基于模糊C-均值的原型模式选择及其在核爆地震识别中的应用

协同模式识别是一种全新的有着抗噪声、抗缺损等诸多优良特性的模式识别方法,但将其用于核爆地震和天然地震的分类时,采用现有的原型模式选择方法识别效果并不理想.本文提出了一种基于模糊C-均值的原型模式选择方法,该方法首先对每一类训练样本采用模糊C-均值聚类的方法聚为c类,然后选取这c类的c个重心或c个聚类中心作为该类的原型模式进行核爆地震的协同模式识别.实验结果表明,同现有的原型模式选择方法相比,该方法使识别率有了较大提高.     

基于Hilbert谱区域能量比的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,采用Hilbert-Huang变换（HHT）方法对NEMP和LEMP信号进行了时频分析,发现二者Hilbert谱中的能量集中于一定的时间和频率范围内。基于以上分析和发现,本文提出基于Hilbert谱区域能量比特征,采用最近邻法则对二者进行了识别研究。实验结果表明,在Hilbert谱中适当选择两个区域,以所选区域的区域能量比作为特征对核爆和雷电电磁脉冲信号进行识别,平均识别率达到90％以上。     

基于多重分形分析的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,对NMEP和LEMP信号进行了多重分形分析,计算了二者的多重分形广义维数 和广义维数的变化率,通过分析发现,广义维数的变化率更能反映核爆和雷电的不同产生机理,并且和广义维数相比,以广义维数的变化率作为特征,对NEMP和LEMP的识别率更高,更稳定,可以对核爆和雷电电磁脉冲进行有效的识别。     

改进的波形复杂度算法在核爆炸监测中的应用

验证了传统的波形复杂度对于核爆地震信号分类的有效性。提出了两种时域改进算法,使识别率有了小幅度的提高。将传统的时域波形复杂度推广到时频联合域,提出了一种基于短时傅立叶变换的波形复杂度计算框架。在对所提算法框架进行简化处理后,借助于Fisher线性判别分析方法实现了地震波信号的特征提取。分类实验结果表明所提方法的分类性能优于现有的波形复杂度的分类性能。