はじめに

パターン抽出、通信の多重化の特許を取得したので、その実装をGitHubに上げました。
Qiitaも始めてみようと思い立ったので、特許の内容について簡単に説明したいと思います。
パターン抽出と周期性解析、連続性解析の特許についての説明です。

bedcmmの基礎理論

基底を設定し、0以外の値を基底の値で割算し、その最小値を相関値とするのが、
bedcmm(基底抽出割算相関最小法)の基礎理論です。

任意のデータに対し、基礎理論の処理をそのまま行うのがパターン抽出です。

検出したいデータの部分をコピーし特徴的な点以外の値を0としたものを、基底とするとパターン抽出しやすくなると考えています。

また、隠れたパターンも抽出してしまうため、常にデータの大きいデータは、意図にそぐわない検出を行う事が、多いかと思います。
その時は、大きいデータの基底を作成し、除外する作業をしましょう。

パターン抽出を応用し、フーリエ変換のような変換を目指して、周期性で変換を行ったものです。
周期性解析では、基底を間隔を開けた二つの1として、間を0で埋めたの基底を作成し、その相関値の平均を取得しています。

周期性が完璧にある時は、周期性毎の値が同じになると考え、その値からズレた時は、ズレた分だけ損失を与える処理になっています。データ数と周期が割り切れる場合は、完璧に周期性があると、平均値とbedcmm周期性の計算値が一致します。

周期性解析では、基底を間隔を開けた基底にして平均を取得していましたが、この基底を連続した基底に変えたものです。