CN113283413A - 脉冲波形模板库的创建方法、系统、存储介质及设备 - Google Patents

脉冲波形模板库的创建方法、系统、存储介质及设备 Download PDF

Info

Publication number
CN113283413A
CN113283413A CN202110842231.7A CN202110842231A CN113283413A CN 113283413 A CN113283413 A CN 113283413A CN 202110842231 A CN202110842231 A CN 202110842231A CN 113283413 A CN113283413 A CN 113283413A
Authority
CN
China
Prior art keywords
waveform
skeleton
template
framework
pulse
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110842231.7A
Other languages
English (en)
Other versions
CN113283413B (zh
Inventor
张软玉
冯灏
曾阳阳
付佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maple Valley Chengdu Technology Co ltd
Original Assignee
Maple Valley Chengdu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Maple Valley Chengdu Technology Co ltd filed Critical Maple Valley Chengdu Technology Co ltd
Priority to CN202110842231.7A priority Critical patent/CN113283413B/zh
Publication of CN113283413A publication Critical patent/CN113283413A/zh
Application granted granted Critical
Publication of CN113283413B publication Critical patent/CN113283413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种脉冲波形模板库的创建方法,涉及数字信号分析与处理技术领域,包括以下步骤:步骤1,将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;步骤2,提取空域内二维波形图像的骨架,得到波形骨架;步骤3,在波形骨架中找到波形骨架的波峰,确定波峰的坐标;步骤4,基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;步骤5,如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。本发明还公开系统、存储介质及设备。本发明利用预采样或历史数据训练波形识别的AI算法,获得足够多参数不同的波形模板,构建脉冲波形模板库。

