基于数据模板匹配算法的FBG冲击定位系统

利用光纤Bragg光栅(FBG)构建传感网络,结合其频谱特性和数据模板匹配处理方法,对碳纤维复合材料(CFRP)板低速冲击区域定位进行了研究。对同一测点进行等能量两次冲击,结果表明,同一测点的两次冲击信号幅频特性之间具有高度相似度。改变冲击位置,观测冲击位置与信号特征之间的关系。依据冲击信号幅频特性,构建低速冲击数据模板库。采用数据模板匹配算法,寻找最大相似度,实现冲击位置识别。实验结果表明,在500mm×500mm×2mm的CFRP板上对任意10个待测点进行低速冲击试验,均实现了准确定位,区域定位精度为80mm×80mm。研究结果为CFRP板的冲击定位检测提供了一种可靠的方法。     

基于FBG传感网络和时间反转聚焦的多源冲击成像定位技术研究

针对传统冲击监测系统存在无法定位多源冲击、组网难和精度低等问题,设计了一种基于光纤Bragg光栅(FBG)传感网络和时间反转聚焦成像冲击定位方法。在分析时间反转聚焦成像定位原理的基础上,建立由4个FBG组建的传感网络监测系统,通过窄带激光边缘滤波实现信号解调。利用Shannon小波变换提取特定频率的窄带信号,并计算信号模值及速度。通过建立时间反转聚焦模型实现多源冲击搜索定位及成像,并在监测区域为400mm×400mm的航空铝合金板结构上进行验证。结果表明,本文方法可实现冲击定位,定位误差小于15mm,为冲击监测提供了一种新的高精度方法。     

基于支持向量机的辐射源识别算法

为了提高电子对抗设备对辐射源的识别能力,采用小波包变换法提取信号的时频谱特征,并引入支持向量机完成对辐射源的分类。小波包变换对信号局部的时频特征具有较好的分辨率,支持向量机分类器结构简单、可获得全局优化、泛化能力强。仿真结果表明,基于支持向量机的辐射源分类方法的正确率优于传统算法。     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

浅议信息源个体识别

本文根据瞬态信号的非线性特征,采用递归图的分析方法提取瞬态信号的起始时刻,然后采用小波变换进行特征提取,在此基础上采用遗传算法挑选出分辨能力强的特征,利用支持向量机的分类器实现对通信辐射源信号的个体识别。     

基于关联维数的光纤布拉格光栅的冲击定位

针对板结构低速冲击定位需求,通过构建分布式光纤布拉格光栅(FBG)传感网络,并以光纤光栅传感器感知的冲击响应信号时间序列的关联维数作为冲击特征量,研究了关联维数与冲击点和传感器之间距离的分布规律。基于此分布规律,对冲击载荷位置进行了区域辨识,采用三圆取交的冲击定位算法实现了对冲击载荷位置的坐标定位。对机翼盒段结构划分区域,根据算法特点优化传感器排布,搭建冲击载荷监测实验系统,并进行低速冲击载荷实验。实验结果表明,在30cm×30cm的机翼盒段板结构上随机选取10个测试点进行低速冲击定位识别,实现了所有冲击实验点区域辨识,其正确率高达100%,坐标定位的平均误差为3.5cm。该方法利用了6个光纤布拉格光栅传感器能够有效地实现对冲击载荷位置辨识,对实现分形维数与冲击监测技术相结合具有一定意义。     

基于PSO-LSSVM的过电压识别

为了获得理想的过电压识别结果,提出了粒子群优化算法优化最小二乘支持向量机参数的过电压识别方法。首先采用小波变换对过电压原始信号进行分解,提取过电压信号的特征量,然后将过电压信号的特征量作为最小二乘支持向量机的输入,建立过电压识别分类器,并采用粒子群优化算法估计最小二乘支持向量机的参数,最后采用实测的过电压数据进行仿真实验,测试其可行性。结果表明,本文方法可以对各种类型的过电压信号进行准确分类和识别,识别结果稳定,且过电压识别率要高于其它方法。     

基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

基于RSSI加权质心的光纤光栅传感网络冲击定位

针对材料结构损伤位置识别的精确定位问题,通过构建分布式光纤布拉格光栅(FBG)传感网络,利用光纤光栅传感器的传感特性,根据感知的冲击响应信号强度(RSSI)以及冲击点到传感器距离的关系,提出一种基于RSSI加权质心的光纤光栅传感网络冲击载荷定位方法。设计合理的传感器网络监测布局,通过分析不同位置传感器感知的冲击响应信号强度辨识冲击点所在的区域,采用加权质心定位算法对冲击载荷的位置识别定位。试验表明:分别构建基于碳纤维复合材料结构板、钢板、木板损伤识别模式的定位监测实验系统,在300mm×300mm的监测区域内随机选取24个冲击点进行位置识别,能准确辨识所有实验冲击点所在的区域,并根据RSSI来确定冲击点的位置坐标,坐标定位的平均误差在15mm以内,可实现对冲击点位置的识别,为准确识别材料结构的损伤位置提供了一种实用可行的方法。     

小波变换和支持向量机相融合的 ECG 身份识别算法

心电图信号(ECC)受到设备、检测者心情等影响,含有噪声且特征具有高维性,为了提高了身份识别的正确率,提前出一种小波变换和支持向量机相融合的 ECG 身份识别算法.首先小波变换对采集的心电图信号进行预处理,消除各种噪声;然后采用相关分析对 ECG 特征进行降维处理,消除冗余特征;最后将特征向量输入到支持向量机进行训练,建立基于 ECG 的身份识别模型.仿真结果表明,该方法提高了身份识别正确率和速度,有一种有效的身份识别算法.     

基于二维小波变换的激光成像雷达目标识别算法

提出了基于二维小波变换的激光成像雷达目标识别算法,首先对激光成像雷达目标的距离像进行二维小波变换;然后从近似分量和细节分量中提取奇异值特征,利用遗传算法对支持向量机参数进行智能优化;最后应用支持向量机对三种地面目标进行识别.仿真实验表明,该方法与直接应用距离像奇异值特征进行识别的方法相比,在高载噪比20dB时的平均识别...     

基于小波包分析的辐射源特征提取和识别算法

提出了一种基于小波包的变换方法。该方法通过对不同脉内调制方式进行频带能量的提取,并引入支持向量机来完成对辐射源的分类。该小波包变换对信号局部的时频特征具有较好的分辨率。仿真结果表明,文中的小波包变换信号时频特征的分析精度优于传统算法。     

Gabor小波变换与图像分块的人脸识别算法研究

以二维Gabor小波变换提取人脸图像特征作为全局特征,对图像进行不等分块,人脸图像区域所在块加大权重,并提取每个子块的特征作为局部特征,对全局特征结合局部特征采用DCT进行降维处理,用支持向量机分类模型进行人脸识别。实验表明:与较同等分块的识别算法相比,该算法可提高人脸识别率。     

基于相关性分析和支持向量机的手部肌电信号动作识别

为了有效提取表面肌电信号(SEMG)的特征,该文提出了一种基于相关性分析的改进的特征提取方法。首先用空域相关法对两路SEMG信号进行消噪预处理,然后对处理后的SEMG信号进行四尺度小波变换,并通过相关性分析提取SEMG信号的重要边缘在各尺度上的小波系数,以各尺度上的这些系数的平方和构建六维特征向量输入支持向量机分类器,对手部的多个动作进行分类。实验结果表明,基于相关性分析和小波变换构筑的特征向量结合支持向量机的方法能够以较高识别率区分伸腕、屈腕、展拳、握拳4种动作,能够得到比传统的神经网络分类器更为准确的分类结果。     

压力容器气体泄漏中的FSWT和SVM联合检测方法

及时发现压力容器气体泄漏并判别其程度对避免安全事故发生具有重要意义,本文从气体泄漏源的声信号特征分析角度,从超声范围内提出一种基于频率切片小波变换和支持向量机的气体泄漏故障检测方法。利用频率切片小波变换对声波传感器采集的声信号进行预处理,分析泄漏声信号局部特征并选取特征明显的观测范围进行重构,从多域分量中提取能够区分是否存在泄漏以及泄漏程度的代表性特征,利用Relief-F算法计算并选取最优特征作为支持向量机的输入并对压力容器的气体泄漏进行识别和分类。经实验分析,采用本文筛选出的最具鉴别性的六种特征对是否存在泄漏的判断准确率达到99.75%,对泄漏程度分类的准确率达到94.68%。结果表明该方法的气体泄漏检测准确率高,有助于后续实时检测系统的开发和泄漏孔定位研究。     

基于半分积分投影的车牌字符快速识别算法

提出了一种用于车牌识别的快速字符识别算法。首先利用半积分投影把大小为W×H的二值化字符图像转化为长度为2(W×H)的一维信号,保留了用于图像识别的关键特征,降低了后续算法的复杂度。然后将投影得到的数据进行离散Harr小波变换,抽取第二层小波变换后的低频系数并送入支持向量机进行训练识别。实验结果表明,所提算法可以使车牌字符的总识别率达到97.60%,平均识别时间为16.2ms,有效地提高了识别速度和精度。     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

舞蹈机器人中音乐节拍的识别

音乐节拍是音乐的重要特征之一,对音乐节拍的提取是音乐识别的重要研究内容。小波变换方法可以实现对音乐节拍特征进行有效的提取与识别。文中对音乐节拍的分析采用双尺度小波变换(DWT)方法,即离散小波变换,提取音乐信号的自相关包络,对自相关包络信息进行分析,从而实现对音乐节拍信息的识别。实验证明,文中提出的方法可以有效地对音乐信号的节拍信息进行识别。     

基于窄带RCS数据的低速旋转空间目标识别研究北大核心CSCD

空间运动目标RCS数据序列能反映出空间目标的姿态运动特征。针对空间运动目标RCS数据序列的变化规律,首先仿真生成低速旋转空间目标的RCS数据序列,而后采用小波变换、傅里叶变换以及RCS数据序列统计学特征提取等方法,对低速旋转空间目标的RCS数据序列进行特征提取。最后采用朴素贝叶斯、支持向量机、随机森林分类和logistic逻辑回归算法等机器学习分类算法,实现了对低速旋转空间目标RCS数据序列的识别。     

基于再生核LS SVM的压电智能结构冲击定位分析

根据支持向量机核函数的构造条件及Hilbert空间再生核理论,构造了一种新型核函数,并与改进的最小二乘支持向量机(LS-SVM)相结合,从而形成再生核LS-SVM学习方法.采用一阶剪切变形理论及有限单元方法,对压电智能复合材料层板进行低速冲击压电响应数值仿真,并进行了特征提取.基于各压电传感器响应信号特征,采用再生核LS-SVM方法,对压电智能复合材料层板进行了冲击定位分析,并与高斯核函数(RBF)的LS-SVM法进行对比.结果表明,在同等条件下,相比于RBF核LS-SVM,再生核LS-SVM具有更高的冲击损伤定位精度及更强的推广能力,该仿真方法可为实际结构的冲击损伤位置自诊断提供指导.