CN113449264B - 波形边缘的监测方法及装置 - Google Patents

波形边缘的监测方法及装置 Download PDF

Info

Publication number
CN113449264B
CN113449264B CN202010231631.XA CN202010231631A CN113449264B CN 113449264 B CN113449264 B CN 113449264B CN 202010231631 A CN202010231631 A CN 202010231631A CN 113449264 B CN113449264 B CN 113449264B
Authority
CN
China
Prior art keywords
short
segmentation
time
sample
standard deviation
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.)
Active
Application number
CN202010231631.XA
Other languages
English (en)
Other versions
CN113449264A (zh
Inventor
陶琳
岳军
张惠
权笑
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute 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 China Mobile Communications Group Co Ltd, China Mobile Group Design Institute Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010231631.XA priority Critical patent/CN113449264B/zh
Publication of CN113449264A publication Critical patent/CN113449264A/zh
Application granted granted Critical
Publication of CN113449264B publication Critical patent/CN113449264B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种波形边缘的监测方法及装置，其中方法包括：对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘。本发明实施例使波形边缘监测更准确、适应性更强。

Description

波形边缘的监测方法及装置
技术领域
本发明涉及通信技术领域，更具体地，涉及波形边缘的监测方法及装置。
背景技术
波形边缘监测技术应用广泛，常见的有车辆运行状态监测、语音端点监测等，目前常用的监测方法有时域参数监测、频域参数监测、模型匹配法监测等。
时域参数监测和频域参数监测方式存在的问题：门限值不易确定、低信噪比情况误差较大。由于时域参数监测主要采用双门限监测法，即通过设置信号短时能量门限和短时过零率门限来监测波形端点，但由于不同的样本其量纲不一致、信噪比情况不一致，因此门限监测法很难自动选择较为合适的门限，同时当信号噪声大时，短时能量、短时过零率两类门限无法有效过滤噪声。
模型匹配法监测方法是一种先验概率统计，针对低信噪比情况比较有优势，但需要一定的训练样本，对于无训练数据或较少训练数据的情况监测结果较差。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的波形边缘的监测方法及装置。
第一个方面，本发明实施例提供一种波形边缘的监测方法，包括：
对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；
设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；
对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；
其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。
进一步地，所述设置多个分段门限，从所述多个分段门限中确定最优分段门限，具体为：
设置初始分段门限和迭代总次数，并开始进行如下迭代分段过程：
根据当前迭代次数和初始分段门限确定当前迭代的分段门限；
根据所述当前迭代的分段门限对所有样本进行分段处理，判断短时均化校正标准差小于分段门限的样本占比是否大于预设阈值；
若短时均化校正标准差小于分段门限的样本占比大于预设阈值，则判断当前迭代的分段数是否小于当前的最小分段数；
若当前迭代的分段数小于当前的最小分段数，则将当前的最小分段数更新为所述当前迭代的分段数，并将最优分段门限更新为当前迭代的分段门限，并执行下一次迭代，直至迭代次数达到所述迭代总次数；
其中，所述初始分段门限小于所述短时均化校正标准差中的最大值，且每次迭代的分段门限均不大于所述初始分段门限。
进一步地，所述分段处理具体为：若相邻两个样本的短时均化校正标准差一个大于分段门限，而另外一个小于分段门限，则在前的一个样本为一个分割点，2个相邻分割点之间的所有样本作为一个分段。
进一步地，所述初始分段门限为所述短时均化校正标准差中的最大值的一半。
进一步地，所述根据当前迭代次数和初始分段门限确定当前迭代的分段门限，具体为：
计算当前迭代次数与迭代总次数的比值，将所述比值与所述初始分段门限的乘积作为当前迭代的分段门限。
进一步地，所述分析结果包括分段的边缘属性判定为边缘段或非边缘段以及分段的稳态结果为非稳态或非稳态；
相应地，根据分析结果标记波形边缘，具体为：
将非稳态的分段的边缘属性更新为距离所述非稳态的分段最近的稳态分段的边缘属性，之后将同时属于稳态和边缘段的分段标记为波形边缘。
进一步地，所述对所有分段进行边缘属性和稳态分析，具体为：
若分段内所有样本的短时均化校正标准差均小于最优分段门限，则所述分段的边缘属性判定为边缘段，若分段内所有样本的短时均化校正标准差均大于等于最优分段门限，则所述分段的边缘属性判定为初始非边缘段；
