- 1、本文档共76页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
ABSTRACT
摘要
PAGE IV
PAGE I
摘要
全光纤安防系统是分布式干涉型的光纤扰动定位和传感防卫系统,能够获取被测区域空间和时间的变化,具有现场无源、抗电磁干扰、抗腐蚀、极高的灵敏度和监测范围大等特点。对检测的光纤扰动信号进行及时准确的识别对于保障保护区域安全有着重要意义。
本文以光纤扰动信号为研究对象,研究信号模式识别方法。
首先介绍了小波去噪法和谱相减去噪法,通过实验给出两种去噪方法的适用环境;其次重点研究三种特征提取方法:基于小波包分解(WPD)的小波能量特征法、基于希尔伯特—黄变换(HHT)的边际谱特征法、基于双谱估计的双谱特征法,并提出一种改进特征向量的方法。接着介绍了两种分类器设计方法:神经网络和支持向量机;最后使用构建的模式识别系统对实际光纤扰动信号模式识别。
在特征提取部分,论文详细介绍了三种时频联合分析方法,进行了理论分析和仿真实验。对信号进行5层小波包分解,将分解系数重构来构造32维特征向量的小波包能量特征提取方法;对信号进行希尔伯特—黄变换,计算希尔伯特谱,再对由希尔伯特谱积分求得的边际谱采样,构造51维的边际谱特征;将信号进行双谱估计,将第一象限双谱绝对值按频率点加和,构造128维的双谱特征。
在分类器设计部分,神经网络相关理论介绍了BP神经网络、RBF神经网络和小波神经网络;在支持向量机理论方面介绍了一对一(OAO)、一对多(OAA)、有向无环图(DAG)、非平衡二叉树(NBBT)策略下的多类支持向量机;并且提出一种神经网络与支持向量机策略相结合的分类器设计方式,得到实验验证。
结果表明,小波能量特征法、三次改进的边际谱特征法和双谱特征法均能将三种实际光纤扰动信号准确识别。小波方法和双谱估计方法能满足准确性和时效性,其中双谱估计的时效性稍差,但在准确性方面更优。
与支持向量机结合的方法相比,双谱特征提取法与神经网络分类器设计法结合表现出更好的实用性能,对测试样本识别率高达100%。
关键词:模式识别;特征提取;小波包分解;希尔伯特-黄变换;双谱估计;
神经网络;支持向量机
ABSTRACT
ABSTRACT
ABSTRACT
All-optical security system is a distributed fiber-optic disturbance location and sensor defense system, able to obtain the measured changes in space and time in the region. The paper dose research on pattern recognition of fiber security-monitoring system .
Firstly, wavelet denoising method and Spectral subtraction method are introduced.?Applicable environment for two methods are given through experiments; Second, the energy characteristic method based on wavelet packet decomposition(WPD), ?marginal spectrum characteristic method based on Hilbert - Huang transform (of HHT) ,method based on bispectrum estimation and a new method to improve signal eigenvectors are proposed.?Then the paper introduces neural networks and support vector machine;?At last this paper presents the whole pattern recognition in combination with actual application.
In feature extraction part, this paper presents a method to extract 32-D feature vector using WPD,a method to construct a 51-D?marginal spectral characteristics by HHT, a method to get a 128-D spectrum characteristics using bispectrum estimation.
您可能关注的文档
- 【毕业论文】浅析长恨歌主题及艺术特点论文.doc
- 【毕业论文】浅析长虹电子有限公司知识型员工激励的困境与对策.doc
- 【毕业论文】浅析长沙南湖灯饰城灯饰物流的现状与发展.doc
- 【毕业论文】浅析招贴设计的符号信息内含的解析方法.doc
- 【毕业论文】浅析浙江茶产业发展面临的问题及解决对策论文.doc
- 【毕业论文】浅析中俄茶文化差异论文.doc
- 【毕业论文】浅析中国传统管理思想与现代企业管理论文.doc
- 【毕业论文】浅析中国传统山水画与西方印象派风景画的相通性.doc
- 【毕业论文】浅析中国次高档白酒营销问题—以汾酒为例.doc
- 【毕业论文】浅析中国次高档白酒营销问题—以汾酒为例论文.doc
- 苏教版六年级下册数学《比例的基本性质》比例说课教学教学说课研讨课件复习.pptx
- 西师大版五年级下册数学《长方体和正方体的表面积》长方体和正方体的认识PPT教学课件.pptx
- 西师大版二年级上册数学《4的乘法口诀》表内乘法教学说课课件.pptx
- 人教版七年级下册数学《三元一次方程组的解法》二元一次方程组说课课件教学.pptx
- 经典个人年终工作总结.docx
- 人教版七年级下册数学《从数据谈节水》数据的收集、整理与描述教学说课研讨课件复习.pptx
- 五年级数学期末教学工作总结范文(32篇).docx
- 银行信贷人员工作总结.docx
- 优秀幼儿教师个人教育工作总结.docx
- 个人教学工作总结(30篇).docx
文档评论(0)