本發(fā)明屬于信號(hào)分析和故障診斷領(lǐng)域，涉及一種基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法。

背景技術(shù)：

現(xiàn)代測(cè)試設(shè)備或者故障診斷設(shè)備，在對(duì)被測(cè)裝備進(jìn)行故障診斷時(shí)，大多要將測(cè)試探頭(傳感器)獲得的能反映被測(cè)裝備是否故障的各種物理(光、聲、電、振動(dòng)等)特征信號(hào)轉(zhuǎn)換為電信號(hào)，然后分析此特征電信號(hào)是否正常，以判斷被測(cè)裝備是否故障。在這一過(guò)程中，如何識(shí)別、判斷被測(cè)特征信號(hào)是否為故障信號(hào)是一難點(diǎn)。

目前，將獲得的被測(cè)裝備的被測(cè)特征信號(hào)與正常工作時(shí)采集的正常特征信號(hào)(即樣本信號(hào))相比較的波形匹配技術(shù)，是自動(dòng)判別特征信號(hào)是否為故障信號(hào)的有效方法。郝敬松等在2015年發(fā)表的《基于波形匹配的星載AIS信號(hào)檢測(cè)》一文中，采用波形匹配技術(shù)，通過(guò)計(jì)算接收信號(hào)(被測(cè)信號(hào))和樣本信號(hào)(正常信號(hào))的相關(guān)系數(shù)來(lái)確定兩者是否匹配，檢測(cè)接收信號(hào)是否存在時(shí)延和頻偏故障。但是，采用這樣的方法需要一個(gè)前提條件，即被測(cè)信號(hào)和樣本信號(hào)具有相同的特定數(shù)學(xué)模型。然而，在大多數(shù)情況下，如果被測(cè)裝備發(fā)生故障，被測(cè)信號(hào)的波形是千變?nèi)f化，無(wú)法確定其數(shù)學(xué)模型的，甚至樣本信號(hào)也是無(wú)法用數(shù)學(xué)模型描述。在這種情況下的波形匹配，可以人工觀察被測(cè)信號(hào)和樣本信號(hào)的波形，如果有明顯的區(qū)別，則可以判斷被測(cè)裝備發(fā)生了故障。但是，如果兩者波形區(qū)別不大，或者波形比較復(fù)雜，就需要比較兩個(gè)波形的特征參數(shù)值(特征值)，如果兩者特征值的差值超過(guò)了容差范圍(即容差閾值)，則可以判斷被測(cè)裝備發(fā)生了故障。

宋麗蔚等在2013年發(fā)表的《波形匹配技術(shù)在測(cè)試性仿真驗(yàn)證中的應(yīng)用》一文中，采用小波分析技術(shù)，分解出信號(hào)波形的特征值，并采用基于支持向量機(jī)的分類方法，通過(guò)大量故障信號(hào)和正常信號(hào)的樣本訓(xùn)練，將分類正常信號(hào)和故障信號(hào)的容差閾值固化在支持向量機(jī)相應(yīng)的擬合函數(shù)中，用來(lái)識(shí)別分類被測(cè)信號(hào)。該文采用小波分析技術(shù)較好的分解出了信號(hào)波形的特征值，但是采用基于支持向量機(jī)的分類方法，需要事先提供大量正常信號(hào)和故障信號(hào)樣本進(jìn)行訓(xùn)練，這在一般情況下是不可能做到的。采用這類方法時(shí)，特征值容差閾值的獲取，不論是采用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)還是其它方法，基本上都需要大量故障信號(hào)和正常信號(hào)樣本，這在現(xiàn)實(shí)中難以達(dá)到，因此需要研究采用新的方法來(lái)獲得信號(hào)特征值容差閾值，以判別被測(cè)信號(hào)是故障信號(hào)還是正常信號(hào)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題，是提供一種基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法，本發(fā)明采用隨機(jī)統(tǒng)計(jì)模擬的方法得到信號(hào)小波分析特征值閾值和敏感特征值閾值，并應(yīng)用特征值閾值和敏感特征值閾值判斷信號(hào)是否為故障信號(hào)，該方法不需要大量故障信號(hào)和正常信號(hào)樣本即可判斷，節(jié)省了大量的時(shí)間，方法簡(jiǎn)單、準(zhǔn)確性高。

