CN110503050A - 一种基于子带编码的振动信号感知哈希方法及系统 - Google Patents

Abstract

本公开公开了一种基于子带编码的振动信号感知哈希方法及系统，以解决振动监测中大数据量吞吐所导致的监测效率低下的问题。本公开通过小波包分解将振动信号映射到等带宽子带，并基于二维离散余弦变换进行特征提取，然后利用符号化聚合近似得到振动信号的感知哈希码。本公开能够有效降低数据维度，减少振动监测过程中的数据传输量，弱化对存储空间的要求，避免网络阻塞，提高计算效率，同时基于距离测度的定义能够满足对振动信号分类或设备状态识别的需要。

Description

一种基于子带编码的振动信号感知哈希方法及系统

技术领域

本公开涉及振动监测领域，特别是涉及一种基于子带编码的振动信号感知哈希方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

振动信号由于蕴含着丰富的设备状态信息而被广泛用于对旋转机械和往复机械的健康监测。但是，振动信号的采集一般需要较高的采样频率，这就带来了较大的数据吞吐量。例如：采样频率为20KHz的单通道振动采集，一分钟将产生1.2×106个数据采样点，如果采用4个字节存储1个浮点型振动采样，每天将产生1.6GB的数据。进一步地，如果考虑群设备或多点设备状态监测，例如化工行业中的泵群、风力发电场中的风机，每天产生的数据量将多达几TB。大数据量吞吐将极大降低设备状态监测的效率，主要表现在：1)多并发、高容量的数据传输容易导致网络阻塞，2)存储空间需求随采样通道和监测时长成指数增长，3)大量的原始数据将加剧设备状态识别中的计算负担。除此之外，对于一些基于无线蜂窝网络的设备状态监测场合，大数据量传输还会增加设备状态监测的成本。

为了提高设备状态监测效率，不同的技术方案被提出。一种方案是对采集振动信号进行压缩后进行传输。例如，专利号201910285252.6(一种基于振动信号的潮流能机机组实时状态监测方法)，通过压缩感知技术对采样振动信号进行压缩，传到计算中心后再进行还原和分析。可见，这一方案只是解决了数据传输的问题，忽视了数据存储和计算中存在的问题。另一种较为切实的方案是采用短时间、长间隔的数据采集降低采样数据量，同时通过特征提取进一步降低数据量。例如，专利号201811241647.8(一种滚珠丝杠副的在线状态监测方法)，每隔1分钟采集15秒的振动数据，并通过14个特征的提取来降低数据维度。但这种方案存在的问题是，由于某一种特征是对设备某一状态下动态特性某一方面的体现，在实际应用中往往需要针对具体对象进行有用特征的筛选，而有用特征的筛选又往往建立在对一定历史样本数据分析并获取经验积累的基础上，因此所提取和筛选的特征是否有效将极大制约设备状态监测的实施效果。

发明内容

为了克服上述现有技术的不足，本公开提供了一种基于子带编码的振动信号感知哈希方法及系统，通过小波包分解将振动信号映射到等带宽子带，并基于二维离散余弦变换进行特征提取，然后利用符号化聚合近似得到振动信号的感知哈希码。采用基于感知哈希码的符号化表示将极大降低数据维度，提高振动监测在数据存储、传输、计算方面的效率。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供一种基于子带编码的振动信号感知哈希方法，包括以下步骤：

步骤一：基于小波包变换将振动信号进行j层分解，得到2^j个子带的小波包系数；

步骤二：在第i个子带内，用小波包系数重构子带信号；

步骤三：将重构的子带信号分割成若干个等长时间序列，构建二维矩阵；

步骤四：对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵；

步骤五：从二维离散余弦变换系数矩阵中计算统计参数实现特征提取，构造子带特征向量；

步骤六：重复步骤二至步骤五，并将所有2^j个子带特征向量级联，构造特征向量；

步骤七：将特征向量进行符号化聚合近似，得到振动信号的感知哈希码；

步骤八：采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

作为可能的一些实现方式，所述步骤五中的统计参数包括但不限于在第i个子带中，二维离散余弦变换系数矩阵元素值绝对值和以及均方值。

作为可能的一些实现方式，所述步骤七还包括：

对特征向量进行归一化处理，得到归一化特征向量；

将归一化特征向量等分为若干段，并分别计算各段均值，得到归一化特征向量的分段聚合近似；

基于高斯分布假设，用p-1个断点将分段聚合近似的数值范围划分为p个等概率区间；

分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码。

作为可能的一些实现方式，所述步骤八中，基于振动信号的感知哈希码之间的距离测度可以用于包括但不限于最近邻算法的分类方法实现对振动信号的分类。

第二方面，本公开提供一种基于子带编码的振动信号感知哈希系统，包括，小波包分解模块，被配置为基于小波包变换将振动信号进行j层分解，得到2^j个子带的小波包系数；

重构子带信号模块，被配置为在第i个子带内，用小波包系数重构子带信号；

子带信号分割模块，被配置为将重构的子带信号分割成若干个等长时间序列，构建二维矩阵；

二维离散余弦变换模块，被配置为对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵；

特征提取模块，被配置为从二维离散余弦变换系数矩阵中计算统计参数实现特征提取，构造子带特征向量；

迭代计算模块，被配置为迭代计算，构造子带特征向量，并将所有2^j个子带特征向量级联，构造特征向量；

符号化聚合近似模块，被配置为将特征向量进行符号化聚合近似，得到振动信号的感知哈希码；

分类模块，被配置为采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

作为可能的一些实现方式，所述符号化聚合近似模块还包括：

对特征向量进行归一化处理，得到归一化特征向量；

将归一化特征向量等分为若干段，并分别计算各段均值，得到归一化特征向量的分段聚合近似；

基于高斯分布假设，用p-1个断点将分段聚合近似的数值范围划分为p个等概率区间；

分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

与现有技术相比，本公开的有益效果为：

本公开将振动信号通过子带编码方法转换为感知哈希码能够有效降低数据维度，从而减少振动监测过程中的数据传输量，弱化对存储空间的要求，避免网络阻塞，提高计算效率，同时基于距离测度的定义能够应用分类方法实现对振动信号的分类，满足对设备状态监测过程中设备状态识别的需要。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开基于子带编码的振动信号感知哈希方法流程图；

图2为美国西储大学的开放轴承数据集中在正常、内圈故障、外圈故障和滚动体故障四种轴承状态下采集的振动信号样本；

图3为外圈故障下振动信号5层分解后的第3个子带内所重构子带信号及信号分割示意图；

图4为图2中外圈故障下振动信号样本中提取得到特征向量；

图5(a)为从正常轴承状态振动信号所提取所有特征向量的三维瀑布图；

图5(b)为内圈故障下振动信号所提取所有特征向量的三维瀑布图；

图5(c)为外圈故障下振动信号所提取所有特征向量的三维瀑布图；

图5(d)为滚动体故障下振动信号所提取所有特征向量的三维瀑布图；

图6为图4所示外圈故障下振动信号所提取特征向量的符号化聚合近似示意图。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。

本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

实施例1

本公开提供一种基于子带编码的振动信号感知哈希方法，包括以下步骤：

步骤一：基于小波包变换将振动信号S进行j层分解，得到2^j个子带的小波包系数d_i，其中，i＝1,2,…,2^j；

步骤二：在第i个子带内，用小波包系数d_i重构子带信号S_i；

步骤三：将重构的子带信号分割成M个等长时间序列构建二维矩阵其中，长度为N，k＝1,2,…,M，振动信号长度L＝M×N；

步骤四：对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵f_i＝[f_i ¹；f_i ²；…；f_i ^M]；

步骤五：从二维离散余弦变换系数矩阵f_i中计算统计参数实现特征提取，构造子带特征向量其中，统计参数包括但不限于绝对值和均方值

步骤六：重复步骤二至步骤五，并将所有2^j个子带特征向量级联，构造特征向量

步骤七：将特征向量a进行符号化聚合近似，得到振动信号的感知哈希码H；

步骤八：采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

步骤七中具体包括以下步骤：

步骤7.1：对n维特征向量a进行归一化处理，得到归一化特征向量a′；

步骤7.2：将归一化特征向量a′等分为m段，并分别计算各段均值，得到归一化特征向量a′的分段聚合近似其中，各段均值的计算公式为：

步骤7.3：基于高斯分布假设，用p-1个断点{β₁,β₂,…,β_p-1}将分段聚合近似的数值范围划分为p个等概率区间；

步骤7.4：分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码H＝{h₁h₂ … h_m}，其中，感知哈希码各元素：

h_i＝alpha_j,当且仅当

其中，β_j-1和β_j代表所在概率区间的上下两个断点值。

通过在不同振动信号的感知哈希码之间定义距离测度可以实现对不同振动信号之间相似性的度量，

其中，距离测度定义为：x_i与y_i为感知哈希码x＝{x₁x₂ … x_m}与y＝{y₁y₂ … y_m}第i个元素，而dist()函数可以通过查询字符距离表格得到。

