1.一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法,其特征在于:具体步骤如下:
步骤一、利用频谱仪分别测量不同的电磁设备,获取电磁信号的频谱数据;
所有的频谱数据数量为M;
步骤二、对每种电磁设备的每种频谱数据,分别用ESMD方法进行分解,获得各频谱数据的固有模态函数分量;
步骤三、对每种电磁设备的每种频谱数据,利用固有模态函数分量的样本熵作为特征,构成该频谱数据的特征向量;
步骤四、将M个频谱数据的样本熵向量输入到FCM算法,输出最优隶属度矩阵和最优聚类中心;
步骤五、根据最优隶属度矩阵和最优聚类中心,分析电磁信号频谱数据的分类结果。
2.如权利要求1所述的一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法,其特征在于:所述步骤二具体为:
步骤201、针对某种频谱数据s,获取全部极大值点和极小值点,并用直线连接相邻的极大值点和极小值点,得到一系列极值点的中点;
频谱数据s中的数据点数量为N;中点为相邻极大值点和极小值点的中间值;
步骤202、针对所有中点进行三次样条插值得到均值曲线X*;
步骤203、判断均值曲线X*的幅值|X*|是否小于给定精度τ,如果是,进入步骤204,否则进入步骤205;
步骤204、X*为频谱数据s的一个固有模态函数分量;
X*的数据点数量为N;
步骤205、计算s*=s-X*作为新的频谱数据,返回步骤201,重新获取固有模态函数分量;
最终频谱数据s得到的固有模态函数分量为L个,L≤log2N。
3.如权利要求1所述的一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法,其特征在于:所述步骤三具体为:
步骤301、针对频谱数据s中,某个固有模态函数分量X*的所有数据点,构成r维数据点列集合Q(I);
r是指每维数据点列Q(i)的长度;数据点列集合Q(I)的数据点列个数为N-r+1;
步骤302、依次选取数据点列集合Q(I)中的数据点列Q(i)作为当前数据点列,分别与其余所有数据点列一一做差;
步骤303、将每次作差的两个数据点列作为一组,将该组中的数据点分别一一对应作差,并选择最大差值作为当前两个数据点列之间的距离;
当前两个数据点列分别为Q(i)和Q(j)时的距离d(Q(i),Q(j))计算公式如下:
d(Q(i),Q(j))=maxk∈[0,r-1](|P(i+k)-P(j+k)|)
步骤304、确定与当前数据点列Q(i)的距离d(Q(i),Q(j))≤d0的Q(j)数目Ki;
1≤Ki≤N-r;
步骤305、计算所有Ki与N-r+1的比值并计算平均值Rr(d0);
步骤306、利用平均值Rr(d0)计算该固有模态函数分量X*的样本熵SP(r,d0,N);
步骤307、重复上述步骤,计算频谱数据s的所有固有模态函数分量的样本熵向量SE作为频谱数据s的特征向量;
SE=[SP1,...,SPL]。