申请/专利权人：西安交通大学

申请日：2020-07-08

公开（公告）日：2024-04-02

公开（公告）号：CN111914402B

主分类号：G06F30/20

分类号：G06F30/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.11.27#实质审查的生效;2020.11.10#公开

摘要：本发明公开了一种基于信号特性和拓扑变化先验的动态拓扑估计系统及方法，该方法考虑实际拓扑是时变且隐含于数据之中的，并不能直接测量得到，因此将数据驱动的、基于信号特性及拓扑改变先验知识均考虑在内，进行数据处理。该方法利用对历史数据的学习，从数据驱动的角度，获得对不同时刻的图拓扑学习，以达到对动态拓扑结构的修正。根据信号自身特性，诸如信号在结构上的平滑性，自身的冗余度等特性，可以从数据中估计数据隐含的结构化特征，即图拓扑。与当前大多研究固定图的拓扑学习不同，本方法考虑拓扑改变的先验知识，对拓扑进行动态修正，获得更准确的动态拓扑估计。

主权项：1.一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，包括以下步骤：步骤1，建立观测信号模型；步骤1中，所述观测信号模型满足下式：Yt＝U′tSt′+ε9式中，Yt表示在第t时刻的观测信号，U′表示Ut的等价特征向量，表示St等价的图信号频率；步骤2，基于观测信号模型，建立观测信号和图拓扑之间的关系；观测信号和图拓扑之间的关系为： 式中，pSt、pμ分别表示第t时刻图频率值分布概率密度和图信号顶点值的均值的概率密度；当观测信号均值为0时，式12表示为： 式中：参数α0是正则化参数；步骤3，针对图拓扑建立拓扑学习的数学模型，求解数学模型；所述数学模型为最小化第t时刻观测信号的惩罚函数及其惩罚项；惩罚函数包括信号的平滑性最大和冗余度最小，惩罚项包括约束拓扑规模及约束拓扑改变；所述数学模型为： 式中，fLt,Yt是对第t时刻观测信号的惩罚函数；ftimeΔWt,Lt,Yt表示拓扑改变的惩罚项；γ表示图拓扑随时间变化的快慢程度，Lt表示第t时刻时图信号的拉普拉斯矩阵；ΔWt表示从第t-1时刻到第t时刻的邻接矩阵的变化量；fLt,Yt表示为： ftimeΔWt,Lt,Yt表示为： 步骤4，将观测信号数据依据时间进行分组，将分组后的观测信号数据代入至数学模型中，迭代求解出拓扑估计。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于信号特性和拓扑变化先验的动态拓扑估计系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD