基于小波包分解和模糊C均值的飞行器电信号聚类方法技术

本发明专利技术涉及基于小波包分解和模糊C均值的飞行器电信号聚类方法。该方法借助小波包分解(103)将原始电信号数据分解为不同尺度的电信号，并对各尺度的电信号设置阈值进行滤波(104)实现去噪，并使用小波逆变换将多尺度的电信号重构为一个电信号(105)，最后将其输入模糊C均值聚类模块中实现飞行器电信号的聚类(110)。本发明专利技术在预处理的过程中实现了滤波与电信号特性事件的抓取，并依据所抓取的电特性采用聚类建模算法建立了专家库。采用聚类建模算法建立了专家库。采用聚类建模算法建立了专家库。

【技术实现步骤摘要】
基于小波包分解和模糊C均值的飞行器电信号聚类方法


[0001]本专利技术属于信号分解以及聚类
，涉及基于小波包分解和模糊C均值的飞行器电信号聚类方法。

技术介绍

[0002]电特性监测识别系统的专家库建立主要由数据预处理和聚类建模算法组成。航天探测器电子负载系统是开放的非线性时变系统，系统结构复杂且不确定，这些信号的突变时常发生，因此在系统发生故障时，引起事故的原因将会交织在一起。如果没有可靠的信息来源以及分析方法，仅靠假设和推测，难以判断准确的故障起因，为了实现电特性的动态识别，必须首先进行数据预处理；数据预处理过程中实现滤波与电特性事件抓取，并根据所抓取的电特性来建立专家库；本专利技术在合理简化的基础上建立了小波变换与事件抓取相结合的数据预处理方法，并采用聚类建模算法完成专家库的模型创建。
[0003]数据预处理是航天探测器电特性识别系统的关键部分，航天探测器电特性数据有数据量大但有用数据量较小的特点，因此采用合适的数据预处理方法获得有效数据对于航天探测器电特性识别系统至关重要。
[0004]由于航天探测器电特性硬件采集系统具有很强采集能力，所获取的数据量较大，因此在线识别系统在基本不影响识别准确性的前提下对所获取的数据进行一个降采样的过程。从而减少所需计算的数据，大大减少了计算量。
[0005]在电信号事件识别的过程中，所采集到的数据可能还有大量的噪声，为了提高识别的准确性，数字滤波必不可少，本专利技术采用小波阈值去噪的方式，小波阈值去噪是使用小波分解的方法，将原始信号高低频分离后分别去找再进行重构的过程，对突变噪声有较好的效果。
[0006]本专利技术采用阈值去噪的方式对噪声信号进行处理，其原理为运用阈值函数对原始信号的小波系数进行处理。体现了对超过和低于阈值的小波系数不同处理策略，针对不同的航天探测器电特性数据，采用分别硬阈值函数或者软阈值函数，以便获取更好地滤波去噪效果。