為解決上述技術(shù)問(wèn)題，本發(fā)明所采取的技術(shù)方案是：

一種基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法，它按照如下的步驟順序進(jìn)行：

一、利用信號(hào)的小波分析判別故障

采用小波分析方法，將被測(cè)信號(hào)和樣本信號(hào)(未發(fā)生故障時(shí)的正常信號(hào))進(jìn)行時(shí)間或空間頻率的局部化分析，通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化，提取樣本信號(hào)和被測(cè)信號(hào)的多種頻率，進(jìn)行顯示比對(duì)，并計(jì)算各層小波分析的弧距，計(jì)算高頻分量特征值并將被測(cè)信號(hào)和樣本信號(hào)進(jìn)行比對(duì)；

如果樣本信號(hào)和被測(cè)信號(hào)小波分析出的特征值差異較大，則可判斷被測(cè)裝備發(fā)生了故障；如果特征值差異較小，則需要依次利用下述步驟的信號(hào)容差閾值、特征值閾值和敏感特征值閾值來(lái)進(jìn)行綜合判別；

二、利用信號(hào)容差閾值判別故障

信號(hào)容差均值的算法如公式(1)，

${\stackrel{\‾}{\mathrm{\Δ}}}_{xy}=\left(\underset{i=1}{\overset{n}{\Σ}}\right|x_i-y_i\left|\right)/n,i=1,2,3,...,n---\left(1\right)$

公式(1)中，為信號(hào)的容差均值，x_i為樣本信號(hào)x的第i個(gè)數(shù)據(jù)，y_i為被測(cè)信號(hào)y的第i個(gè)數(shù)據(jù)，n為數(shù)據(jù)采樣點(diǎn)數(shù)；

給定一個(gè)限定值為信號(hào)的容差閾值，當(dāng)時(shí)，則判定被測(cè)信號(hào)y為故障信號(hào)，否則為正常信號(hào)，稱為信號(hào)的容差閾值；

三、利用小波分析特征值容差閾值判別故障

為了避免步驟二中采用信號(hào)的容差閾值判別導(dǎo)致的誤判，保證準(zhǔn)確、可靠地判別故障，利用小波分析特征值容差閾值按照如下步驟判別故障：

步驟①：

根據(jù)步驟二中輸入的信號(hào)容差閾值，以樣本信號(hào)數(shù)據(jù)作為基準(zhǔn)，將步驟二中輸入的信號(hào)容差閾值作為信號(hào)容差均值期望，仿真模擬出若干組被測(cè)信號(hào)數(shù)據(jù)；

步驟②：

對(duì)步驟①獲得的仿真模擬信號(hào)數(shù)據(jù)每組分別進(jìn)行小波分析，求出每組仿真模擬信號(hào)數(shù)據(jù)各自的特征參數(shù)的值；

步驟③：

將所有組仿真模擬信號(hào)小波分析同一個(gè)特征參數(shù)的值相加，除以仿真模擬信號(hào)組數(shù)，求得此特征參數(shù)的均值，用此方法求出所有特征參數(shù)的均值，特征參數(shù)均值的算法如公式(2)，

公式(2)中，為所有組仿真模擬信號(hào)小波分析第j個(gè)特征參數(shù)的均值，r為小波分析特征參數(shù)的個(gè)數(shù)，m為仿真模擬信號(hào)數(shù)據(jù)的組數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)小波分析的第j個(gè)特征參數(shù)值；

步驟④：

將步驟③獲得的全部特征參數(shù)的均值與樣本信號(hào)小波分析的同一個(gè)特征參數(shù)的值相減取絕對(duì)值并求和，獲得特征值容差閾值特征值容差閾值的算法如公式(3)，

公式(3)中，為小波分析特征值容差閾值，為樣本信號(hào)第j個(gè)特征參數(shù)的值；

步驟⑤：

對(duì)實(shí)測(cè)的被測(cè)信號(hào)進(jìn)行小波分析，將其小波分析各特征值分別與樣本信號(hào)小波分析對(duì)應(yīng)的特征值相減取絕對(duì)值并求和，得到實(shí)際特征值容差

