與布里淵增益譜數據的非線性;
根據所述字典學習算法訓練調整后的所述三維布里淵增益譜,得到所述布里淵增益譜物理特征參數。
2.根據權利要求1所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,所述字典學習算法包括K-均值奇異值分解算法;
根據字典學習算法訓練所述三維布里淵增益譜,獲得對應所述三維布里淵增益譜的過完備字典域的稀疏系數,包括:
固定所述字典學習算法的迭代過程的稀疏度;
根據所述K-均值奇異值分解算法及所述稀疏度計算獲得過完備字典域的稀疏系數;其中,所述稀疏系數包括增益系數、第一稀疏系數和第二稀疏系數。
3.根據權利要求2所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,根據所述稀疏系數調整所述三維布里淵增益譜,包括:
將所述增益系數作為已知參量,重新調整所述三維布里淵增益譜,使所述三維布里淵增益譜與所述第一稀疏系數和所述第二稀疏系數相關。
4.根據權利要求3所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,根據所述字典學習算法訓練調整后的所述三維布里淵增益譜,得到所述布里淵增益譜物理特征參數,包括:
根據布里淵增益譜的洛倫茲分布表達式,對所述字典學習算法的輸入數據進行預處理,將所述輸入數據轉換為布里淵頻移與布里淵增益譜譜寬表達式;
根據預處理后的所述布里淵增益譜進行矩陣變換,使所述第一稀疏系數為奇異值矩陣,第二稀疏系數的倒數為對角矩陣,獲取矩陣布里淵增益譜;
根據所述奇異值矩陣提取布里淵頻移;其中,所述布里淵頻移與所述洛倫茲力公式中的布里淵頻移具有一致性。
5.根據權利要求4所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,所述矩陣布里淵增益譜為掃描頻率矩陣減去單位矩陣與所述第一稀疏系數的奇異值矩陣的積后與第二稀疏系數的倒數的對角矩陣的乘積。
6.根據權利要求5所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,所述矩陣布里淵增益譜的表達式為:
其中,所述矩陣布里淵增益譜的表達式包括掃描頻率矩陣、布里淵頻移矩陣和布里淵增益譜譜寬矩陣;所述掃描頻率矩陣的每一列在所述字典學習計算過程可作為一個常量;布里淵頻移矩陣為奇異值矩陣的分布;布里淵增益譜譜寬的倒數為對角矩陣。
7.根據權利要求4所述的基于字典學習的分布式布里淵頻移提取方法,其特征在于,根據所述奇異值矩陣提取布里淵頻移包括:
將所述三維布里淵增益譜的峰值增益設置為已知量;
設置所述字典學習算法的稀疏度;
根據所述字典學習算法以稀疏系數形式提取所述奇異值矩陣的所述布里淵頻移。
8.一種基于字典學習的分布式布里淵頻移提取裝置,其特征在于,包括布里淵光時域分析模塊、字典學習算法模塊、調整模塊和提取模塊;
所述布里淵光時域分析模塊用于獲得三維布里淵增益譜;
所述字典學習算法模塊用于根據字典學習算法訓練所述三維布里淵增益譜,獲得對應所述三維布里淵增益譜的過完備字典域的稀疏系數;
所述調整模塊用于根據所述稀疏系數調整所述三維布里淵增益譜,降低布里淵頻移與布里淵增益譜數據的非線性;
所述提取模塊用于根據所述字典學習算法訓練調整后的所述三維布里淵增益譜,得到所述布里淵增益譜物理特征參數。
9.根據權利要求8基于字典學習的分布式布里淵頻移提取裝置,其特征在于,所述調整模塊包括線性單元,
所述線性單元用于將所述增益系數作為已知參量,重新調整所述三維布里淵增益譜,使所述三維布里淵增益譜與第一稀疏系數和第二稀疏系數相關。
10.根據權利要求9基于字典學習的分布式布里淵頻移提取裝置,其特征在于,所述提取模塊包括預處理單元、分解單元和提取單元;
所述預處理單元用于根據布里淵增益譜的洛倫茲分布表達式,對所述字典學習算法的輸入數據進行預處理,將所述輸入數據轉換為布里淵頻移與布里淵增益譜譜寬表達式;
所述分解單元用于根據預處理后的所述布里淵增益譜進行矩陣變換,使所述第一稀疏系數為奇異值矩陣,第二稀疏系數的倒數為對角矩陣,獲取矩陣布里淵增益譜;
所述提取單元用于根據所述奇異值矩陣提取布里淵頻移;其中,所述布里淵頻移與所述洛倫茲力公式中的布里淵頻移具有一致性。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東電網有限責任公司;廣東電網有限責任公司東莞供電局,未經廣東電網有限責任公司;廣東電網有限責任公司東莞供電局許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110994828.3/1.html,轉載請聲明來源鉆瓜專利網。





