基于SVM算法的φ-OTDR分布式光纤扰动传感系统模式识别研究

针对相位敏感光时域反射计（-OTDR）分布式光纤扰动传感系统对扰动事件进行有效判别和识别的问题,提出一种基于支持向量机（SVM）的扰动判别和扰动模式识别的方法。通过提取信号时域和频域的平均值、方差、均方差以及信号功率特征,利用二叉树结构建立基于SVM算法的分类器,对扰动进行判别并对扰动模式进行识别。根据传感信号的特征,通过分类器I在对有无扰动信号进行判别的基础上,进一步对有扰动信号利用分类器对扰动事件的模式进行识别。通过实验对所提出的方法进行验证,对600组实验数据进行扰动判别和模式识别,正确的扰动判别率在96%以上,漏报率和误报率在4%以下;正确的模式识别率均在94%以上。     

一种机场环境光纤预警系统的信号识别新算法

提出了一种基于导数分析与典型特征选取的信 号识别新算法。首先,分析信号导数与频率的关系,得到信号的时频特性;其次,根据时频 分布的特点,选取具有代表性的典型特征,以降低特征维度,减少识别时间;最后,应用概 率神经网络(PNN)对典型特征进行学习和分类。采用4种扰动信号对本文算法进行实验验证 ,平均正确识别率达95.7%,且识别时间小于0.23s。实验结果表明,本文算法能够快速准确 地识别扰动类型,为Mech-Zehnder(M-Z)干涉型周界系统的模式识别提供一种科学可靠的 方法。     

改进PSO SVM的光纤传感网络数据识别系统

为了增强光纤传感网络对相近扰动信号的识别能力，提高目标分类精度，提出了一种改进的粒子群优化-支持向量机(PSO-SVM)算法。该算法在分析回波信号谱形特征的基础上，设计了三个用于描述信号特征的判断指标。将主波信号能量、主波脉宽及波形变化率作为数据预处理的特征参量，改进了传统的数据分类模型。实验模拟了实际应用中的三种典型干扰形式，以机械、人工以及坠落物对测试区域地面进行冲击测试，并对比了不同距离和不同强度情况下的响应效果。结果显示，6种不同情况对应的谱形特征有3种，相同作用机制的谱形相似度很高。特征参量的响应值随着测试距离的增大而减小，随着冲击强度的增大而增强。对相同测试数据进行扰动信号分析，传统SVM算法平均识别概率为69.3%,而该算法平均识别概率为90.1%。可见，该算法在提高光纤传感网络扰动信号分类能力方面具有一定的优势。     

基于时频特征的分布式光纤传感系统振源识别

为准确识别不同类型分布式光纤传感系统振源信号,提出基于时频特征的分布式光纤传感系统振源识别方法,通过饱和嵌入维数法确定信号的最小分帧长度,保留分帧信号时间序列的动力学特征,并根据分帧信号的短时能量和短时平均过零率判断分帧信号是否为振源信号;采用EMD算法分解含噪声的振源信号为多个IMF,通过门限去噪法阈值处理含噪声的振源信号IMF分量,对去噪后振源信号进行小波频域分解,获取去噪后振源信号在不同尺度上的小波系数能量分布,将其与先验经验获取的振源信号各层小波系数能量分布进行比较,根据二者差值判断分布式光纤传感系统振源信号类型,实现分布式光纤传感系统振源的精确识别。仿真实验结果表明,所提方法识别不同类型分布式光纤传感系统振源信号的识别率均较高,不同类型振源信号识别率均高于90. 12%,最高识别率达到99. 14%。     

基于LCD和改进PNN的光纤周界振动信号识别

针对马赫-曾德尔光纤周界系统振动信号扰动信 息提取及识别中的问题,提出了一种 基于局部特征尺度分解(LCD)和改进概率神经网络(PNN)的识别方法。首先,采用LCD将振动 信号分解成一系列内禀尺度分量(ISC),再将分解得到的ISC分量每连续3阶一组进行独立成 分分析(ICA),提取扰动信息。其次,提取振动信号的峭度、排列熵、瞬时幅度标准差和瞬 时频率标准差构造具有准确描述能力的特征向量。最后,采用经模糊C均值聚类(FCM)优化后 的PNN对振动信号进行识别分类。利用六种振动信号实验数据进行验证。结果表明,该方法 能够高效准确的识别六种振动信号,平均识别率达到97.17%,识别时 间为0.78 s。该方法在 有效信息提取和振动信号识别方面明显优于传统的LCD算法和PNN算法,具有实际应用价值。     

基于HHT的宽带幅度非平稳调制信号的特征提取

宽带调制信号在调制源的工作状态产生变化时,信号的调制频率、调制深度随时间变化,传统解调制方法难以获取短时变化的调制特征。针对非平稳调制特点,利用Hilbert-Huang Transform（HHT）数据自适应特性和高分辨率的时频分析能力以及数学形态滤波器（MMF）对信号的降噪性能,提出了一种利用HHT提取宽带幅度调制信号的调制特征方法（MH_DEMON）。MH_DEMON中,检波信号经过MMF的预处理,HHT的经验模态分解（EMD）和Hilbert变换,提取目标瞬时调制频率。仿真数据和实际水声辐射噪声数据的实验分析表明,MH_DEMON能有效提取非平稳宽带幅度调制的特征,为目标调制源分类识别和运动状态分析提供了支持.      