如果則判斷被測(cè)信號(hào)為故障信號(hào)，否則為正常信號(hào)，實(shí)際特征值容差的算法如公式(4)，

公式(4)中，為實(shí)際特征值容差，為實(shí)測(cè)的被測(cè)信號(hào)小波分析第j個(gè)特征參數(shù)的值；

四、利用小波分析敏感特征值閾值判別故障

為了避免步驟三中小波分析特征值容差閾值對(duì)故障信號(hào)的誤判和無(wú)法判別故障情況的出現(xiàn)，需要

利用小波分析敏感特征值閾值對(duì)故障進(jìn)行判別，具體步驟如下：

步驟(a)：

將步驟②中獲得的每組仿真模擬信號(hào)數(shù)據(jù)的小波分析特征值按照小波分析的層進(jìn)行分組，每一層小波分析對(duì)應(yīng)一組特征值；

步驟(b)：

以樣本信號(hào)數(shù)據(jù)小波分析每一層對(duì)應(yīng)的特征值為基準(zhǔn)，計(jì)算所有仿真模擬信號(hào)數(shù)據(jù)小波分析同一層對(duì)應(yīng)的特征值與這些基準(zhǔn)特征值的容差均值，算法如公式(5)，

公式(5)中，為所有仿真模擬信號(hào)數(shù)據(jù)與樣本信號(hào)數(shù)據(jù)第h層小波分析特征值容差均值，h為小波分析的層號(hào)，r_h為第h層小波分析的特征值個(gè)數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)第h層小波分析的第j個(gè)特征值，為樣本信號(hào)數(shù)據(jù)第h層小波分析第j個(gè)特征值，k為總共進(jìn)行的小波分析的層數(shù)；

步驟(c)：

從第1層到第k層，對(duì)計(jì)算出的值進(jìn)行大小排列，選取值最大的前p個(gè)對(duì)應(yīng)的小波分析層的特征值組作為敏感特征值組；

步驟(d)：

將所有組仿真模擬信號(hào)小波分析中，步驟(c)所選出的p個(gè)敏感特征值組里的同一個(gè)特征參數(shù)的值相加，除以仿真模擬信號(hào)的組數(shù)，求得此敏感特征值的均值，用此方法求出這p個(gè)特征值組里所有特征值的均值，敏感特征值均值的算法如公式(6)，

公式(6)中，為所有組仿真模擬信號(hào)p個(gè)敏感特征值組中第j個(gè)敏感特征值的均值，r_p為p個(gè)敏感特征值組中所有敏感特征參數(shù)的個(gè)數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)小波分析的p個(gè)敏感特征值組中第j個(gè)特征值；

步驟(e)：

將步驟(d)獲得的全部敏感特征值的均值與樣本信號(hào)對(duì)應(yīng)小波分析敏感特征值相減取絕對(duì)值并求和，獲得敏感特征值容差閾值敏感特征值容差閾值的算法如公式(7)，

公式(7)中，為小波分析敏感特征值容差閾值；

步驟(f)：

對(duì)實(shí)測(cè)的被測(cè)信號(hào)進(jìn)行小波分析，將其p個(gè)敏感特征值組中的所有敏感特征值分別與樣本信號(hào)小波分析的同一個(gè)敏感特征參數(shù)的值相減取絕對(duì)值并求和，得到實(shí)際敏感特征值容差

如果則判斷被測(cè)信號(hào)為故障信號(hào)，否則為正常信號(hào)，實(shí)際敏感特征值容差的算法如公式(8)，

公式(8)中，為實(shí)際敏感特征值容差，為實(shí)測(cè)的被測(cè)信號(hào)小波分析p個(gè)敏感特征值組中第j個(gè)敏感特征參數(shù)的值。

