ELM（边缘局域模，Edge local mode）是等离子体运行中的一种模式，常伴随H-模（高约束模）一起出现。 ELM出现时，Hα信号幅值整体下降，能量约束水平上升，伴随着大量的准周期性的、快速的尖峰状扰动，即 ELM，如下图所示：

24.19万数据切片（由5200炮数据切片获得）

本项目对数据处理流程如下图所示: 首先对完整的一个通道数据进行切片处理，以获得大量数据及保证识别精度，之后神经网络会识别一个切片中是否含有ELM信号。识别完成后再平移滑动窗口识别下一个数据切片。这样最终会得到一个只含0、1的一维数据。考虑到L-H模的转换是连续的过程，不会出现单独几个切片长度的ELM，因而进行平滑处理得到ELM开始与结束时刻。

本文基于AlexNet,对网络参数进行了部分修改，得到以下网络结构：

算法可以对ELM进行良好的识别，且得到精确的开始结束时间节点：

除了对标准的ELM有良好的识别效果，对复杂情形下的ELM也有较好的识别：

对25000余炮进行了识别，得到以下结果：

在所有正确识别的炮中，时间节点的误差不超过20ms,该误差可以满足实时控制精度要求！

开发了对应了C/C++接口，在CentOS（128G 内存）上进行了速度测试，得到以下结果：

该计算速度可以满足实时控制的速度要求！