Description

脉冲波形模板库的创建方法、系统、存储介质及设备
技术领域
本发明属于数字信号分析与处理技术领域,具体涉及脉冲波形模板库的创建方法、系统、存储介质及设备。
背景技术
在互联网和物联网的终端分布着大量形态和功能各异的传感器,不同传感器输出携带不同物理信息的脉冲信号,这些信号往往是模拟信号,在网络布局中,传感器近端会紧跟波形数字化装置,将传感器输出的模拟信号尽快通过模/数转换变换成数字信号,这些数字信号有如下共性:
1)这时的数字信号可以由一系列(时间,幅度)数据序列表示,称为时域信号;
2)模拟信号在被数字化的过程中会引入数字噪声。数字化噪声随着模拟/数字转换中采样频率和变换位数的提高而减小,但减小数字化噪声的代价是数据量大大增多,给后续的传输和数据处理带来负担,形成了采样精度和数据量之间的矛盾;
3)同一台传感器输出的不同类型的物理脉冲波形形状不尽相同,同一台传感器输出的同一种物理信号的形状则高度相似。
根据传感器输出的物理信号的上述特点,本发明提出了一种方法,令传感器预采样足够的脉冲数据量,将预采样获得的物理脉冲数字化后转换为波形图像,训练基于AI的图形识别算法,根据该传感器输出信号波形形状特征,建立由多种波形形状组成的波形模板库,并根据波形模板设计脉冲信号指纹编码,在后续正式测量时,通过对每个信号进行模板比对,可以得到该信号的指纹编码数据,并用指纹编码代替信号时域数据完成信号传输。
发明内容
本发明的目的在于:提供一种脉冲波形模板库的创建方法、系统,其利用预采样或历史数据训练波形识别的AI算法,获得足够多参数不同的波形模板,构建脉冲波形模板库。后续在正式测量时,可通过对获取信号波形进行指纹识别,用每个信号的指纹编码代替波形数据完成信号传输。这样做可以在保证数字信号精度的同时大大减少信号数据量,同时还实现了对信号的加密。
本发明通过下述技术方案实现:
一种脉冲波形模板库的创建方法,包括以下步骤:
步骤1,将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵,M、N均为正整数;
步骤2,提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数;
步骤3,在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数;
步骤4,基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;
步骤5,如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
所述步骤2中,采用shrink算法提取空域内二维波形图像的骨架。
所述步骤5还包括:
将存入脉冲波形模板库的定值波形模板与其相对应的数字化脉冲的时域数据序列相关联,并将关联后的时域数据序列存储。
所述步骤3包括如下步骤:
步骤31,基于波峰的坐标,通过(1)式得到波形骨架的起点坐标的纵坐标ys,波形骨架的ys行的像素所对应的横坐标中最小值为波形骨架的起点坐标的横坐标xs;基于波峰的坐标,通过(2)式得到波形骨架的终点坐标的纵坐标ye,波形骨架的ye行的像素所对应的横坐标中最大值为波形骨架的终点坐标的横坐标xe;基于起点坐标和终点坐标,通过(3)式得到波形骨架的宽度pw;
Figure 612801DEST_PATH_IMAGE001
(1)
Figure 341723DEST_PATH_IMAGE002
(2)
Figure 358220DEST_PATH_IMAGE003
(3)
(1)式和(2)式中,p1、p2为待定系数;
步骤32,将波形骨架分割为上升沿、峰部、下降沿,其峰部的起始位置和终止位置坐标分别对应为(xms,yms)和(xme,yme),其峰部宽度为pwm;其中,基于波峰的坐标,通过(4)式得到波形骨架的峰部的起始位置坐标的纵坐标yms,波形骨架的yms行的像素所对应的横坐标中最小值为波形骨架的峰部的起始位置坐标的横坐标xms;基于波峰的坐标,通过(5)式得到波形骨架的峰部的终止位置坐标的纵坐标yme,波形骨架的yme行的像素所对应的横坐标中最大值为波形骨架的峰部的终止位置坐标的横坐标xme;基于峰部的起始位置坐标和峰部的终止位置坐标,通过(6)式得到波形骨架的峰部宽度pwm;波形骨架的上升沿定义为:从(xs,ys)到(xms,yms)之间的部分称为上升沿;波形骨架的峰部定义为:从(xms,yms)到(xme,yme)之间的部分称为峰部;波形骨架的下降沿定义为:从(xme,yme)到(xe,ye)部分称为下降沿;其中,
Figure 856198DEST_PATH_IMAGE004
(4)
Figure 831107DEST_PATH_IMAGE005
(5)
Figure 781745DEST_PATH_IMAGE006
(6)
(4)式和(5)式中,q1、q2为待定系数;
步骤33,上升沿波形模板对应的多项式Yr为:
Figure 336355DEST_PATH_IMAGE007
(7)
(7)式中,a0、a1、a2、…、ai为待定系数,i为自然数;
峰部波形模板对应的多项式Yg为:
Figure 688839DEST_PATH_IMAGE008
(8)
(8)式中, b0、b1、b2、…、bj为待定系数,j为自然数;
下降沿波形模板对应的多项式Yf为:
Figure 67605DEST_PATH_IMAGE009
(9)
(9)式中, c0、c1、c2、…、ck为待定系数,k为自然数;
所述z为自变量,z表示拟合骨架图像的函数的横坐标;
(p1,p2)、(q1,q2)、(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)均为待定数组,其依次对应为触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,预设的波形模板包括触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组。
所述脉冲波形模板库如(10)式,
Figure 505540DEST_PATH_IMAGE010
(10)
(10)式中,A、B、C、D、E为5个子模板库,分别依次对应用于存放触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,从而构成脉冲波形模板库MShop。
所述步骤4包括如下步骤:
步骤41,采用AI图像分析算法,在波形骨架中找出触发值和峰部宽度值,确定波形骨架的四个分割点,再确定四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),然后分别确定波形骨架的(p1,p2)、(q1,q2);
步骤42,利用AI图像分析算法,基于波形骨架分别确定波形骨架的(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)。
在所述步骤5之后还包括按照步骤1至步骤5对数字化脉冲中另外一个波形进行处理的步骤。
一种脉冲波形模板库的创建系统,包括:
转换单元,其用于将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵, M、N均为正整数;
骨架提取单元,其用于提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数;
波形模板预设单元,其用于在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数;
确定单元,其用于基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;
比较单元,其用于如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现所述脉冲波形模板库的创建方法。
一种计算机设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述脉冲波形模板库的创建方法。
本发明与现有技术相比,具有以下有益技术效果:
1、本发明通过数字化脉冲的时域数据序列训练AI波形识别算法,建立针对时域数据序列(比如传感器输出的模拟脉冲信号经波形数字化系统转换得到的时域数据序列)的脉冲波形模板库,后续正式测量时,运用脉冲波形模板库,能完成对每个波形的编码,得到属于每个波形的唯一编码。
2、后续正式测量时,运用脉冲波形模板库,用一组编码表示一个脉冲波形的全面特征,在保证测量精度不变差的同时大大减少了数据传输中每个信号的数据量。同时这种编码传输方法实现了对信号数据的加密。
附图说明
图1为本发明方法的流程示意图。
图2为本发明波形骨架上升沿、峰部、下降沿分割示意图。
图3为本发明系统的结构示意图。
图4为本发明计算机设备的结构示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了相互排斥的特质和/或步骤以外,均可以以任何方式组合,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换,即,除非特别叙述,每个特征为一系列等效或类似特征中的一个实施例而已。
下面结合实施例对本发明的内容做进一步详细说明。
参见图1、2,本发明的一种脉冲波形模板库的创建方法,包括以下步骤:
步骤1,将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵, M、N均为正整数,M、N可以相等,也可以不相等。
比如,数字化脉冲可以是传感器输出的模拟脉冲信号经波形数字化系统转换得到的,也可以是信号发射器输出的信号经波形数字化系统转换得到的。数字化脉冲可以是正式测试之前预采样得到的,也可以是历史采集得到的。比如,在进行步骤1之前,先进行预采样,具体的,先设定预采样波形数为K,K为正整数,再使用传感器开始预采样,并将传感器输出的模拟信号利用波形数字化系统立刻转换为时域数字信号,然后将转换得到的时域数字信号(一系列时幅数据)存储待分析。比如,前述时域数字信号包括K个波形,每一个波形均包括一个时域数据序列。
比如,将K个波形中第w个波形的时域数据序列变换为空域内二维波形图像M(x,y)w,表示为:
Figure 863840DEST_PATH_IMAGE011
(11)
其中,w为正整数且小于等于K;(11)式中,V(t)w表示第w个波形的时域数据序列,BW[]表示时域序列到空域二值图像的算符;(xh,yn)表示空域内二维波形图像第h行第n列位置处的值,具体为0或1,其中,1表示黑色即空域内二维波形图像中波形所在处像素,0表示白色即空域内二维波形图像中除波形所在处像素之外的像素;h、n均为正整数。
步骤2,提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数。比如,采用shrink算法提取空域内二维波形图像的骨架。
比如,第w个波形的波形骨架所在的图像M(x′,y′)w为黑白二值图,其中,波形骨架所在处像素值为1(表示黑色),图像中除波形骨架所在处像素之外的像素值为0(表示白色)即空白。波形骨架所在的图像也可以是其他图像,比如,波形骨架所在处像素值为0(表示白色),图像中除波形骨架所在处像素外的像素值为1(表示黑色),也能实现本发明的目的。波形骨架所在的图像还可以是除前述图像之外的其他图像,只要能实现本发明的目的均可。
例如,利用shrink算法对M(x,y)w进行骨架提取,得到波形骨架,波形骨架所在的图像M(x′,y′)w表示为:
Figure 336410DEST_PATH_IMAGE012
(12)