由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，所取得的技術(shù)進(jìn)步在于：

本發(fā)明提供的一種基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法，采用隨機(jī)統(tǒng)計(jì)模擬的方法得到信號(hào)小波分析特征值閾值和敏感特征值閾值，并應(yīng)用特征值閾值和敏感特征值閾值判斷信號(hào)是否為故障信號(hào)，該方法不需要大量故障信號(hào)和正常信號(hào)樣本即可判斷，解決了采用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等眾多方法因無(wú)法獲得訓(xùn)練樣本而導(dǎo)致的無(wú)法進(jìn)行故障判別的難題，同時(shí)該方法節(jié)省了大量的時(shí)間，方法簡(jiǎn)單、準(zhǔn)確性高。

本發(fā)明適用于對(duì)設(shè)備的信號(hào)進(jìn)行分析和故障診斷。

本發(fā)明下面將結(jié)合具體實(shí)施例作進(jìn)一步詳細(xì)說(shuō)明。

具體實(shí)施方式

下述實(shí)施例所用的方法如無(wú)特殊說(shuō)明均為現(xiàn)有的方法。

實(shí)施例1基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法

本實(shí)施例為一種基于小波特征值容差閾值隨機(jī)統(tǒng)計(jì)模擬的故障判別方法，它按照如下的步驟順序進(jìn)行：

一、利用信號(hào)的小波分析判別故障

采用小波分析方法，將被測(cè)信號(hào)和樣本信號(hào)(未發(fā)生故障時(shí)的正常信號(hào))進(jìn)行時(shí)間(空間)頻率的局部化分析，通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，從而可聚焦到信號(hào)的任意細(xì)節(jié)，將樣本信號(hào)和被測(cè)信號(hào)多種頻率提取出來(lái)，進(jìn)行顯示比對(duì)，并計(jì)算各層小波分析的弧距，將高頻分量特征值計(jì)算出來(lái)進(jìn)行比對(duì)；

如果樣本信號(hào)和被測(cè)信號(hào)小波分析出的特征值明顯不同、差異較大，則可判斷被測(cè)裝備發(fā)生了故障；如果特征值差異較小，或者部分特征值有差異，則需要依次利用下述步驟的信號(hào)容差閾值、特征值閾值和敏感特征值閾值來(lái)進(jìn)行綜合判別；

二、利用信號(hào)容差閾值判別故障

信號(hào)容差均值的算法如公式(1)所示：

公式(1)中，為信號(hào)的容差均值，x_i為樣本信號(hào)x的第i個(gè)數(shù)據(jù)，y_i為被測(cè)信號(hào)y的第i個(gè)數(shù)據(jù)，n為數(shù)據(jù)采樣點(diǎn)數(shù)；

給定一個(gè)限定值為信號(hào)的容差閾值，當(dāng)時(shí)，則判定被測(cè)信號(hào)y為故障信號(hào)，否則為正常信號(hào)，稱為信號(hào)的容差閾值；

的值，一般根據(jù)經(jīng)驗(yàn)人為給出，可以在實(shí)際中通過(guò)若干次的試驗(yàn)確定。用此方法(信號(hào)容差閾值判別故障)可以粗略判斷被測(cè)信號(hào)是否為故障信號(hào)。但是，由于各種環(huán)境和人為因素，在測(cè)試過(guò)程中信號(hào)往往會(huì)受到突發(fā)干擾，被測(cè)信號(hào)會(huì)在某一個(gè)或若干個(gè)時(shí)間點(diǎn)出現(xiàn)突變，其采樣值會(huì)出現(xiàn)奇異點(diǎn)，這就使得采用信號(hào)容差閾值判別故障時(shí)會(huì)導(dǎo)致誤判。

然而，在上述情況下，被測(cè)信號(hào)的小波分析特征值是不會(huì)受到什么影響的，為了使信號(hào)判斷結(jié)果更加準(zhǔn)確、可靠，采用信號(hào)小波分析的特征值代替信號(hào)數(shù)據(jù)值本身，對(duì)信號(hào)進(jìn)行步驟三的分析，即利用小波分析特征值容差閾值進(jìn)行故障判別；

三、利用小波分析特征值容差閾值判別故障

利用小波分析特征值容差閾值按照如下步驟判別故障：

步驟①：

根據(jù)步驟二中輸入的信號(hào)容差閾值，以樣本信號(hào)數(shù)據(jù)作為基準(zhǔn)，將步驟二中輸入的信號(hào)容差閾值作為信號(hào)容差均值期望，仿真模擬出若干組被測(cè)信號(hào)數(shù)據(jù)；