基于幅度调制畸变Wiener模型的OOK辐射源指纹特征提取

通过分析生成On-Off Keying（OOK）信号的发射机系统的幅度调制畸变特性,阐明了OOK信号辐射源特征产生机理,建立了OOK辐射源的幅度调制畸变特性的Wiener模型,并根据信号模型应用差分进化算法完成OOK幅度畸变特性参数的估计,从而构建辐射源指纹特征完成对OOK信号辐射源的识别。仿真试验和实际数据测试表明,该算法具备OOK辐射源指纹特征提取和识别能力,对实测数据中4个OOK辐射源识别率为93%,优于基于暂态幅度特征的提取方法。     

多粒度特征融合的维度语音情感识别方法

针对传统维度语音情感识别系统采用全局统计特征造成韵律学细节信息丢失以及特征演化规律缺失的问题,本文提出了一种基于不同时间单元的多粒度特征提取方法,提取了短时帧粒度、中时段粒度以及长时窗粒度特征,并提出了一种可以融合多粒度特征的基于认知机理的回馈神经网络（Cognition-Inspired Recurrent Neural Network, CIRNN）。该网络模拟了人脑处理语音信号时“循序渐进”的过程,通过融合多粒度特征,使得不同时间单元的特征均参与网络训练,既突出了情感的时序性,也保留了全局特性对情感识别的作用,实现多层级信息融合。该网络同时模拟大脑运用以往经验模式进行对比的过程,在网络中引入记忆层,用于记忆上文情感特征,强化了上下文信息对识别的影响作用。本文将该方法用于VAM维度语料库的维度情感识别,分别从Activation、Dominance、Valence三个维度进行测试,平均相关系数为0.66,识别结果明显优于传统ANN和SVR的识别结果。      

相位敏感光时域反射系统模式识别方法综述

基于相位敏感的光时域反射系统（Ф-OTDR）是一种新型的分布式光纤扰动传感系统。随着应用需求的不断细化,单纯对外部侵扰活动的检测及定位已无法满足实际需要,亟待对检测到的信号进行准确的分类识别。在检测到侵扰信号的同时,如何能准确判别入侵事件的类别,减少误报率和漏报率是分布式光纤扰动传感系统研究的关键问题。文中主要针对分布式光纤扰动传感系统的原理进行了简要的介绍,将现有的扰动信号特征提取的方法和分类器设计的方法进行归纳和分类,并对识别结果进行总结和对比以方便研究人员根据应用环境的差异以及待测信号的特征,准确选择适合的信号模式识别方法,促进研究人员对分布式光纤扰动传感系统模式识别方法进行更为深入的研究。     

基于信噪比分类网络的调制信号分类识别算法

针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题,该文提出基于卷积神经网络的信噪比分类算法,该算法利用卷积神经网络对信号进行特征提取,用固定K均值(FK-means)算法对提取的特征进行聚类处理,准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪,改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制,来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征,该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络,利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征,并进行特征融合与分类。实验表明,该文提出的调制信号分类模型识别准确率为91%,相比于卷积长短时(CNN-LSTM)网络提高了6%。     

有序聚类方法及其在神经网络语音识别中的应用

本文提出了一种新的网络结构,我们称之为有序聚类网络。这种网络能够对语音信号进行特征提取,很好地解决神经网络语音识别中的时间规整问题。有序聚类网络从输入语音信号的特征矢量序列中撮出一组固定数目的特 矢量,然后将这组特征矢量馈入神经网络分类器进行识别。和其他的神经网络语音识别方法相比较,用这种网络进行前端处理,可以缩短后端神经网络分类器的训练和识别时间,简化经分类器的网络产高的识别率。根据该 们建立了     

采用人工神经网络技术改善光学模式识别系统的识别效率

在采用光学模式识别技术,ＳＤＦ滤波技术进行实际场景中的三维目标畸变不变识别的时候,由于面对的晨在量的非训练像的相关识别,加上场景图像中的不同噪声,背景的干扰,以及硬件识别系统的各种非理想特征等因素,均不可避免带来相关平面的Ｓ／Ｎ的严重退化,从而使按通常的阈值技术进行相关信号分割的在而大大降低了ＯＰＲ系统的识别效率。     