若分段的持续时长低于预设的稳态时长，则所述分段的稳态结果为非稳态，若分段的持续时长不低于预设的稳态时长，则所述分段的稳态结果为稳态。
进一步地，所述计算样本的短时k阶标准差，具体通过以下公式计算：
其中，表示样本i的短时k阶标准差，/>表示样本i的k阶短时均值，计算公式为/>j表示从第i个样本往前遍历的第k个样本。
进一步地，所述根据所述样本的时域幅度对所述短时k阶标准差进行校正，具体为：
计算各样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，将最大的所述差的绝对值作为最大时域幅度绝对偏差；
将所有样本中最大的短时k阶标准差与所述最大时域幅度绝对偏差的商作为第一参数；
计算所述样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，并与所述第一参数相乘，获得矫正幅度；
将所述样本的短时k阶标准差与所述矫正幅度求和，获得所述样本的短时k阶标准差校正结果。
进一步地，所述样本的短时k阶标准差校正结果通过以下公式计算：
其中，correct_stddevi表示样本i的短时k阶标准差校正结果，E(x)为所有样本的短时k阶标准差的均值，stddevmax为所有样本中最大的短时k阶标准差，|xi-E(x)|max为最大时域幅度绝对偏差。
进一步地，所述对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差，具体根据以下公式计算：
其中，表示样本i的短时均化校正标准差，correct_stddevj表示第j个样本的校正结果；k表示短时均化处理的样本数；j表示从第i个样本往前遍历的第k个样本。
第二个方面，本发明实施例提供一种波形边缘的监测装置，包括：
短时均化校正标准差处理模块，用于对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；
最优分段门限获取模块，用于设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；
边缘标记模块，用于对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；
其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的波形边缘的监测方法及装置，克服了现有技术中设定固定门限值进行分段处理以及需要训练数据等缺点，而是通过设置多个分段门限并从中选择最优分段门限的做法，其结果使波形边缘监测更准确、适应性更强。经验证，本发明实施例不仅适用于车辆运行状态、语音边界的判定分析，也适用于其他各类波形数据的边缘监测分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的波形边缘的监测方法的流程示意图；
图2为本发明另一个实施例的确定最优分段门限的流程示意图；
图3为本发明实施例提供的波形边缘的监测装置的结构示意图；
图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的波形边缘的监测方法的流程示意图，如图1所示，该方法包括S101、S102和S103，具体地：
S101、对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差。
可以理解的是，波形数据广泛存在于各个涉及电路信号、通信信号的领域，例如最常见的汽车电路信号，是由汽车上的各个传感器产生的波形信号，本发明实施例对波形数据的来源不做具体的限定。
时域(Time domain)是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。在本发明实施例中，时域幅度信号就是波形数据在时域上的幅度值。
可选地，本发明实施例可以按照帧或时间间隔进行连续抽样。
可选地，本发明实施例计算样本的短时k阶标准差，具体通过以下公式计算：
其中，表示样本i的短时k阶标准差，/>表示样本i的k阶短时均值，计算公式为/>j表示从第i个样本往前遍历的第k个样本。
可选地，本发明实施例根据所述样本的时域幅度对所述短时k阶标准差进行校正，具体为：
计算各样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，将最大的所述差的绝对值作为最大时域幅度绝对偏差；
将所有样本中最大的短时k阶标准差与所述最大时域幅度绝对偏差的商作为第一参数；
计算所述样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，并与所述第一参数相乘，获得矫正幅度；
将所述样本的短时k阶标准差与所述矫正幅度求和，获得所述样本的短时k阶标准差校正结果。
在上述实施例的基础上，作为一种可选实施例，根据所述样本的时域幅度对所述短时k阶标准差进行校正，具体可通过以下公式计算：
通过以下公式计算：
其中，correct_stddevi表示样本i的短时k阶标准差校正结果，E(x)为所有样本的短时k阶标准差的均值，stddevmax为所有样本中最大的短时k阶标准差，|xi-E(x)|max为最大时域幅度绝对偏差。
在上述各实施例的基础上，作为一种可选实施例，所述对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差，具体根据以下公式计算：
其中，表示样本i的短时均化校正标准差；correct_stddevj表示第j个样本的校正结果；k表示短时均化处理的样本数；j表示从第i个样本往前遍历的第k个样本。
S102、设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本。
需要说明的是，本发明实施例的多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。作为一种可选实施例，预设阈值可以取20％。
本发明实施例所述的分段处理，具体为：若相邻两个样本的短时均化校正标准差一个大于分段门限，而另外一个小于分段门限，则在前的样本为一个分割点，2个相邻分割点中的所有样本作为一个分段。
S103对所有分段进行边缘属性和稳态分析，对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；
本发明实施例在确定最优分段门限后，基于最优分段门限对所有样本进行分段处理，之后对所有分段进行边缘属性和稳态分析，其中边缘属性包括两类，一类为边缘，另一类为非边缘，同理稳态分析的结果也包括两类：一类为稳态，另一类为非稳态。本发明实施例对边缘属性和稳态分析的具体方法不做进一步的限定。经过边缘属性和稳态分析后，本发明实施例将属于稳态的边缘分段作为波形的边缘。
需要说明的是，本发明实施例克服了现有技术中设定固定门限值进行分段处理以及需要训练数据等缺点，而是通过设置多个分段门限并从中选择最优分段门限的做法，其结果使波形边缘监测更准确、适应性更强。经验证，本发明实施例不仅适用于车辆运行状态、语音边界的判定分析，也适用于其他各类波形数据的边缘监测分析。
在上述各实施例的基础上，作为一种可选实施例，所述设置多个分段门限，从所述多个分段门限中确定最优分段门限，具体为：
设置初始分段门限和迭代总次数，并开始进行如下迭代分段过程：
根据当前迭代次数和初始分段门限确定当前迭代的分段门限；
根据所述当前迭代的分段门限对所有样本进行分段处理，判断短时均化校正标准差小于分段门限的样本占比是否大于预设阈值；
若短时均化校正标准差小于分段门限的样本占比大于预设阈值，则判断当前迭代的分段数是否小于当前的最小分段数；
若当前迭代的分段数小于当前的最小分段数，则将当前的最小分段数更新为所述当前迭代的分段数，并将最优分段门限更新为当前迭代的分段门限，并执行下一次迭代，直至迭代次数达到所述迭代总次数；
其中，本发明实施例的初始分段门限小于所述短时均化校正标准差中的最大值，且每次迭代的分段门限均不大于所述初始分段门限。
可以理解的是，在第一次迭代时，可以将迭代获得的分段数作为当前的最小分段数，然后利用该最小分段数和后续迭代过程中产生的分段数进行比对，更新最小分段数。
本发明实施例在确定最优分段门限的过程中，区别于现有技术直接设定门限的方式，采用先确定初始分段门限和迭代次数，其中迭代次数用于表征要进行几次分段，通过初始分段门限和迭代次数，确定每次进行分段处理的分段门限，实现灵活的分段。在确定每次进行分段处理的分段门限后即对所有样本进行分段处理，本发明实施例将短时均化校正标准差小于分段门限的样本占比大于预设阈值作为前提条件，在满足该前提条件的基础上，才会进一步判断当前迭代的分段数是否小于当前的最小分段数，如果是，则更新最小分段数和最优分段门限，这样通过迭代完预设的迭代次数，就可确定最优分段门限。整个流程效率更高，也更加灵活，有助于提高波形边缘的监测效率。
图2为本发明实施例的确定最优分段门限的流程示意图，如图2所示，该流程包括：
S201、设置初始分段门限和迭代总次数；
S202、根据当前迭代次数和初始分段门限确定当前迭代的分段门限；
S203、根据所述当前迭代的分段门限对所有样本进行分段处理；
S204、判断短时均化校正标准差小于分段门限的样本占比是否大于预设阈值；若是，则执行S205；若否，则执行S207；
S205、判断当前迭代的分段数是否小于当前的最小分段数；若是，则执行S206，若否，则执行S207；
S206、将当前的最小分段数更新为所述当前迭代的分段数，并将最优分段门限更新为当前迭代的分段门限；
S207、判断当前迭代次数是否达到迭代总次数，若否，则执行S207，若是，则结束迭代；
S208、将迭代次数加1，返回S202。
在上述各实施例的基础上，作为一种可选实施例，所述初始分段门限为所述短时均化校正标准差中的最大值的一半。
本发明实施例通过计算所有样本的短时均化校正标准差，将所有样本的短时均化校正标准差中最大值的一般作为初始分段门限。
在上述各实施例的基础上，作为一种可选实施例，所述根据当前迭代次数和初始分段门限确定当前迭代的分段门限，具体为：
计算当前迭代次数与迭代总次数的比值，将所述比值与所述初始分段门限的乘积作为当前迭代的分段门限。
例如，若迭代总次数为5，则第一次的分段门限为初始分段门限的五分之一，第一次的分段门限为初始分段门限的五分之二，以此类推，可知最后一次的分段门限为初始分段门限。
在上述各实施例的基础上，作为一种可选实施例，分析结果包括分段的边缘属性判定为边缘段或非边缘段以及分段的稳态结果为非稳态或非稳态。
所述对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘，具体为：
将非稳态的分段的边缘属性更新为距离所述非稳态的分段最近的稳态分段的边缘属性，之后将同时属于稳态和边缘段的分段标记为波形边缘。
需要说明的是，本发明实施例首先对分段进行边缘属性和稳态的分析，获知每个分段属于边缘段还是非边缘段，以及是属于稳态还是非稳态，然后对于非稳态的分段，将其边缘属性采用与其最近的稳态分段属性，实现对稳态分段的更新，最后取所有边缘段来标记波形边缘。
在上述各实施例的基础上，作为一种可选实施例，所述对所有分段进行边缘属性和稳态分析，具体为：
若分段内所有样本的短时均化校正标准差均小于最优分段门限，则所述分段的边缘属性判定为边缘段，若分段内所有样本的短时均化校正标准差均大于等于最优分段门限，则所述分段的边缘属性判定为初始非边缘段；
若分段的持续时长低于预设的稳态时长，则所述分段的稳态结果为非稳态，若分段的持续时长不低于预设的稳态时长，则所述分段的稳态结果为稳态。
图3为本发明实施例提供的波形边缘的监测装置的结构示意图，如图3所示，该装置包括：
短时均化校正标准差处理模块301，用于对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差。
最优分段门限获取模块302，用于设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本。
边缘标记模块303，用于对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘。
其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。
本发明实施例提供的波形边缘的监测装置，具体执行上述各波形边缘的监测方法实施例流程，具体请详见上述各波形边缘的监测方法实施例的内容，在此不再赘述。本发明实施例提供的波形边缘的监测克服了现有技术中设定固定门限值进行分段处理以及需要训练数据等缺点，而是通过设置多个分段门限并从中选择最优分段门限的做法，其结果使波形边缘监测更准确、适应性更强。经验证，本发明实施例不仅适用于车辆运行状态、语音边界的判定分析，也适用于其他各类波形数据的边缘监测分析。
图4为本发明实施例提供的电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序，以执行上述各实施例提供的波形边缘的监测方法，例如包括：对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的波形边缘的监测方法，例如包括：对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种波形边缘的监测方法，其特征在于，包括：
对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；
设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；
对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；
其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小；
所述分析结果包括分段的边缘属性判定为边缘段或非边缘段以及分段的稳态结果为非稳态或非稳态；
相应地，根据分析结果标记波形边缘，具体为：
将非稳态的分段的边缘属性更新为距离所述非稳态的分段最近的稳态分段的边缘属性，之后将同时属于稳态和边缘段的分段标记为波形边缘。
2.根据权利要求1所述的波形边缘的监测方法，其特征在于，所述设置多个分段门限，从所述多个分段门限中确定最优分段门限，具体为：
设置初始分段门限和迭代总次数，并开始进行如下迭代分段过程：
根据当前迭代次数和初始分段门限确定当前迭代的分段门限；
根据所述当前迭代的分段门限对所有样本进行分段处理，判断短时均化校正标准差小于分段门限的样本占比是否大于预设阈值；
若短时均化校正标准差小于分段门限的样本占比大于预设阈值，则判断当前迭代的分段数是否小于当前的最小分段数；
若当前迭代的分段数小于当前的最小分段数，则将当前的最小分段数更新为所述当前迭代的分段数，并将最优分段门限更新为当前迭代的分段门限，并执行下一次迭代，直至迭代次数达到所述迭代总次数；
其中，所述初始分段门限小于所述短时均化校正标准差中的最大值，且每次迭代的分段门限均不大于所述初始分段门限。
3.根据权利要求1或2所述的波形边缘的监测方法，其特征在于，所述分段处理具体为：若相邻两个样本的短时均化校正标准差一个大于分段门限，而另外一个小于分段门限，则在前的一个样本为一个分割点，2个相邻分割点之间的所有样本作为一个分段。
4.根据权利要求1所述的波形边缘的监测方法，其特征在于，所述计算样本的短时k阶标准差，具体通过以下公式计算：
其中，表示样本i的短时k阶标准差，/>表示样本i的k阶短时均值，计算公式为/>j表示从第i个样本往前遍历的第k个样本。
5.根据权利要求1所述的波形边缘的监测方法，其特征在于，所述根据所述样本的时域幅度对所述短时k阶标准差进行校正，具体为：
计算各样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，将最大的所述差的绝对值作为最大时域幅度绝对偏差；
将所有样本中最大的短时k阶标准差与所述最大时域幅度绝对偏差的商作为第一参数；
计算所述样本的短时k阶标准差与所有样本的短时k阶标准差的均值的差的绝对值，并与所述第一参数相乘，获得矫正幅度；
将所述样本的短时k阶标准差与所述矫正幅度求和，获得所述样本的短时k阶标准差校正结果。
6.根据权利要求1所述的波形边缘的监测方法，其特征在于，所述对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差，具体根据以下公式计算：
其中，表示样本i的短时均化校正标准差；correct_stddevj表示第j个样本的校正结果；k表示短时均化处理的样本数；j表示从第i个样本往前遍历的第k个样本。
7.一种波形边缘的监测装置，其特征在于，包括：
短时均化校正标准差处理模块，用于对波形数据的时域幅度信号进行连续抽样，计算样本的短时k阶标准差，根据所述样本的时域幅度对所述短时k阶标准差进行校正，对校正结果进行短时均化处理，得到所述样本的短时均化校正标准差；
最优分段门限获取模块，用于设置多个分段门限，从所述多个分段门限中确定最优分段门限，根据所述最优分段门限对所有样本进行分段处理，以使得每个分段中包括至少两个样本；
边缘标记模块，用于对所有分段进行边缘属性和稳态分析，根据分析结果标记波形边缘；
其中，所述多个分段门限均为小于所述短时均化校正标准差中的最大值的不同值；所述最优分段门限的分段结果满足：短时均化校正标准差小于分段门限的样本占比大于预设阈值且分段数最小；
所述分析结果包括分段的边缘属性判定为边缘段或非边缘段以及分段的稳态结果为非稳态或非稳态；
相应地，根据分析结果标记波形边缘，具体为：
将非稳态的分段的边缘属性更新为距离所述非稳态的分段最近的稳态分段的边缘属性，之后将同时属于稳态和边缘段的分段标记为波形边缘。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述波形边缘的监测方法的步骤。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6中任意一项所述的波形边缘的监测方法。
CN202010231631.XA 2020-03-27 2020-03-27 波形边缘的监测方法及装置 Active CN113449264B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010231631.XA CN113449264B (zh) 2020-03-27 2020-03-27 波形边缘的监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010231631.XA CN113449264B (zh) 2020-03-27 2020-03-27 波形边缘的监测方法及装置

Publications (2)

Publication Number Publication Date
CN113449264A CN113449264A (zh) 2021-09-28
CN113449264B true CN113449264B (zh) 2023-08-15

Family

ID=77808130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010231631.XA Active CN113449264B (zh) 2020-03-27 2020-03-27 波形边缘的监测方法及装置

Country Status (1)

Country Link
CN (1) CN113449264B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1289047A (zh) * 1999-09-14 2001-03-28 特克特朗尼克公司 对输入信号的波形边缘进行时间标定的方法
CN1797470A (zh) * 2004-12-28 2006-07-05 北京航空航天大学 一种子像素级阶跃边缘快速提取方法
CN102928014A (zh) * 2012-10-23 2013-02-13 保定市三川电气有限责任公司 电力系统数字测量或遥测处理的方法及装置
CN103698808A (zh) * 2012-09-28 2014-04-02 中国石油天然气集团公司 一种对地震和测井数据波形极值特征点分离与波形重构方法
CN103869117A (zh) * 2012-12-13 2014-06-18 北京普源精电科技有限公司 一种波形检测方法及示波器
CN104422470A (zh) * 2013-09-03 2015-03-18 北京谊安医疗系统股份有限公司 用于波形绘制的坐标切换方法
CN105574279A (zh) * 2015-12-23 2016-05-11 西安电子科技大学 基于二阶多边沿响应法的快速时域分析方法
KR101740982B1 (ko) * 2016-01-29 2017-05-29 서울시립대학교 산학협력단 임의 변화를 최소화하는 디자인 파라미터 결정 장치 및 결정 방법
CN108324271A (zh) * 2017-12-25 2018-07-27 中国科学院深圳先进技术研究院 心电信号识别方法、系统和心电监测设备
CN109831535A (zh) * 2019-03-20 2019-05-31 华南理工大学 一种基于边缘计算的大数据智能收集方法
CN110298087A (zh) * 2019-06-13 2019-10-01 中国空气动力研究与发展中心低速空气动力研究所 基于变属性多孔的涡-固干扰噪声抑制方法及其结构

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1289047A (zh) * 1999-09-14 2001-03-28 特克特朗尼克公司 对输入信号的波形边缘进行时间标定的方法
CN1797470A (zh) * 2004-12-28 2006-07-05 北京航空航天大学 一种子像素级阶跃边缘快速提取方法
CN103698808A (zh) * 2012-09-28 2014-04-02 中国石油天然气集团公司 一种对地震和测井数据波形极值特征点分离与波形重构方法
CN102928014A (zh) * 2012-10-23 2013-02-13 保定市三川电气有限责任公司 电力系统数字测量或遥测处理的方法及装置
CN103869117A (zh) * 2012-12-13 2014-06-18 北京普源精电科技有限公司 一种波形检测方法及示波器
CN104422470A (zh) * 2013-09-03 2015-03-18 北京谊安医疗系统股份有限公司 用于波形绘制的坐标切换方法
CN105574279A (zh) * 2015-12-23 2016-05-11 西安电子科技大学 基于二阶多边沿响应法的快速时域分析方法
KR101740982B1 (ko) * 2016-01-29 2017-05-29 서울시립대학교 산학협력단 임의 변화를 최소화하는 디자인 파라미터 결정 장치 및 결정 방법
CN108324271A (zh) * 2017-12-25 2018-07-27 中国科学院深圳先进技术研究院 心电信号识别方法、系统和心电监测设备
CN109831535A (zh) * 2019-03-20 2019-05-31 华南理工大学 一种基于边缘计算的大数据智能收集方法
CN110298087A (zh) * 2019-06-13 2019-10-01 中国空气动力研究与发展中心低速空气动力研究所 基于变属性多孔的涡-固干扰噪声抑制方法及其结构

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
心音特征在慢性心力衰竭分型辅助诊断中的应用研究;孙伟 等;《中国生物医学工程学报》;第37卷(第5期);537-544 *

Also Published As

Publication number Publication date
CN113449264A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN102360502B (zh) 一种自动基线校正方法
WO2017157183A1 (zh) 一种自动多阀值特征过滤方法及装置
CN109360581A (zh) 基于神经网络的语音增强方法、可读存储介质及终端设备
CN109616139A (zh) 语音信号噪声功率谱密度估计方法和装置
JP2008534989A (ja) 音声アクティビティ検出装置および方法
CN103576060A (zh) 基于小波自适应阈值的局部放电信号去噪方法
CN109270345A (zh) 一种电网谐波信号的检测方法
CN105429719A (zh) 基于功率谱和多尺度小波变换分析强干扰信号检测方法
CN108009122B (zh) 一种改进的hht方法
CN116865269A (zh) 一种风电机组高谐波补偿方法及系统
CN108281961B (zh) 一种自适应鲁棒扩展卡尔曼的参数辨识方法
CN115563483A (zh) 基于改进阈值估计和改进阈值函数的放电信号降噪方法
CN113341220B (zh) 含噪多频衰减实信号频率估计方法
CN113449264B (zh) 波形边缘的监测方法及装置
CN103578274B (zh) 一种交通流预测方法及装置
CN110287853B (zh) 一种基于小波分解的暂态信号去噪方法
CN111611686A (zh) 一种通信信号时频域的检测方法
CN110198196B (zh) 通信系统中基于信号强度的振幅估计方法
CN117572161A (zh) 一种电弧故障检测方法、装置及相关组件
CN114676732A (zh) 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统
CN113190788B (zh) 一种自适应提取和降噪配电系统母线特征的方法和装置
CN112562703B (zh) 一种音频的高频优化方法、装置和介质
CN113613159B (zh) 麦克风吹气信号检测方法、装置和系统
CN116305588B (zh) 一种风洞试验数据异常检测方法、电子设备及存储介质
CN113128409B (zh) 一种基于多维关联规则模型的整车多源信号柔性测试方法

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