(12)式中,Srk[]表示对空域内二维波形图像进行骨架提取的算符;(x′h,y′n)表示波形骨架所在的图像中第h行第n列位置处的值,具体为0或1,其中,1表示黑色即波形骨架所在的图像中波形骨架所在处像素,0表示白色即波形骨架所在的图像中除波形骨架所在处像素之外的像素。
步骤3,在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数。
步骤3具体包括如下步骤:
步骤31,基于波峰的坐标,通过(1)式得到波形骨架的起点坐标的纵坐标ys,波形骨架的ys行的像素所对应的横坐标中最小值为波形骨架的起点坐标的横坐标xs;基于波峰的坐标,通过(2)式得到波形骨架的终点坐标的纵坐标ye,波形骨架的ye行的像素所对应的横坐标中最大值为波形骨架的终点坐标的横坐标xe;基于起点坐标和终点坐标,通过(3)式得到波形骨架的宽度pw;
Figure 387542DEST_PATH_IMAGE001
(1)
Figure 312773DEST_PATH_IMAGE002
(2)
Figure 740343DEST_PATH_IMAGE013
(3)
(1)式和(2)式中,p1、p2为待定系数;
步骤32,将波形骨架分割为上升沿、峰部、下降沿,其峰部的起始位置和终止位置坐标分别对应为(xms,yms)和(xme,yme),其峰部宽度为pwm;其中,基于波峰的坐标,通过(4)式得到波形骨架的峰部的起始位置坐标的纵坐标yms,波形骨架的yms行的像素所对应的横坐标中最小值为该波形骨架的峰部的起始位置坐标的横坐标xms;基于波峰的坐标,通过(5)式得到波形骨架的峰部的终止位置坐标的纵坐标yme,波形骨架的yme行的像素所对应的横坐标中最大值为波形骨架的峰部的终止位置坐标的横坐标xme;基于峰部的起始位置坐标和峰部的终止位置坐标,通过(6)式得到波形骨架的峰部宽度pwm;波形骨架的上升沿定义为:从(xs,ys)到(xms,yms)之间的部分称为上升沿;波形骨架的峰部定义为:从(xms,yms)到(xme,yme)之间的部分称为峰部;波形骨架的下降沿定义为:从(xme,yme)到(xe,ye)部分称为下降沿;其中,
Figure 801840DEST_PATH_IMAGE004
(4)
Figure 259760DEST_PATH_IMAGE014
(5)
Figure 609969DEST_PATH_IMAGE015
(6)
(4)式和(5)式中,q1、q2为待定系数;
步骤33,上升沿波形模板对应的多项式Yr为:
Figure 637968DEST_PATH_IMAGE016
(7)
(7)式中,a0、a1、a2、…、ai为待定系数,i为自然数;
峰部波形模板对应的多项式Yg为:
Figure 22813DEST_PATH_IMAGE017
(8)
(8)式中, b0、b1、b2,…、bj为待定系数,j为自然数;
下降沿波形模板对应的多项式Yf为:
Figure 884590DEST_PATH_IMAGE018
(9)
(9)式中, c0、c1、c2、…、ck为待定系数,k为自然数;
z为自变量,z表示拟合骨架图像的函数的横坐标;
(p1,p2)、(q1,q2)、(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)均为待定数组,其依次对应为触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,预设的波形模板包括触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组。
例如,脉冲波形模板库可以如(10)式的结构,
Figure 486210DEST_PATH_IMAGE019
(10)
(10)式中,A、B、C、D、E为5个子模板库,可以分别依次对应用于存放触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,即A子模板库用于存放触发值数组,B子模板库用于存放峰部宽度值数组,其他的依次类推,从而构成脉冲波形模板库MShop。脉冲波形模板库初始状态可以为空,脉冲波形模板库为空时,脉冲波形模板库中已有模板为[0]。可以理解的是,脉冲波形模板库不限于(10)式的结构,可以根据实际需要构建。
步骤4,基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板。
步骤4具体包括如下步骤:
步骤41,采用AI图像分析算法,在波形骨架中找出触发值和峰部宽度值,确定波形骨架的四个分割点,再确定四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),然后分别确定波形骨架的(p1,p2)、(q1,q2);
步骤42,利用AI图像分析算法,基于波形骨架分别确定波形骨架的(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)。
比如,基于第w个波形的波形骨架,利用AI识别算法提取第w个波形的波形骨架的预设的波形模板的待定系数,从而确定第w个波形的波形模板的触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,具体为:
1)采用AI图像分析算法,在第w个波形的波形骨架中找出波形骨架的触发值和峰部宽度值,确定波形骨架的四个分割点,再确定四个分割点的坐标分别为(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),基于上述(1)式、(2)式、(3)式和所确定的波峰的坐标(xm,ym),确定第w个波形的波形骨架的起点和终点的触发值数组(p1,p2w
2)采用AI图像分析算法,在第w个波形的波形骨架中找出触发值和峰部宽度值,确定波形骨架的四个分割点,再确定四个分割点的坐标分别为(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),基于上述(4)式、(5)式、(6)式和所确定的波峰的坐标(xm,ym),确定第w个波形的波形骨架的峰部宽度值数组(q1,q2w
