-
-
手机阅读
摘要：本文以数字波形为例，提出波形幅值向量化处理快速建立匹配模板。把输入信号的波形做准归一化处理与模板进行匹配，求出与所有模板的距离。实验结果表明此方法不仅可行，而且正确率和执行效率相当高。
关键字：向量；模板匹配；距离
中图分类号：O29 文献标识码：A 文章编号：1006-883X(2006)04-0032-03
一、引言
信号波形的提取与识别是信号处理的一个基本问题，其主要目的是从噪声信号中提取有用的信息并对有用的信息进行特征提取与识别。其中信号提取通常所采用的方法是利用参数表达的具体特定性质的基函数，根据一定的数学规则将信号展开。例如利用傅里叶基函数、小波基函数和小波的线性组合“复合小波”来表示信号的特征信息进行信号提取。波形识别则一般采用信号调制识别算法，提取信号的瞬时特征统计参量来进行模板匹配判决，所需参量数n一般都大于7。本文以数字字符识别为例，主要采用采用数字信号处理方法提取信号的幅值和波形时间间隔等少数几个参量进行波形自动识别。
二、波形特征提取
1、波形的向量处理
在脑电波、癌细胞检测波形、字符检测波形等波形中，可以看到每种波形都有其特有的形状，只是在外部条件改变的情况下（如电压大小、采样频率等），波形的幅值有所不同。如图1所示：对于每个数字波形W，可以采用含有m个元素的向量X来表示：
X= [ x1 x2 x3 … xm-2 xm-1 xm ]. (1)
其中，元素xi—波形某点的幅值，并且相邻两元素间的时间间隔Δt相等。
因此对于10个数字0、1、2、3、4、5、6、7、8、9的波形都有其独有的特征向量xi，可以作为输入信号匹配的模板。注意的是所采用的向量元素并没有做归一化处理，这是考虑到某些信号幅值呈正负分布，可能使信号幅值的总和为零或很小，这样归一化之后可能使元素趋于无穷大。为了解决幅值的一致性，可以对输入波形Y做如下处理：
Y= [ y1 y2 y3 … ym-2 ym-1 ym ]*max (Y)/max (Xi)
= [ p1 p2 p3 … pm-2 pm-1 pm ] (2)
2、波形的匹配
在波形的匹配过程当中，定义输入波形向量Y与波形模板Xi之间的距离Di：
Di=‖Xi-Y‖22
=∑(xj - pj) (i=0、1、2 … 9)、（j=1、2 … m） (3)
比较Di的值，取Di的最小值，此时i即为输入波形所对应的数字，达到了自动识别的目的。
从上面的分析可以看出只要每个数字波形的向量模板确定，输入波形只要做简单的处理即可进行匹配。每个数字波形进行匹配的过程中，前提是必须使波形的起始位置和终止位置与模板的对波形向量化处理的起始位置和终止位置相同，否则识别的效果会有偏差。
3、多个数字复合波形的识别
在实际的应用过程中，单个数字波形识别意义不是很大，大多数是多个数字组合运用。如在证券编号、产品包装喷码都是多个数字的组合。实际上可以看得出复合波形是其单个成员数字波形的组合。如图2所示。可以看出是有10个数字的复合波形，每个数字波形之间间隔非常小。
为了把单个波形提取出来，必须引入另一个参量，就是数字波形检测装置的转动速率v。对于步进电机控制的v可以作为常数处理，检测装置通过组合数字的时，对数字宽度相等的组合数字而言，其通过每个数字的时间△T是相同的，因此在时域上表现为每个数字波形的时间间隔相同。
每个数字波形的时间间隔△T确定并不能立即进行波形分割，必须设定一阀值Ref作为波形的起始位置（一般Ref=0.2V左右），以△T和Ref作为分割参数把单个数字波形切分开来。切分后的单个数字波形再利用前述的快速模板匹配进行自动识别。
三、实验结果与仿真
单个数字波形是基础，首先把0～9的波形做向量处理，建立模板Xi，输入数字波形Y；然后对Y进行（2）式处理，处理后与已建立模板Xi进行匹配。结果如图3，可以看出输入波形是数字4。
这种快速模板匹配波形识别算法不仅适用脑电波、癌细胞波形、数字波形的识别，而且对于特征波形个数为有限个的应用场合也同样适用。
例如对于频率和幅值不同的正弦波和余弦波，如图4，利用快速模板匹配算法的结果如图5所示。
从图中显然可以得出输入的波形是正弦信号，这与所观察的结果是一样的。
四、结束语
本文以数字波形为例，提出波形幅值向量的方法快速建立匹配模板，把输入信号做简单处理后进行模板匹配识别。方法简单，可操作性强，识别效率高。另外对于多个数字组合的复合波形，合理的设置切分参数，可以把复杂问题简单化，这样使得整个识别过程更科学和完整，可靠性和执行效率得到了极大的改善。