步驟②：

對(duì)步驟①獲得的仿真模擬信號(hào)數(shù)據(jù)每組分別進(jìn)行小波分析，求出每組仿真模擬信號(hào)數(shù)據(jù)各自的特征參數(shù)的值；

步驟③：

將所有組仿真模擬信號(hào)小波分析同一個(gè)特征參數(shù)的值相加，除以仿真模擬信號(hào)組數(shù)，求得此特征參數(shù)的均值，用此方法求出所有特征參數(shù)的均值，特征參數(shù)均值的算法如公式(2)所示；

公式(2)中，為所有組仿真模擬信號(hào)小波分析第j個(gè)特征參數(shù)的均值，r為小波分析特征參數(shù)的個(gè)數(shù)，m為仿真模擬信號(hào)數(shù)據(jù)的組數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)小波分析的第j個(gè)特征參數(shù)值；

步驟④：

將步驟③獲得的全部特征參數(shù)的均值與樣本信號(hào)小波分析的同一個(gè)特征參數(shù)的值相減取絕對(duì)值并求和，獲得特征值容差閾值特征值容差閾值的算法如公式(3)所示；

公式(3)中，為小波分析特征值容差閾值，為樣本信號(hào)第j個(gè)特征參數(shù)的值；

步驟⑤：

對(duì)實(shí)測(cè)的被測(cè)信號(hào)進(jìn)行小波分析，將其小波分析各特征值分別與樣本信號(hào)小波分析對(duì)應(yīng)的特征值相減取絕對(duì)值并求和，得到實(shí)際特征值容差

如果則判斷被測(cè)信號(hào)為故障信號(hào)，否則為正常信號(hào)，實(shí)際特征值容差的算法如公式(4)所示，

公式(4)中，為實(shí)際特征值容差，為實(shí)測(cè)的被測(cè)信號(hào)小波分析第j個(gè)特征參數(shù)的值；

四、利用小波分析敏感特征值閾值判別故障

相對(duì)于信號(hào)的容差閾值判別來(lái)說(shuō)，采用小波分析特征值容差閾值進(jìn)行故障判別，結(jié)果更為準(zhǔn)確、可靠。但是，每個(gè)信號(hào)都可以進(jìn)行很多層的小波分析，如果對(duì)信號(hào)進(jìn)行多層小波分析，那么每層小波分析就會(huì)產(chǎn)生一組特征值，多層小波分析就會(huì)產(chǎn)生多個(gè)特征值組。有些小波分析特征值組對(duì)信號(hào)來(lái)說(shuō)非常重要，能夠反映出信號(hào)的主要特征，只要被測(cè)信號(hào)這些小波分析特征值組與樣本信號(hào)的特征值組的特征值容差超過(guò)閾值，則就能說(shuō)明被測(cè)信號(hào)為故障信號(hào)。然而，有些小波分析特征值組對(duì)信號(hào)來(lái)說(shuō)不重要，可能反映的并不是信號(hào)的主要特征，即使被測(cè)信號(hào)的這些小波分析特征值組與樣本信號(hào)特征值組的特征值容差超過(guò)閾值，也不能說(shuō)明被測(cè)信號(hào)與樣本信號(hào)不一致；

對(duì)于一個(gè)被測(cè)信號(hào)來(lái)說(shuō)，可以反映被測(cè)信號(hào)主要特征的關(guān)鍵的特征值組，稱之為小波分析敏感特征值組，敏感特征值組里的每一個(gè)特征值稱為敏感特征值。利用小波分析特征值閾值進(jìn)行故障判別時(shí)，不可能將所有的小波分析特征值組的特征值都與樣本信號(hào)的進(jìn)行容差計(jì)算，被測(cè)信號(hào)小波分析特征值組的特征值有的可能與樣本信號(hào)一致，有的可能不一致。所以，關(guān)鍵就是要找到敏感特征值組，舍棄非敏感特征值組，以防止出現(xiàn)非敏感特征值不一致而敏感特征值一致卻判為故障信號(hào)的誤判，同時(shí)也避免出現(xiàn)被測(cè)信號(hào)特征值組的特征值與樣本信號(hào)的值有的一致有的不一致而無(wú)法判別的情況；