3)根据所确定的四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),基于上述(7)式,确定第w个波形的波形骨架的上升沿拟合系数——上升沿系数数组(a0,a1,a2,…,aiw
4)根据所确定的四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),基于上述(8)式,确定第w个波形的波形骨架的峰部拟合系数——峰部系数数组(b0,b1,b2,…,bjw
5)根据所确定的四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),基于上述(9)式,确定第w个波形的波形骨架的下降沿拟合系数——下降沿系数数组(c0,c1,c2,…,ckw
经过前述骤1)至步骤5),触发值数组(p1,p2w、峰部宽度值数组(q1,q2w、上升沿系数数组(a0,a1,a2,…,aiw、峰部系数数组(b0,b1,b2,…,bjw、下降沿系数数组(c0,c1,c2,…,ckw中的待定系数均为确定的值;
基于前述步骤1)至步骤5),得到第w个波形的波形骨架的定值波形模板,该定值波形模板包括触发值数组(p1,p2w、峰部宽度值数组(q1,q2w、上升沿系数数组(a0,a1,a2,…,aiw、峰部系数数组(b0,b1,b2,…,bjw、下降沿系数数组(c0,c1,c2,…,ckw
步骤5,如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
比如,将(p1,p2w与脉冲波形模板库MShop的A子模板库中已有模板进行比较,如不同,则将(p1,p2w编号后存入脉冲波形模板库的A子模板库中,否则,舍去(p1,p2w。将(q1,q2w与脉冲波形模板库MShop的B子模板库中已有模板进行比较,如不同,则将(q1,q2w编号后存入脉冲波形模板库的B子模板库中,否则,舍去(q1,q2w。(a0,a1,a2,…,aiw、(b0,b1,b2,…,bjw、(c0,c1,c2,…,ckw依此类推,从而完成第w个波形的脉冲波形模板库创建。
第w个波形的脉冲波形模板库创建完成后,前述步骤5之后还包括按照前述步骤1-5对另外一个波形进行处理的步骤,直至K个波形的脉冲波形模板库创建全部完成。
在一些实施例中,步骤5还包括:
将存入脉冲波形模板库的定值波形模板与其相对应的数字化脉冲的时域数据序列相关联,并将关联后的时域数据序列存储,以备后续使用。
脉冲波形模板库可以是现有脉冲波形模板库,也可以是新建脉冲波形模板库,可以根据实际情况确定。比如新建脉冲波形模板库,在一些实施例中,在步骤5之前,构建脉冲波形模板库,比如构建如(10)式结构的脉冲波形模板库。脉冲波形模板库构建可以在步骤4、步骤5之间,也可以在步骤4之前,只要在步骤5之前即可。
参见图3,本发明还描述一种脉冲波形模板库的创建系统,包括转换单元、骨架提取单元、波形模板预设单元、确定单元、比较单元。
转换单元用于将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵, M、N均为正整数;
骨架提取单元用于提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数;
波形模板预设单元用于在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数;
确定单元用于基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;
比较单元用于如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
本发明还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述脉冲波形模板库的创建方法。
本发明还提供一种计算机设备,用于执行上述脉冲波形模板库的创建方法。
具体如图4所示,计算机设备包括处理器、内存储器和系统总线;内存储器和处理器在内的各种设备组件连接到系统总线上。处理器是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。内存储器是一个用于临时或永久性存储计算程序或数据(例如,程序状态信息)的物理设备。系统总线可以为以下几种类型的总线结构中的任意一种,包括存储器总线或存储控制器、外设总线和局部总线。处理器和内存储器可以通过系统总线进行数据通信。其中内存储器包括只读存储器(ROM)或闪存(图中未示出),以及随机存取存储器(RAM),RAM通常是指加载了操作系统和计算机程序的主存储器。
计算机设备一般包括一个外存储设备。外存储设备可以从多种计算机可读介质中选择,计算机可读介质是指可以通过计算机设备访问的任何可利用的介质,包括移动的和固定的两种介质。例如,计算机可读介质包括但不限于,闪速存储器(微型SD卡),CD-ROM,数字通用光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备,或者可用于存储所需信息并可由计算机设备访问的任何其它介质。
计算机设备可在网络环境中与一个或者多个网络终端进行逻辑连接。网络终端可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机设备通过网络接口(局域网LAN接口)与网络终端相连接。局域网(LAN)是指在有限区域内,例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼,互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围。