马赫-曾德尔干涉仪的定位技术研究

为了研究不同线宽的激光光源对马赫-曾德尔光纤干涉仪定位精度的影响，采用互相关定位算法原理搭建了一套扰动定位系统。采用3kHz和1MHz的半导体激光器作为系统输出光源，并对其进行多次的定点扰动，将得到的实验数据根据互相关原理做计算，并与理论推导结果进行了对比分析。结果表明，在时间域采样速率都为100MHz的情况下，系统采用3kHz的激光器时，平均定位误差为34.4m，远小于采用1MHz光源下225.4m的定位误差；在干涉仪信号臂中接入3m单模光纤，使信号臂长度和参考臂长度基本相同，可以很大程度上抑制了系统的共模噪声；窄线宽激光器可以提高系统的定位精度。该研究对于干涉仪激光器的选取、系统性能参量的评估是有积极意义的。     

Using an Artificial Neural Network as a Rotor Resistance Estimator in the Indirect Vector Control of an Induction Motor

This paper presents a rotor resistance estimator based on an artificial neural network (ANN) used in the indirect vector control (IVC) of an induction motor (IM). Attention is focused on the dynamic performance of ANN rotor estimator, which gives superior performance over the fuzzy logic based rotor estimator reported in technical literature. The simulation was done using a 1.5 HP induction motor. The same ANN rotor estimator was proved with other IM having different rated power. The use of the same ANN was possible because the scaling and descaling (normalization) of the input and output of ANN was property done for each motor. The ANN training was done offline using the Levenberg-Marquardt algorithm. The neuronal network is a three-layer network; the first layer has fourteen neurons (or nodes), the hidden layer has five neurons and the output layer has only one neuron because the unique output signal is the rotor resistance value.     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

基于Lissajous图形的光纤分布式扰动传感器定位方法

研究了一种基于Lissajous图形的光纤分布式扰动传感器定位方法。光纤分布式扰动传感器基于Mach-Zehnder干涉仪,通过两路输出信号的时延得到扰动定位。在两路输出信号的Lissajous图形中构造拟合椭圆,基于实验数据的仿真研究表明:通过椭圆半短轴长可以得到时延,实现定位。对该方法进行了仿真和实验研究,在无需噪声抑制的条件下定位精度较高:在信噪比为-6~7 dB范围,最大定位误差为207 m;多次测量中,最大误差为94 m。研究结论可以为光纤分布式扰动传感器定位方法提供新的技术参考。     

基于3×3耦合器的环型Sagnac干涉仪管道监测系统实验研究

利用基于3×3耦合器的Sagnac光纤干涉仪分布式 光纤振动传感器,构建管道安全监测系统,实现对长距离输油气 管道沿线进行实时安全监测,判断管道沿线是否有威胁管道安全的行为发生并进 行定位。监测系统采用环型结构 Sagnac光纤干涉仪,利用3×3耦合器对光信号相位有调制作用的特点,无需进行特定的相位 调制和解调,优化了光路,提 高了信号处理精度。给出了光波的相位调制和理想状态下外扰动行为的定位表达式,阐述了 系统的工作和定位原理。根据 光路设计和定位理论建立了Sagnac环型结构实时监测实验系统,开发了监测系统实验软 件,利用选定的扰动信号源, 通过外扰动行为产生的不同频率扰动信号对光信号产生调制,并对所接收的干涉光信号进行 分析和定位的实验研究,实验结果表明,对100～500Hz的外扰动信 号,定位计算结果最大相对误差为1.23%。本文构建的管道监测系 统 不仅能迅速地监测到高频的外扰动信号,还能有效地监测到低频的外扰动信号,为管道沿 线进行实时安全监测和对扰动位置的实时定位提供有效的技术保障。     

舞蹈机器人中音乐基音频率的提取

舞蹈机器人能够跟随音乐的旋律和节奏作出不同的舞蹈动作,需要对音乐的特征参数进行实时有效的提取。基音频率是音乐的一个重要特征参数,基音频率提取的质量将直接影响音乐特征的识别效果。提出了一种基于自相关函数法的基音频率检测方法,先利用三电平中心削波法对信号进行削波,然后计算其自相关关系,为有效抑制谐波峰值干扰,再次计算信号的自相关性,进而提取音乐信号的基音频率。实验证明,该方法能够准确、稳定的提取音乐信号的基音频率,提取效果理想。     

基于人工神经网络的时间调制阵列谐波波束形成

针对时间调制阵列(time-modulated array, TMA)提出了一种基于人工神经网络(artificial neural network, ANN)的谐波波束形成技术.该技术通过一个由编码器和解码器串联组成的ANN实现时序信息的优化,其中,编码器以目标角度的方向图约束值作为输入,通过在线训练输出对应的激励值;而解码器经过预训练可以实时输出辐射方向图.然后利用训练完成优化后的激励可以获得不同阵元的开关导通持续时间和起始时刻. 8元/16元不同指向TMA谐波波束形成算例仿真结果表明,所提方法可以有效抑制副瓣电平(sidelobe level, SLL),快速精确控制方向图,在目标角度实现高方向性波束形成,同时该方法具有耗时短、鲁棒性好和易调节的特点,有望应用于快速目标搜索和跟踪.