利用小波分析敏感特征值閾值判別故障的方法和具體步驟如下：

步驟(a)：

將步驟②中獲得的每組仿真模擬信號(hào)數(shù)據(jù)的小波分析特征值按照小波分析的層進(jìn)行分組，每一層小波分析對(duì)應(yīng)一組特征值；

步驟(b)：

以樣本信號(hào)數(shù)據(jù)小波分析每一層對(duì)應(yīng)的特征值為基準(zhǔn)，計(jì)算所有仿真模擬信號(hào)數(shù)據(jù)小波分析同一層對(duì)應(yīng)的特征值與這些基準(zhǔn)特征值的容差均值，算法如公式(5)所示，

公式(5)中，為所有仿真模擬信號(hào)數(shù)據(jù)與樣本信號(hào)數(shù)據(jù)第h層小波分析特征值容差均值，h為小波分析的層號(hào)，r_h為第h層小波分析的特征值個(gè)數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)第h層小波分析的第j個(gè)特征值，為樣本信號(hào)數(shù)據(jù)第h層小波分析第j個(gè)特征值，k為總共進(jìn)行的小波分析的層數(shù)；

步驟(c)：

從第1層到第k層，對(duì)計(jì)算出的值進(jìn)行大小排列，選取值最大的前p個(gè)對(duì)應(yīng)的小波分析層的特征值組作為敏感特征值組；

步驟(d)：

將所有組仿真模擬信號(hào)小波分析中，步驟(c)所選出的p個(gè)敏感特征值組里的同一個(gè)特征參數(shù)的值相加，除以仿真模擬信號(hào)的組數(shù)，求得此敏感特征值的均值，用此方法求出這p個(gè)特征值組里所有特征值的均值，敏感特征值均值的算法如公式(6)所示，

公式(6)中，為所有組仿真模擬信號(hào)p個(gè)敏感特征值組中第j個(gè)敏感特征值的均值，r_p為p個(gè)敏感特征值組中所有敏感特征參數(shù)的個(gè)數(shù)，為第i組仿真模擬信號(hào)數(shù)據(jù)小波分析的p個(gè)敏感特征值組中第j個(gè)特征值；

步驟(e)：

將步驟(d)獲得的全部敏感特征值的均值與樣本信號(hào)對(duì)應(yīng)小波分析敏感特征值相減取絕對(duì)值并求和，獲得敏感特征值容差閾值敏感特征值容差閾值的算法如公式(7)所示，

公式(7)中，為小波分析敏感特征值容差閾值；

步驟(f)：

對(duì)實(shí)測(cè)的被測(cè)信號(hào)進(jìn)行小波分析，將其p個(gè)敏感特征值組中的所有敏感特征值分別與樣本信號(hào)小波分析的同一個(gè)敏感特征參數(shù)的值相減取絕對(duì)值并求和，得到實(shí)際敏感特征值容差

如果則判斷被測(cè)信號(hào)為故障信號(hào)，否則為正常信號(hào)，實(shí)際敏感特征值容差的算法如公式(8)所示，

公式(8)中，為實(shí)際敏感特征值容差，為實(shí)測(cè)的被測(cè)信號(hào)小波分析p個(gè)敏感特征值組中第j個(gè)敏感特征參數(shù)的值。

實(shí)施例1，僅是本發(fā)明的較佳實(shí)施例而已，并非是對(duì)本發(fā)明所作的其它形式的限定，任何熟悉本專業(yè)的技術(shù)人員可能利用上述技術(shù)內(nèi)容作為啟示加以變更或改型為等同變化的等效實(shí)施例。但凡是未脫離本發(fā)明權(quán)利要求的技術(shù)實(shí)質(zhì)，對(duì)以上實(shí)施例所作出的簡(jiǎn)單修改、等同變化與改型，仍屬于本發(fā)明權(quán)利要求保護(hù)的范圍。