Claims (10)

1.一种脉冲波形模板库的创建方法,其特征在于,包括以下步骤:
步骤1,将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵,M、N均为正整数;
步骤2,提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数;
步骤3,在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数;
步骤4,基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;
步骤5,如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
2.根据权利要求1所述脉冲波形模板库的创建方法,其特征在于,所述步骤2中,采用shrink算法提取空域内二维波形图像的骨架。
3.根据权利要求1所述脉冲波形模板库的创建方法,其特征在于,所述步骤5还包括:
将存入脉冲波形模板库的定值波形模板与其相对应的数字化脉冲的时域数据序列相关联,并将关联后的时域数据序列存储。
4.根据权利要求1所述脉冲波形模板库的创建方法,其特征在于,所述步骤3包括如下步骤:
步骤31,基于波峰的坐标,通过(1)式得到波形骨架的起点坐标的纵坐标ys,波形骨架的ys行的像素所对应的横坐标中最小值为波形骨架的起点坐标的横坐标xs;基于波峰的坐标,通过(2)式得到波形骨架的终点坐标的纵坐标ye,波形骨架的ye行的像素所对应的横坐标中最大值为波形骨架的终点坐标的横坐标xe;基于起点坐标和终点坐标,通过(3)式得到波形骨架的宽度pw;
Figure DEST_PATH_IMAGE001
(1)
Figure 522503DEST_PATH_IMAGE002
(2)
Figure DEST_PATH_IMAGE003
(3)
(1)式和(2)式中,p1、p2为待定系数;
步骤32,将波形骨架分割为上升沿、峰部、下降沿,其峰部的起始位置和终止位置坐标分别对应为(xms,yms)和(xme,yme),其峰部宽度为pwm;其中,基于波峰的坐标,通过(4)式得到波形骨架的峰部的起始位置坐标的纵坐标yms,波形骨架的yms行的像素所对应的横坐标中最小值为波形骨架的峰部的起始位置坐标的横坐标xms;基于波峰的坐标,通过(5)式得到波形骨架的峰部的终止位置坐标的纵坐标yme,波形骨架的yme行的像素所对应的横坐标中最大值为波形骨架的峰部的终止位置坐标的横坐标xme;基于峰部的起始位置坐标和峰部的终止位置坐标,通过(6)式得到波形骨架的峰部宽度pwm;波形骨架的上升沿定义为:从(xs,ys)到(xms,yms)之间的部分称为上升沿;波形骨架的峰部定义为:从(xms,yms)到(xme,yme)之间的部分称为峰部;波形骨架的下降沿定义为:从(xme,yme)到(xe,ye)部分称为下降沿;其中,
Figure 377327DEST_PATH_IMAGE004
(4)
Figure DEST_PATH_IMAGE005
(5)
Figure 596212DEST_PATH_IMAGE006
(6)
(4)式和(5)式中,q1、q2为待定系数;
步骤33,上升沿波形模板对应的多项式Yr为:
Figure 991421DEST_PATH_IMAGE008
(7)
(7)式中,a0、a1、a2、…、ai为待定系数,i为自然数;
峰部波形模板对应的多项式Yg为:
Figure 805793DEST_PATH_IMAGE010
(8)
(8)式中, b0、b1、b2、…、bj为待定系数,j为自然数;
下降沿波形模板对应的多项式Yf为:
Figure 565939DEST_PATH_IMAGE012
(9)
(9)式中, c0、c1、c2、…、ck为待定系数,k为自然数;
所述z为自变量,z表示拟合骨架图像的函数的横坐标;
(p1,p2)、(q1,q2)、(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)均为待定数组,其依次对应为触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,预设的波形模板包括触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组。
5.根据权利要求4所述脉冲波形模板库的创建方法,其特征在于,所述脉冲波形模板库如(10)式,
Figure 832972DEST_PATH_IMAGE014
(10)
(10)式中,A、B、C、D、E为5个子模板库,分别依次对应用于存放触发值数组、峰部宽度值数组、上升沿系数数组、峰部系数数组、下降沿系数数组,从而构成脉冲波形模板库MShop。
6.根据权利要求4所述脉冲波形模板库的创建方法,其特征在于,所述步骤4包括如下步骤:
步骤41,采用AI图像分析算法,在波形骨架中找出触发值和峰部宽度值,确定波形骨架的四个分割点,再确定四个分割点的坐标(xs,ys)、(xms,yms)、(xme,yme)、(xe,ye),然后分别确定波形骨架的(p1,p2)、(q1,q2);
步骤42,利用AI图像分析算法,基于波形骨架分别确定波形骨架的(a0,a1,a2,…,ai)、(b0,b1,b2,…,bj)、(c0,c1,c2,…,ck)。
7.根据权利要求1-6任一项所述脉冲波形模板库的创建方法,其特征在于,在所述步骤5之后还包括按照步骤1至步骤5对数字化脉冲中另外一个波形进行处理的步骤。
8.一种脉冲波形模板库的创建系统,其特征在于,包括:
转换单元,其用于将数字化脉冲中其中一个波形的时域数据序列变换为空域内二维波形图像;其中,空域内二维波形图像为M×N的二维图像数据矩阵, M、N均为正整数;
骨架提取单元,其用于提取空域内二维波形图像的骨架,得到波形骨架;其中,波形骨架所在的图像为M×N的二维图像数据矩阵,波形骨架位于平面直角坐标系内,平面直角坐标系的y轴表示波形骨架所在行的行数,平面直角坐标系的x轴表示波形骨架所在列的列数;
波形模板预设单元,其用于在波形骨架中找到波形骨架的波峰,确定波峰的坐标为(xm,ym),基于波峰的坐标预设该一个波形的波形骨架的波形模板;其中,预设的波形模板对应的多项式的系数为待定系数;
确定单元,其用于基于波形骨架采用AI图像分析算法,确定待定系数,得到定值波形模板;
比较单元,其用于如定值波形模板与脉冲波形模板库中已有模板不同,则将定值波形模板编号后存入脉冲波形模板库,否则,舍去定值波形模板。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述脉冲波形模板库的创建方法。
10.一种计算机设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一项所述脉冲波形模板库的创建方法。
CN202110842231.7A 2021-07-26 2021-07-26 脉冲波形模板库的创建方法、系统、存储介质及设备 Active CN113283413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110842231.7A CN113283413B (zh) 2021-07-26 2021-07-26 脉冲波形模板库的创建方法、系统、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110842231.7A CN113283413B (zh) 2021-07-26 2021-07-26 脉冲波形模板库的创建方法、系统、存储介质及设备

Publications (2)

Publication Number Publication Date
CN113283413A true CN113283413A (zh) 2021-08-20
CN113283413B CN113283413B (zh) 2021-09-24

Family

ID=77281342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110842231.7A Active CN113283413B (zh) 2021-07-26 2021-07-26 脉冲波形模板库的创建方法、系统、存储介质及设备

Country Status (1)

Country Link
CN (1) CN113283413B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1694372A (zh) * 2005-05-26 2005-11-09 哈尔滨工业大学 一种超宽带脉冲波形信号的构造方法和接收方法
US20060247707A1 (en) * 2005-04-28 2006-11-02 Meyer Scott A Cardiac signal template generation using waveform clustering
US7184594B1 (en) * 1999-01-18 2007-02-27 Nikon Corporation Pattern matching method and device, position determining method and device, position aligning method and device, exposing method and device, and device and its production method
CN102098101A (zh) * 2011-01-04 2011-06-15 武汉理工大学 波峰寻找方法及系统
CN102162839A (zh) * 2011-03-18 2011-08-24 武汉大学 三维脉冲磁场波形重构方法及三维磁场传感器
CN103197123A (zh) * 2013-03-19 2013-07-10 中国西电电气股份有限公司 一种计算合成试验衰减型恢复电压的方法
US20130182937A1 (en) * 2010-02-23 2013-07-18 Rdm Corporation Optical waveform generation and use based on print characteristics for micr data of paper documents
JP2013254314A (ja) * 2012-06-06 2013-12-19 Ricoh Co Ltd 画像認識装置、画像認識方法及びプログラム
US20140081344A1 (en) * 2003-05-28 2014-03-20 Cardiac Pacemakers, Inc. Cardiac waveform template creation, maintenance and use
CN103941104A (zh) * 2014-04-11 2014-07-23 北京中铭恒盛科技有限公司 一种对称波形波峰识别方法
CN105044702A (zh) * 2015-09-18 2015-11-11 宁波华仪宁创智能科技有限公司 脉冲波形的拟合方法
CN105403878A (zh) * 2015-12-16 2016-03-16 浙江大学 一种基于时延敏感核的海洋声层析方法
CN107563297A (zh) * 2017-08-07 2018-01-09 中国石油天然气集团公司 一种波形匹配方法及装置
CN108363042A (zh) * 2017-12-14 2018-08-03 西北工业大学 自适应频谱模板约束的波形实现方法
CN108508124A (zh) * 2013-10-04 2018-09-07 株式会社岛津制作所 波形数据处理装置及波形数据处理方法
CN108551352A (zh) * 2018-04-17 2018-09-18 福建师范大学 一种可用于干扰消除的超宽带脉冲无线电预处理器系统
US20200089948A1 (en) * 2017-03-14 2020-03-19 Huawei Technologies Co., Ltd. Waveform Signal Processing Method and Apparatus
CN111208486A (zh) * 2020-02-27 2020-05-29 淮阴工学院 全波形激光雷达波形分解方法
CN112615803A (zh) * 2020-12-29 2021-04-06 深圳捷扬微电子有限公司 一种信号处理方法及处理装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7184594B1 (en) * 1999-01-18 2007-02-27 Nikon Corporation Pattern matching method and device, position determining method and device, position aligning method and device, exposing method and device, and device and its production method
US20140081344A1 (en) * 2003-05-28 2014-03-20 Cardiac Pacemakers, Inc. Cardiac waveform template creation, maintenance and use
US20060247707A1 (en) * 2005-04-28 2006-11-02 Meyer Scott A Cardiac signal template generation using waveform clustering
CN1694372A (zh) * 2005-05-26 2005-11-09 哈尔滨工业大学 一种超宽带脉冲波形信号的构造方法和接收方法
US20130182937A1 (en) * 2010-02-23 2013-07-18 Rdm Corporation Optical waveform generation and use based on print characteristics for micr data of paper documents
CN102098101A (zh) * 2011-01-04 2011-06-15 武汉理工大学 波峰寻找方法及系统
CN102162839A (zh) * 2011-03-18 2011-08-24 武汉大学 三维脉冲磁场波形重构方法及三维磁场传感器
JP2013254314A (ja) * 2012-06-06 2013-12-19 Ricoh Co Ltd 画像認識装置、画像認識方法及びプログラム
CN103197123A (zh) * 2013-03-19 2013-07-10 中国西电电气股份有限公司 一种计算合成试验衰减型恢复电压的方法
CN108508124A (zh) * 2013-10-04 2018-09-07 株式会社岛津制作所 波形数据处理装置及波形数据处理方法
CN103941104A (zh) * 2014-04-11 2014-07-23 北京中铭恒盛科技有限公司 一种对称波形波峰识别方法
CN105044702A (zh) * 2015-09-18 2015-11-11 宁波华仪宁创智能科技有限公司 脉冲波形的拟合方法
CN105403878A (zh) * 2015-12-16 2016-03-16 浙江大学 一种基于时延敏感核的海洋声层析方法
US20200089948A1 (en) * 2017-03-14 2020-03-19 Huawei Technologies Co., Ltd. Waveform Signal Processing Method and Apparatus
CN107563297A (zh) * 2017-08-07 2018-01-09 中国石油天然气集团公司 一种波形匹配方法及装置
CN108363042A (zh) * 2017-12-14 2018-08-03 西北工业大学 自适应频谱模板约束的波形实现方法
CN108551352A (zh) * 2018-04-17 2018-09-18 福建师范大学 一种可用于干扰消除的超宽带脉冲无线电预处理器系统
CN111208486A (zh) * 2020-02-27 2020-05-29 淮阴工学院 全波形激光雷达波形分解方法
CN112615803A (zh) * 2020-12-29 2021-04-06 深圳捷扬微电子有限公司 一种信号处理方法及处理装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LU WANG等: "FPGA-based design and implementation of arterial pulse wave generator using piecewise Gaussian–cosine fitting", 《COMPUTERS IN BIOLOGY AND MEDICINE》 *
卢丹: "基于虚拟仪器技术的FBG波长解调系统研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
吴惟诚等: "基于波形相似性度量的雷达辐射源分选方法研究", 《现代雷达》 *
盛浩等: "超宽带微功率冲激雷达接收机的优化及实现", 《电讯技术》 *
葛鹏: "基于知识辅助的雷达波形设计算法研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 *
陈国东等: "一种基于多频带PSWFs组合的CUWB自适应脉冲波形设计", 《电子与信息学报》 *