进一步地，通过将不同振动信号转换成感知哈希码，并基于感知哈希码之间的距离测度可以用包括但不限于最近邻算法的分类方法实现对振动信号的分类。

本公开方法适用于所有能够采用振动信号进行设备状态监测的领域，本公开将振动信号转换为感知哈希码，能够有效降低数据维度，减少振动监测过程中的数据传输量，弱化对存储空间的要求，避免网络阻塞，提高计算效率；

同时基于不同振动信号感知哈希码的距离测度应用于振动信号分类过程中，满足对设备状态监测过程中设备状态识别的需要。

以美国西储大学的开放轴承数据集作为本公开的应用示例。选取在正常、内圈故障、外圈故障和滚动体故障四种轴承状态下采集的振动信号，工况条件为空载、1797转每分钟，采样频率为12000Hz。四种轴承状态下振动信号样本如图2所示，其中每段振动信号样本的采样点为1024个点。现以图2中外圈故障条件下振动信号为例对基于子带编码的振动信号感知哈希处理方法进行说明。

步骤一：基于小波包变换将外圈故障下振动信号进行5层分解，得到2⁵＝32个子带的小波包系数d_i，其中，i＝1,2,…,32，则每个子带的带宽范围为187.5Hz；

步骤二：在第i个子带内，用小波包系数d_i重构子带信号S_i；

步骤三：选取参数M＝4将重构的子带信号分割成4个等长时间序列构建二维矩阵其中，长度为256，k＝1,2,…,4，原振动信号长度4×256＝1024；

在本实施例中，当i＝3时，在第3个子带内，重构子带信号S₃，并对其进行4个等长时间序列分割如图3所示，所构建的二维矩阵

步骤四：对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵f_i＝[f_i ¹；f_i ²；…；f_i ⁴]；

步骤五：从二维离散余弦变换系数矩阵f_i中计算统计参数实现特征提取，构造子带特征向量在本实施例中，所计算的统计参数选取绝对值和，其计算方法为

步骤六：重复步骤二至步骤五，得到所有32个子带特征向量并将所有32个子带特征向量级联，构造特征向量a＝[a₁；a₂；…；a₃₂]，由于每个子带特征向量a_i维度为4，则所构造特征向量a的维度为128；

在本实施例中，按照步骤一至步骤六，从外圈故障下振动信号中提取得到特征向量如图4所示。同样按照步骤一至步骤六，分别从正常、内圈故障、外圈故障和滚动体故障四种轴承状态下采集的振动信号中提取特征向量，并分别绘制三维瀑布图。其中，每种轴承状态下的振动信号样本数为118，特征向量维度，即特征向量数据点数均为128。

步骤七：将特征向量a进行符号化聚合近似，得到振动信号的感知哈希码H，具体包括以下步骤：

在本实施例中，仍以外圈故障下振动信号为例，通过其特征向量的符号化聚合近似步骤对振动信号感知哈希码的生成过程进行说明。

步骤7.1：对外圈故障下振动信号的128维特征向量a进行归一化处理，得到归一化特征向量a′；

步骤7.2：将归一化特征向量a′等分为32段，则每段包含4个数据点，并分别计算各段均值，得到归一化特征向量a′的分段聚合近似其中，各段均值的计算公式为：

步骤7.3：基于高斯分布假设，用7个断点{β₁,β₂,…,β₇}将分段聚合近似的数值范围划分为8个等概率区间；

步骤7.4：分别用8个字母{‘a’,‘b’,‘c’,‘d’,‘e’,‘f’,‘g’,‘h’}表示分段聚合近似的8个等概率区间，将各段均值用字母进行表示，得到感知哈希码H＝{h₁h₂ … h_m},其中，感知哈希码各元素：

h_i＝alpha_j,当且仅当

其中，β_j-1和β_j代表所在概率区间的上下两个断点值。

在本实施例中，外圈故障下振动信号特征向量a的符号化聚合近似过程如图6所示，在横轴方向上，将归一化特征向量a′进行了32段等分并计算各段均值，得到分段聚合近似在纵轴方向上基于高斯分布假设，利用7个断点{β₁,β₂,…,β₇}将分段聚合近似的数值范围划分为8个等概率区间；并用8个字母{‘a’,‘b’,‘c’,‘d’,‘e’,‘f’,‘g’,‘h’}自下而上表示，则得到各段均值所对应的字母表示；最终得到图2中外圈故障下振动信号特征向量a的符号化聚合近似表示，即感知哈希码为“ccccccccccccdhhhghhhfdcccccccccc”。至此，原1024个数据点的外圈故障下振动信号被转换为由32个字符组成的感知哈希码。

考虑到当前计算机至少需要4个字节存储一个浮点型数据，即如果振动信号采用浮点数据进行存储，1024个数据点的外圈故障下振动信号需占用4096个字节。然而感知哈希码可以采用ASCII码(American Standard Code for Information Interchange，美国信息互换标准代码)进行字符存储，这样字符型感知哈希码的数据占用空间变为原浮点型振动信号的1/128，从而减少振动监测过程中的数据传输量，弱化对存储空间的要求，避免网络阻塞，提高计算效率。

在将振动信号转换为感知哈希码的基础上，通过定义距离测度可实现对振动信号的相似性度量，并进一步可以实现对振动信号的分类。针对本实施例中的四种轴承状态下的振动信号，在转换成图5(a)-5(d)的特征向量的基础上，根据本实施例步骤7，可将所有特征向量进一步转换成长度为32的感知哈希码。其中感知哈希码中每个元素由8个字母{‘a’,‘b’,‘c’,‘d’,‘e’,‘f’,‘g’,‘h’}中的一个表示。感知哈希码x＝{x₁x₂ … x_m}与y＝{y₁y₂ …y_m}之间的距离测度定义为：针对本实施例中由8个字母表示的感知哈希码，dist()函数取值可以从表1中查询得到，例如：感知哈希码中第i个对应元素的字母分别为‘a’,‘b’，则查询表1得到：dist(a,b)＝0.2116。

表1用于dist()函数的字符距离表

基于MINDIST函数的定义，可以实现对正常、内圈故障、外圈故障和滚动体故障四种轴承状态下采集的振动信号的相似性度量。进一步地，可以应用包括但不限于最近邻算法的分类方法实现对振动信号的分类。在本实施例中，应用最近邻算法对正常、内圈故障、外圈故障和滚动体故障四种轴承状态下采集的振动信号进行分类，采集不同的振动信号，并预先设定最近邻个数值，分别选取振动信号的感知哈希码中训练集数据与测试集数据，在感知哈希码之间定于距离测度并应用于最近邻分类方法，将测试集数据与训练集数据感知哈希码之间的距离测度值按递增次序排序，按预先设定的最近邻个数值，取距离最小的训练集数据，为其最近邻域。在本实施例中，其中最近邻个数设为9个，从每种轴承状态下采集振动信号的感知哈希码中随机选取59个样本构造训练集数据，剩余样本作为测试集数据，进行20次分类验证，验证结果表明可以实现对四种轴承状态100％的分类精度。至此，在感知哈希码定义距离测度并应用分类算法来实现对振动信号的分类的可行性和有效性得到了验证，能够满足设备状态监测过程中对设备状态识别的需要。

实施例2

本实施例提供了一种基于子带编码的振动信号感知哈希系统，包括，

小波包分解模块，被配置为基于小波包变换将振动信号S进行j层分解，得到2^j个子带的小波包系数d_i，其中，i＝1,2,…,2^j；

重构子带信号模块，被配置为在第i个子带内，用小波包系数d_i重构子带信号S_i；

子带信号分割模块，被配置为将重构的子带信号分割成M个等长时间序列构建二维矩阵其中，长度为N，k＝1,2,…,M，振动信号长度L＝M×N；

二维离散余弦变换模块，被配置为对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵f_i＝[f_i ¹；f_i ²；…；f_i ^M]；

特征提取模块，被配置为从二维离散余弦变换系数矩阵f_i中计算统计参数实现特征提取，构造子带特征向量

迭代计算模块，被配置为重复上述操作，并将所有2^j个子带特征向量级联，构造特征向量

符号化聚合近似模块，被配置为将特征向量a进行符号化聚合近似，得到振动信号的感知哈希码H，

分类模块，被配置为采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

所述符号化聚合近似模块还包括：

对n维特征向量a进行归一化处理，得到归一化特征向量a′；

将归一化特征向量a′等分为m段，并分别计算各段均值，得到归一化特征向量a′的分段聚合近似

基于高斯分布假设，用p-1个断点{β₁,β₂,…,β_p-1}将分段聚合近似的数值范围划分为p个等概率区间；

分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码H＝{h₁h₂ … h_m}，其中，感知哈希码各元素：

h_i＝alpha_j,当且仅当

其中，β_j-1和β_j代表所在概率区间的上下两个断点值。

实施例3，本实施例还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成方法中的各个操作，为了简洁，在此不再赘述。

实施例4，本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成方法中的各个操作，为了简洁，在此不再赘述。

以上仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (8)

1.一种基于子带编码的振动信号感知哈希方法，其特征在于，

步骤一：基于小波包变换将振动信号进行j层分解，得到2^j个子带的小波包系数；

步骤二：在第i个子带内，用小波包系数重构子带信号；

步骤三：将重构的子带信号分割成若干个等长时间序列，构建二维矩阵；

步骤四：对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵；

步骤五：从二维离散余弦变换系数矩阵中计算统计参数实现特征提取，构造子带特征向量；

步骤六：重复步骤二至步骤五，并将所有2^j个子带特征向量级联，构造特征向量；

步骤七：将特征向量进行符号化聚合近似，得到振动信号的感知哈希码；

步骤八：采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

2.如权利要求1所述的一种基于子带编码的振动信号感知哈希方法，其特征在于，

所述步骤五中的统计参数包括但不限于在第i个子带中，二维离散余弦变换系数矩阵元素值绝对值和以及均方值。

3.如权利要求1所述的一种基于子带编码的振动信号感知哈希方法，其特征在于，

所述步骤七包括：

对特征向量进行归一化处理，得到归一化特征向量；

将归一化特征向量等分为若干段，并分别计算各段均值，得到归一化特征向量的分段聚合近似；

基于高斯分布假设，用p-1个断点将分段聚合近似的数值范围划分为p个等概率区间；

分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码。

4.如权利要求1所述的一种基于子带编码的振动信号感知哈希方法，其特征在于，

所述步骤八中，基于振动信号的感知哈希码之间的距离测度可以用于包括但不限于最近邻算法的分类方法实现对振动信号的分类。

5.一种基于子带编码的振动信号感知哈希系统，其特征在于，

小波包分解模块，被配置为基于小波包变换将振动信号进行j层分解，得到2^j个子带的小波包系数；

重构子带信号模块，被配置为在第i个子带内，用小波包系数重构子带信号；

子带信号分割模块，被配置为将重构的子带信号分割成若干个等长时间序列，构建二维矩阵；

二维离散余弦变换模块，被配置为对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵；

特征提取模块，被配置为从二维离散余弦变换系数矩阵中计算统计参数实现特征提取，构造子带特征向量；

迭代计算模块，被配置为迭代计算，构造子带特征向量，并将所有2^j个子带特征向量级联，构造特征向量；

符号化聚合近似模块，被配置为将特征向量进行符号化聚合近似，得到振动信号的感知哈希码；

分类模块，被配置为采集不同的振动信号，基于振动信号的感知哈希码之间的距离测度完成对振动信号的分类。

6.如权利要求5所述的一种基于子带编码的振动信号感知哈希系统，其特征在于，

所述符号化聚合近似模块还包括：

对特征向量进行归一化处理，得到归一化特征向量；

将归一化特征向量等分为若干段，并分别计算各段均值，得到归一化特征向量的分段聚合近似；

基于高斯分布假设，用p-1个断点将分段聚合近似的数值范围划分为p个等概率区间；

分别用p个字母表示分段聚合近似的p个等概率区间，将各段均值用字母进行表示，得到感知哈希码。

7.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-4任一项方法所述的步骤。

8.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-4任一项方法所述的步骤。