[發(fā)明專利]一種基于可學(xué)習(xí)分?jǐn)?shù)階小波變換的信號(hào)稀疏分解與重建系統(tǒng)及方法在審
| 申請(qǐng)?zhí)枺?/td> | 202310253733.5 | 申請(qǐng)日: | 2023-03-16 |
| 公開(公告)號(hào): | CN116484174A | 公開(公告)日: | 2023-07-25 |
| 發(fā)明(設(shè)計(jì))人: | 史軍;安思成;劉金龍;孫德華;李菲菲 | 申請(qǐng)(專利權(quán))人: | 哈爾濱工業(yè)大學(xué) |
| 主分類號(hào): | G06F18/10 | 分類號(hào): | G06F18/10;G06N3/0464;G06N3/084 |
| 代理公司: | 哈爾濱市陽光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211 | 代理人: | 劉景祥 |
| 地址: | 150001 黑龍*** | 國省代碼: | 黑龍江;23 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 學(xué)習(xí) 分?jǐn)?shù) 階小波 變換 信號(hào) 稀疏 分解 重建 系統(tǒng) 方法 | ||
1.一種基于可學(xué)習(xí)分?jǐn)?shù)階小波變換的信號(hào)稀疏分解與重建方法,其特征在于:
所述方法具體包括以下步驟:
S1、構(gòu)建訓(xùn)練數(shù)據(jù)樣本;針對(duì)于應(yīng)用場(chǎng)景采集訓(xùn)練信號(hào)s(t)作為網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)樣本;
S2、訓(xùn)練可學(xué)習(xí)分?jǐn)?shù)階小波變換深度卷積網(wǎng)絡(luò);
S3、采集S1訓(xùn)練數(shù)據(jù)樣本中的待稀疏分解與重建的信號(hào)
S4、將S1采集得到的待稀疏分解與重建的信號(hào)輸入S2訓(xùn)練完的可學(xué)習(xí)分?jǐn)?shù)階小波變換深度卷積網(wǎng)絡(luò)進(jìn)行稀疏分解與重建;
S5、輸出重建信號(hào)。
2.根據(jù)權(quán)利要求1所述方法,其特征在于:
在S2中包括以下步驟:
S21、對(duì)網(wǎng)絡(luò)中的角度參數(shù)α、分解層數(shù)L以及可學(xué)習(xí)參數(shù)進(jìn)行初始化:
S22、對(duì)S1中網(wǎng)絡(luò)中的可學(xué)習(xí)參數(shù)進(jìn)行訓(xùn)練;
用v代表迭代次數(shù),從v=1開始循環(huán)迭代;
S23、對(duì)輸入信號(hào)進(jìn)行分解得到所需的分解系數(shù)W=[cL,d1,d2,…,dL]:
S24、使用S23中得到的分解系數(shù)來進(jìn)行信號(hào)重建,得到重建信號(hào)
S25、根據(jù)S23中輸出的分解系數(shù)以及S24中輸出的重建信號(hào),通過目標(biāo)函數(shù)來計(jì)算當(dāng)前的目標(biāo)函數(shù)值,目標(biāo)函數(shù)為
其中,為網(wǎng)絡(luò)中所有的可學(xué)習(xí)參數(shù);
S26、由目標(biāo)函數(shù)的值,根據(jù)公式(5)對(duì)所有可學(xué)習(xí)參數(shù)進(jìn)行更新;
其中,v為當(dāng)前的迭代次數(shù),代表第v迭代中的第i個(gè)可學(xué)習(xí)參數(shù),μ為學(xué)習(xí)率,常用值為0.001,λ為動(dòng)量參數(shù),常用值為0.9,用于調(diào)整上一次迭代產(chǎn)生的梯度對(duì)當(dāng)前迭代梯度產(chǎn)生的影響,是目標(biāo)函數(shù)對(duì)的梯度值;
S27、判斷是否達(dá)到最大迭代次數(shù),若達(dá)到則訓(xùn)練完畢,否則返回S23繼續(xù)訓(xùn)練。
3.根據(jù)權(quán)利要求2所述方法,其特征在于:
在S21中具體包括以下步驟:
S211、根據(jù)輸入樣本的時(shí)頻特點(diǎn)來初始化網(wǎng)絡(luò)的角度參數(shù)α;
S212、根據(jù)訓(xùn)練樣本的長度以及應(yīng)用場(chǎng)景的需求初始化網(wǎng)絡(luò)中的分解層數(shù)L;
S213、對(duì)網(wǎng)絡(luò)中所有的卷積核進(jìn)行初始化,根據(jù)信號(hào)的特征來按照直觀設(shè)定卷積核的初始值,推薦的初始值為常用的小波函數(shù)所對(duì)應(yīng)的尺度濾波器和小波濾波器,
所述常用的小波有Morlet小波、Mexoican?hat小波以及Daubechies系列小波。
4.根據(jù)權(quán)利要求3所述方法,其特征在于:
在S23中具體包括以下步驟:
S231、對(duì)輸入信號(hào)進(jìn)行初始化,對(duì)網(wǎng)絡(luò)中的輸入使用公式進(jìn)行初始化;
初始化層數(shù)L=0,用c0,n,α代表輸入信號(hào)s[n];
S232、使用公式(1)和公式(2)計(jì)算本層分解得到的尺度系數(shù)和小波系數(shù);
S233、若分解層數(shù)已達(dá)到要求,則分解結(jié)束得到所有的分解系數(shù)W=[cL,d1,d2,…,dL];
否則,返回S232將本層輸出的尺度系數(shù)作為下一層的輸入。
5.根據(jù)權(quán)利要求4所述方法,其特征在于:
在S24中具體包括以下步驟:
S241、讀取S233分解系數(shù)W=[cL,d1,d2,…,dL];
S242、使用公式(3)來進(jìn)行重建;
S243、若重建完成,則最終的輸出則為重建信號(hào)
否則,使用當(dāng)前層重建得到的尺度系數(shù)和分解系數(shù)中與其對(duì)應(yīng)的小波系數(shù)作為下一層的輸入,返回S242繼續(xù)重建。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于哈爾濱工業(yè)大學(xué),未經(jīng)哈爾濱工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310253733.5/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)
- 電流模式五階Marr小波濾波器電路
- 一種利用小波計(jì)算導(dǎo)數(shù)檢測(cè)譜特征峰的方法
- 一種基于同步壓縮分?jǐn)?shù)階的小波變換方法
- 基于廣義尺度小波熵的心率變異性特征分類方法
- 環(huán)氧澆注絕緣件微小氣孔缺陷的超聲小波檢測(cè)方法
- 一種小波和有理數(shù)階偏微分聯(lián)合圖像增強(qiáng)方法
- 一種基于小波能量的心電信號(hào)去噪算法
- 基于平移不變分?jǐn)?shù)階小波稀疏表示的機(jī)械故障診斷方法
- 基于Legendre小波多分辨率分析的分?jǐn)?shù)階系統(tǒng)辨識(shí)方法
- 一種時(shí)間反轉(zhuǎn)和分?jǐn)?shù)階小波變換的水聲信號(hào)檢測(cè)方法