Also Published As

Publication number Publication date
CN113283413B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN107529222B (zh) 一种基于深度学习的WiFi室内定位系统
CN109271707B (zh) 对核能谱线进行仿真的模拟能谱曲线仿真方法
CN111160171A (zh) 一种联合两域多特征的辐射源信号识别方法
CN111462264B (zh) 医学图像重建方法、医学图像重建网络训练方法和装置
CN110321913B (zh) 一种文本识别方法及装置
CN106483551B (zh) 一种仿核信号发生器及其工作方法
CN110473547A (zh) 一种语音识别方法
CN115690708A (zh) 基于跨模态知识蒸馏训练三维目标检测模型的方法和装置
CN113238227B (zh) 一种结合深度学习的改进最小二乘相位解缠方法及系统
CN109884891A (zh) 一种高精度智能仿核信号发生系统及其工作方法
CN114155200A (zh) 基于卷积神经网络的遥感影像变化检测方法
CN111709884A (zh) 车牌关键点矫正方法、系统、设备和存储介质
CN109961435B (zh) 脑图像获取方法、装置、设备及存储介质
CN110379491B (zh) 识别脑胶质瘤方法、装置、设备和存储介质
CN113283413B (zh) 脉冲波形模板库的创建方法、系统、存储介质及设备
CN114491187B (zh) 一种自然资源智能监测集成系统
CN111582282A (zh) 一种文本识别方法、装置、设备及存储介质
CN109034070B (zh) 一种置换混叠图像盲分离方法及装置
CN110288026A (zh) 一种基于度量关系图学习的图像分割方法及装置
CN109583626B (zh) 路网拓扑重建方法、介质及系统
CN114118177B (zh) 一种基于奇异谱分析的位平面降噪方法、系统及存储介质
CN106483867B (zh) 仿核信号发生系统用处理器的工作方法
CN110138303B (zh) 一种交流电机控制性能特征识别网络模型构建方法及应用
CN113221736A (zh) 基于多特征协同非负矩阵分解的心电身份识别方法及系统
CN113610942B (zh) 一种脉冲波形分割方法、系统、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant