基于最小熵翻卷积的网络故障特征提取仿真

传统的基于FRFT网络故障特征提取方法当网络信号发生突变时,由于受到噪声和信号衰弱的影响,导致网络故障特征极其微弱,并且网络的拓扑结构和权值分布成非线性映射,将信号简单排列成矩阵,无法有效实现对网络故障特征的提取。提出一种基于小波滤波以及最小熵翻卷积的网络故障特征提取方法,将突变信号在与之相邻尺度上的小波系数直接相乘,依据阈值对噪声中的网络故障信息进行采集并过滤噪声,使获取的小波系数信噪比大大增强。将突变信号小波变换值在几个尺度上进行计算,实现网络故障特征的初提取。获取一个逆滤波器,通过网络输出恢复网络输入信号,依据解卷积后获取的序列对可能估计值的最优解进行计算,求出逆滤波器矩阵,分析了最小熵归迭代算法的具体实现过程。仿真结果表明,所提方法具有很高的准确性。