技术实现思路

[0007]本专利技术的目的在于针对现有非线性时变系统采集的数据因为电特性差异度不明显，导致预处理后聚类效果不好的技术现状，提出了基于小波包分解和模糊C均值的飞行器电信号聚类方法。
[0008]为了实现上述目的，本专利技术采取如下技术方案。
[0009]所述飞行器电信号聚类方法，包括：数据预处理以及模糊C均值聚类；
[0010]所述数据预处理，包括数字滤波以及电特性事件捕获；
[0011]所述数字滤波，为小波阈值去噪，包括小波变换进行多尺度分解、对各尺度系数进行去噪处理以及利用小波逆变换重构信号三部分；
[0012]所述小波阈值去噪中对各尺度系数进行去噪处理采用阈值去噪；所述阈值去噪，通过先硬阈值函数去噪再软阈值函数去噪处理得到；
[0013]所述硬阈值函数为：
[0014][0015]其中，w表示小波系数，T为给定阈值；
[0016]所述软阈值函数：
[0017][0018]其中，sgn(*)为符号函数；
[0019]电特性事件捕获通过阈值触发的方式获取电信号事件发生的事件，之后通过一个固定大小的窗函数抓取一段时间的电信号数据，得到归一化航天探测器电特性历史数据；
[0020]所述阈值触发是指通过对电信号数据的遍历，设定一个较短的小窗口，这个小窗口内有很短一段时间的数据，当小窗口中的数据均值超过一定的阈值时，则认为事件发生；
[0021]所述电特性事件捕获的作用是在事件发生之后获取完整的电信号波形，这样保证了之后的识别操作只在有事件发生的情况下进行,同时固定了窗函数的长度，统一了标准；
[0022]所述模糊C均值聚类，将n个经预处理的归一化航天探测器电特性历史数据作为样本数据，再将样本数据分为C个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小；再通过数据分析生成专家训练集的过程，具体为：
[0023]S1、将时域上相似的波形数据分为一类并产生该类别的聚类中心；
[0024]所述产生该类别的聚类中心，通过模糊C均值聚类实现，使得每个给定数据点用值在0到1之间的隶属度来确定其属于各个组的程度；
[0025]所述模糊C均值聚类的价值函数为：
[0026][0027][0028](3)式为(4)式的变换形式，加入拉格朗日乘子λ
i
，满足目标函数最小的必要条件：
[0029][0030][0031]所述μ
ij
为隶属矩阵U中的元素，ci为模糊组i的聚类中心，dij＝||ci
‑
yj||为第i个
聚类中心与第j个数据点间的欧几里德距离，x
j
为所输入的电特性数据样本点，m是一个加权指数；
[0032]S2、通过专家纠错的方式获取专家数据。
[0033]本专利技术的有益效果包括：
[0034]本专利技术提出了基于小波包分解和模糊C均值的飞行器电信号聚类方法，与现有电信号聚类方法相比，具有如下有益效果：
[0035]1.所述飞行器电信号聚类方法与现有聚类方法相比，处理速度明显提升，原因在于经过小波包分解使得数据维度降低，降低了数据处理以及处理复杂度；
[0036]2.所述飞行器电信号聚类方法与现有聚类方法相比，聚类准确度比现有聚类方法高，现有不采用小波包分解的聚类方法的分类准确度为50％到60％，本方法聚类准确度达80％；
[0037]3.所述该飞行器电信号聚类方法，具有很好的鲁棒性及普适性；
[0038]4.所述该飞行器电信号聚类方法并不需要进行航天探测器电特性识别的人工检查纠错，只有隶属度较低的样本需要进行人工检查纠错过程，极大的减少了人工工作量。
附图说明
[0039]图1显示了根据本专利技术基于小波包分解和模糊C均值的飞行器电信号聚类方法的流程图；
[0040]图2本专利技术基于小波包分解和模糊C均值的飞行器电信号聚类方法与K
‑
means方法耗时对比。
具体实施方式
[0041]下面结合具体实施例及附图对本专利技术基于小波包分解和模糊C均值的飞行器电信号聚类方法的具体实施进行详细阐述。
[0042]实施例1
[0043]本专利技术对电特性监测识别系统的专家库进行了建模分析，为了实现电特性的动态识别，首先进行数据预处理；数据预处理过程中实现滤波与电特性事件抓取，并根据所抓取的电特性来建立专家库；本专利技术在合理简化的基础上建立了运用滤波与事件抓取相结合的数据预处理方法，并采用聚类建模算法完成专家库的模型创建。
[0044]考虑到航天器电特性数据的复杂性，首先采用阈值触发的方式对电特性监测平台所储存的时间序列数据进行了截取，最后采用模糊C均值聚类算法建立了专家库数据。
[0045]根据本专利技术的一个实施例的小波变换多尺度分解和模糊C均值的飞行器电信号聚类流程图如图(1)所示，其包括：
[0046]当飞行器电信号要进行聚类工作时(101)，首先将输入的电信号进行预处理(102)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波包分解和模糊C均值的飞行器电信号聚类方法，其特征在于包括：进行数据预处理以及模糊C均值聚类，其中：所述数据预处理包括数字滤波以及电特性事件捕获，所述数字滤波为小波阈值去噪，包括小波变换进行多尺度分解、对各尺度系数进行去噪处理以及利用小波逆变换重构信号三部分，所述小波阈值去噪中对各尺度系数进行去噪处理采用阈值去噪，所述阈值去噪通过先硬阈值函数去噪再软阈值函数去噪处理得到，所述硬阈值函数为：其中，w表示小波系数，T为给定阈值；所述软阈值函数为：其中，sgn(*)为符号函数；电特性事件捕获通过阈值触发的方式获取电信号事件发生的事件，之后通过一个固定大小的窗函数抓取一段时间的电信号数据，得到归一化航天探测器电特性历史数据；所述阈值触发是指通过对电信号数据的遍历，设定一个较短的小窗口，这个小窗口内有很短一段时间的数据，当小窗口中的数据均值超过一定的阈值时，则认为事件发生；所述电特性事件捕获的作用是在事件发生之后获取完整的电信号波形，这样保证了之后的识别操作只在有事件发生的情况下进行,同时固定了窗函数...

【专利技术属性】
技术研发人员：李可，张涛，胡振宁，李鹏蛟，武昊鹏，阚艳，庞丽萍，杨顺昆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：