专利交易市场

本发明公开了一种应用于超声波局放检测的特征值提取方法，本发明采用了小波包分解和基于互信息量的IMF分量筛选方法，先进行小波包分解，对信号进行初步的频率划分，以便得到单频成分的IMF分量，降低EMD分解信号的初始带宽，从而更加精确地分解超声波信号，然后运用互信息量的方法有效地解决了EMD分解中存在的模态混叠和虚假IMF分量的问题，提高了时频分析的精确度，更有效地提取了波形特征，最后运用神经网络对超声波局放信号进行分类。

本发明公开了一种GIS特高频局部放电信号的特征提取方法及装置，涉及电气数据处理领域，包括：采用中心频率法对VMD算法的模态分量个数K进行优化，得到最佳K值；利用模态分量个数为最佳K值的VMD算法对特高频局部放电信号进行分解，得到K个本征模态函数分量；分别对每个本征模态函数分量进行不同类型的熵计算，得到不同类型的特征变量在每个本征模态函数分量的值并构建特征矩阵；将特征矩阵输入到基于样本协方差矩阵的动态网络标志物模型中提取到主导特征变量以及其对应的关键网络标记，计算主导特征变量之间的关联性量化指标，基于关键网络标记与关联性量化指标构建所提取的关键特征。本发明解决特征表达的鲁棒性不足等问题。

本发明公开了基于脉搏信号特征提取的身份识别方法。该方法首先对原始脉搏波形进行FIR带通滤波，使用平均幅度差函数算法对滤波后的脉搏波形进行变换，通过变换波形的相邻极小值的时间差和采样率获得瞬时脉搏周期，根据瞬时脉搏周期进行每一帧脉搏波形的周期分割；对预处理后的脉搏波形进行特征提取，包括脉率特征、极值特征、曲率特征、能量特征以及子带谱特征；以每6周波作为一个样本，对所有训练样本的上述5种特征分别进行高斯统计建模；最后基于最大似然度进行身份ID识别，即对测试样本的5种特征分别按照每个目标人对应的5个高斯概率密度模型进行适配，计算5种特征的高斯概率密度乘积，将乘积最大值对应的身份ID作为识别结果。

本发明公开了一种基于后缀树的故障信号特征提取方法、系统、装置及介质，方法包括：获取待诊断的第一故障信号，对第一故障信号进行编码得到第一时域信号；通过后缀树算法对第一时域信号进行分解，得到多个故障波形信息和对应的时刻信息，根据故障波形信息和时刻信息构建第一后缀树；对第一后缀树的各个节点进行遍历，获取重复出现的故障波形信息作为故障重复波形，确定故障重复波形的重复时间序列；根据故障重复波形和/或重复时间序列确定第一故障信号的故障信号特征。本发明获取故障重复波形和重复时间序列两个不同尺度的信息，避免了傅里叶算法的混叠现象产生的误差，提高了故障信号特征提取的准确性和可靠性，可广泛应用于故障检测技术领域。