一种低信噪比超短时信号的分类方法及系统

本发明属于时序信号分析领域，具体涉及一种低信噪比超短时信号的分类方法及系统。

背景技术：

1、基于时序信号分类的监测与控制系统在生活与生产中具有广泛的应用场景，例如，通过对心电的实时监测判断病人的健康状况；通过分类脑电信号并转化为指令用于控制外部设备；通过齿轮轴承的震动时间序列判断其工作状态，从而实现故障预警；通过电压电流传感阵列判断电网故障等。

2、近年来，深度学习网络被应用于各种时序信号的预测与分类，表现出优异的性能并开始部署于实际场景中。然而，在高噪声环境中采集的时序信号具有极低的信噪比，难以被各种基于深度学习网络的分类模型快速分类。具体来说，分类模型需要从足够时长的低信噪比信号中提取有用信息才能获得令人满意的分类精度，这导致监测和控制的显著滞后。这一棘手的问题在基于运动想象脑电图(eeg)信号的脑机接口(bci)中尤为突出。

3、eeg是一种典型的低信噪比信号。运动想象eeg信号在被试者想象不同运动时采集，经分类鉴别后转换为不同的控制指令。目前，绝大多数研究集中在对约3秒时长的样本的分类上。这意味着，当bci的实用者想控制外部设备时，需要持续3秒想象某个动作。如此滞后的控制无法满足大多实际场景的需要，同时用户体验极差。少数研究者尝试对1.5秒左右的样本进行分类，未获得令人满意的结果。

技术实现思路

1、针对现有基于时序信号分类的监测与控制系统所存在的问题，本发明的目的在于提供一种低信噪比超短时信号的分类方法及系统，本发明能够对低信噪比超短时信号进行实时分类。

2、本发明采用的技术方案如下：

3、一种低信噪比超短时信号的分类方法，包括如下过程：

4、对低信噪比超短时信号的窄带信号的双点对进行采样，根据采样值计算特征向量；所述双点对为低信噪比超短时信号的任意两个采样点，所述特征向量由多个双点对的特征幅值组成；

5、利所述特征向量对所述低信噪比超短时信号进行分类。

6、优选的，本发明低信噪比超短时信号的分类方法，还包括如下过程：将所述低信噪比超短时信号分解为多个窄带分量；

7、对低信噪比超短时信号的窄带信号的双点对进行采样时，利用上述分解得到的窄带分量的双点对进行采样。

8、优选的，本发明低信噪比超短时信号的分类方法还包括对低信噪比超短时信号的预处理过程，对低信噪比超短时信号进行预处理时，滤除低信噪比超短时信号中的直流偏置和干扰的固定频率噪声；

9、当低信噪比超短时信号为宽带信号时，将预处理后的低信噪比超短时信号分解为多个窄带分量，再利用分解得到的窄带分量的双点对进行采样；

10、当低信噪比超短时信号为窄带信号时，将预处理后的低信噪比超短时信号分解为多个窄带分量，再利用分解得到的窄带分量的双点对进行采样；

11、或者，当低信噪比超短时信号为窄带信号时，将预处理后的低信噪比超短时信号的双点对直接进行采样；

12、上述表述中，窄带分量是分解得到的窄带信号。

13、优选的，双点对的特征幅值a通过下式计算：

14、

15、其中，p1和p2分别表示所述双点对中两个采样点的采样值，ω表示窄带信号的中心角频率，δt表示双点对中两个采样点的时间间隔。

16、本发明还提供了一种低信噪比超短时信号的分类系统，包括：

17、特征提取模块：对低信噪比超短时信号的窄带信号的双点对进行采样，根据采样值计算特征向量；所述双点对为低信噪比超短时信号的任意两个采样点，所述特征向量由多个双点对的特征幅值组成；

18、分类模块：用于利用所述特征向量对所述低信噪比超短时信号进行分类。

19、优选的，所述特征提取模块包括分组空洞卷积层、平方激活函数和开平方激活函数；

20、分组空洞卷积层用于从单个窄带信号中提取多个连续的双点对，分组空洞卷积层中每组有两个卷积核，卷积核空洞率设置为δn＝fs×δt，所有双点对的时间间隔δt相等，任意一个窄带信号的特征幅值计算过程如下式：

21、

22、其中，v11和v12分别表示每个窄带信号对应的两个卷积核中第一个卷积核的两个可训练参数，能够被初始化为或被随机初始化；v21和v22分别表示所述每个窄带信号对应的两个卷积核中第二个卷积核的两个可训练参数，能够初始化为和或被随机初始化，ω表示窄带信号的中心角频率。

23、优选的，本发明低信噪比超短时信号的分类系统还包括：

24、分解模块：用于将低信噪比超短时信号分解为多个窄带分量；对低信噪比超短时信号的窄带信号的双点对进行采样时，利用上述分解得到的窄带分量的双点对进行采样。

25、优选的，所述分解模块包括频域分解卷积层，频域分解卷积层通过一组时域带通滤波器将低信噪比超短时信号分解为多个窄带信号；

26、所述频域分解卷积层的卷积核被初始化为一个滤波器组，所述滤波器组包含若干个预设长度的有限冲激响应带通滤波器，有限冲激响应带通滤波器h[n]的计算公式如下：

27、

28、其中，fh表示窄带信号上限截止频率，fl表示窄带信号下限截止频率，fs表示采样频率，n为数组h[n]的索引，n＝0,1,2,…,n-1，n为有限冲激响应带通滤波器的长度。

29、优选的，本发明低信噪比超短时信号的分类系统还包括：

30、预处理模块：用于滤除低信噪比超短时信号中的直流偏置和干扰的固定频率噪声；

31、当低信噪比超短时信号为宽带信号时，通过分解模块将预处理后的低信噪比超短时信号分解为多个窄带分量，通过特征提取模块对分解得到的窄带分量的双点对进行采样；

32、当低信噪比超短时信号为窄带信号时，通过分解模块将预处理后的低信噪比超短时信号分解为多个窄带分量，通过特征提取模块对分解得到的窄带分量的双点对进行采样；

33、或者，当低信噪比超短时信号为窄带信号时，预处理模块将预处理后的低信噪比超短时信号传输给特征提取模块，特征提取模块再利用预处理后的低信噪比超短时信号的双点对进行采样。

34、优选的，所述分类模块通过全连接层和softmax激活函数为特征向量预测一个子标签，通过所有子标签对低信噪比超短时信号进行分类。

35、本发明具有如下有益效果：

36、在低信噪比信号分类问题中，将被分类的信号裁剪为多个片段分别提取特征再进行组合，是一种常用的技术手段。但是，当低信噪比信号本身的时长过短时，则无法通过裁剪获得足够多且足够长的片段。通过裁剪低信噪比短时信号获得的片段太短，以至于通过现有的特征提取方法无法获得高质量的特征，显著降低了分类精度。为解决上述问题，本发明以低信噪比短时信号的任意两个采样值组成的双点对代替裁剪获得的片段。本发明可充分利用两个采样值的信息提取可以表征低信噪比超短时信号的特征，进而得到具有足够高置信度的分类结果。具体来说，对于信号的低信噪比问题，不同时刻采样的双点对包含相同的对分类有用的信息和不同的噪声干扰信息，联合多个双点对的通过该算法提取的特征，可以突出其中相同的有用信息同时抑制噪声干扰信息。同时，即使是超短时长的信号，也可以采样获得足够多的双点对，组成的大数据集更有利于分类系统的训练，进而获得最优的参数。