一种ESMD样本熵结合FCM的电磁信号频谱数据分类方法与流程

技术特征：

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)；

$Q\left(I\right)\left\{\begin{array}{c}Q\left(1\right)=\{P\left(1\right),P\left(2\right),...,P\left(r\right)\}\\ Q\left(2\right)=\{P\left(2\right),P\left(3\right),...,P(r+1)\}\\ Q\left(3\right)=\{P\left(3\right),P\left(4\right),...,P(r+2)\}\\ ...\\ Q\left(i\right)=\{P\left(i\right),P(i+1),...,P(i+r-1)\}\\ ...\\ Q(N-r+1)=\{P(N-r+1),P(N-r+2),...,P\left(N\right)\}\end{array}\right.$

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))＝max_k∈[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K_i；

1≤K_i≤N-r；

步骤305、计算所有K_i与N-r+1的比值并计算平均值R^r(d₀)；

$R_i^r\left(d_0\right)=K_i/(N-r+1),1\≤i\≤N-r+1$

步骤306、利用平均值R^r(d₀)计算该固有模态函数分量X^*的样本熵SP(r,d₀,N)；

$SP(r,d_0,N)=-ln\frac{R^{r+1}\left(d_0\right)}{R^r\left(d_0\right)}$

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,...,SP_L]。