舒彬

摘要：為了有效地對植物電信號進行分類，提出了一種基于多小波熵與信號自身熵的特征提取方法。小波熵由于結(jié)合了小波變換和信息熵理論的優(yōu)勢，能快速準確地提取植物電信號的特征，但由于植物電信號的非平穩(wěn)性和多樣性，依靠單一的小波熵可能出現(xiàn)分類困難和分類不準確等問題，結(jié)合多種小波熵和信號本身的熵信息進行了特征提取。該文以二類干旱脅迫下的君子蘭葉片信號為對象，對它的特征向量進行提取，并且用KNN方法分類別。通過試驗說明，此算法可以識別君子蘭葉片的電信號，為植物電信號的識別提出了一種可行的新方法。

關(guān)鍵詞：多小波熵；信號熵；植物電信號；特征提??；KNN分類

中圖分類號：TP301.6 文獻標識碼：A 文章編號：1009-3044（2016）07-0178-03

Feature Extraction of Plant Electrical Signals Based on Multi-wavelet Entropy and Signal Entropy

SHU Bin

（ Department of Mathematics， Shaanxi Xue Qian Normal University ， Xi'an 710100， China）

Abstract： To solve the problem of diagnosis for plant electrical signals， a classification approach based on combining multi-wavelet entropy and signal entropy feature extraction is proposed. Wavelet entropy can pick up the signal characteristic quickly and exactly because it combines together the advantages of Wavelet Transform and Shannon Entropy； but signal identification based only on single wavelet entropy may cause difficult or inaccurate results because of the non-stationary and diversified plant electrical signals. Therefore， several different wavelet entropies and signal entropies are extracted as eigenvectors. The results prove that this diagnosis method can recognise the electric signals of the laminae of Clivia， so it is a feasible method for plant electrical signals diagnosis in quantification.

Key words： multi-wavelet entropy； signal entropy； plant electrical signals； feature extraction； KNN classification

植物電信號是與體內(nèi)傳送信息相關(guān)的重要植物生理信號。它的變化要比各種各樣的生理及形態(tài)變化早很多[1-2]。破譯更多些的生命信息就是研究植物電信號的意義所在。由于良好的時頻局部化性質(zhì)，因此小波變換分析不平穩(wěn)時變信號很有優(yōu)勢，故將小波變換及信息熵原理相結(jié)合，就產(chǎn)生了各類小波熵[3]，它將小波變換在處理無規(guī)律信號中的優(yōu)點及信息熵統(tǒng)計信號復雜程度的特性結(jié)合在一起，進而為不平穩(wěn)時變信號的特征提取，提供了有利的條件[4]。

對植物電信號的特征文中采用多小波熵來提取，并且結(jié)合信號本身的信息熵，構(gòu)造二類干旱脅迫下君子蘭葉片信號的特征向量，采用KNN方法對特征值進行分類別，實驗表明，此方法對植物電信號分類很有效。

1 信號熵特征的描述

熵可定義為：平均不確定性，它來自于信號的平均信息量及信源，可表達信號潛在的變化過程的有效信息。若是將信源看成物質(zhì)系統(tǒng)，假如消息輸出非常多，信源的不確定性及隨機性則越來越大，很紊亂，熵也越來越大，因此信息熵可以衡量系統(tǒng)紊亂的程度 [5]。

1.1 定義信號時間熵

5 結(jié)論

文中研究了三種小波熵及定義的兩種信號熵在植物電信號識別中的應用原理，提出了基于多小波熵和信號熵在特征提取中的應用方法，得出了以下結(jié)論：1） 結(jié)合小波變換、信息熵的原理，得出了各類小波熵的定義。在信號處理中融合三者的優(yōu)勢，為識別植物電信號的方法奠定了一定的基礎(chǔ)。2）通過將小波熵及信號本身熵相結(jié)合，來提取特征向量，并采用了KNN分類方法，故而降低了分類結(jié)果的不穩(wěn)定性，進一步提高了植物電信號可靠性的識別。

參考文獻：

[1] Gurovich L， Hermosilla P.Electric signaling in fruit trees in response to water applications and light-darkness conditions [J]. J Plant Physiol 2009， 166：290–300.

[2] Xiaofei Yan， Zhongyi Wang， Lan Huang， Cheng Wang， Ruifeng Hou， Zhilong Xu， Xiaojun Qiao. Research progress on electrical signals in higher plants [J]. Progress in Natural Science， 2009， 19（5）： 531–541.

[3] Rosson O A， Blanco S， Yordanova J， et al. Wavelet entropy： a new tool for analysis of short duration brain electrical signals[J]. J Neurosci Meth， 2001， 105（1）： 65-75.

[4] 曾慶虎， 劉冠軍， 邱靜. 基于小波相關(guān)特征尺度熵的預測特征信息提取方法研究[J]. 中國機械工程， 2008， 19 （10）： 1193-1196.

[5] Rezek IA，Roberts SJ.Stochastic Complexity Measures for Physiological signal Analysis[J].IEEE Trans Biomed Engin，1998，45（9）：1186-1191.