高壓水射流技術(shù)是近年來發(fā)展迅速的一項新技術(shù),已廣泛應(yīng)用于各行各業(yè)。當使用高壓水射流對地雷進行切割操作時,具有許多優(yōu)點。如果在切割地雷之前,同時可以利用高壓水射流探測地雷,實現(xiàn)探雷與排雷一體化作業(yè),這將具有很好的應(yīng)用價值。目前國內(nèi)外對該項技術(shù)的研究分析基本空白,本文提出的將高壓水射流技術(shù)應(yīng)用到探測地雷上的研究是一項原創(chuàng)性研究,要利用高壓水射流來實現(xiàn)探測地雷的功能,首先必須對靶物材質(zhì)的識別與分類進行研究,而其中關(guān)鍵技術(shù)之一是對高壓水射流探測過程中產(chǎn)生的靶物反射聲信號的識別與分類研究。針對利用靶物反射聲進行探測地雷中涉及的聲音信號預(yù)處理、特征值提取以及識別分類器設(shè)計等方面,本文開展了以下幾方面研究工作：首先分析了靶物反射聲存在的背景噪聲,在靶物反射聲信號非平穩(wěn)性等特點的基礎(chǔ)上,提出了一種自適應(yīng)的EMD閾值降噪的靶物反射聲信號預(yù)處理方法；分析了目前關(guān)于聲音信號的特征值提取方法和識別分類器設(shè)計方法的國內(nèi)外研究現(xiàn)狀,闡述了小波包短時能量特征參數(shù)和Mel頻率倒譜特征參數(shù)的靶物反射聲信號特征值提取的基本原理,分析了SVM與LS-SVM應(yīng)用于本文中的靶物材質(zhì)識別分類的特點,并詳細說明了應(yīng)用LS-SVM所... 

【文章來源】：安徽理工大學安徽省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
引言
1 緒論
    1.1 課題來源
    1.2 課題背景及意義
    1.3 相關(guān)的國內(nèi)外研究現(xiàn)狀
    1.4 論文的主要工作及內(nèi)容安排
    1.5 本章小結(jié)
2 靶物反射聲信號的預(yù)處理
    2.1 EMD基本原理
        2.1.1 瞬時頻率
        2.1.2 本征模態(tài)函數(shù)
        2.1.3 EMD基本原理
    2.2 基于EMD的靶物反射聲信號降噪預(yù)處理
    2.3 本章小結(jié)
3 高壓水射流朝物反射聲信號的特征提取
    3.1 Mel頻率倒譜特征參數(shù)
    3.2 小波包短時能量特征參數(shù)
        3.2.1 連續(xù)小波變換
        3.2.2 離散小波變換
        3.2.3 小波包變換
        3.2.4 小波包短時能量特征參數(shù)
    3.3 本章小結(jié)
4 靶物材質(zhì)識別系統(tǒng)
    4.1 靶物反射聲識別概述
        4.1.1 靶物反射聲識別原理
        4.1.2 靶物反射聲識別的基本方法
    4.2 統(tǒng)計學習理論
        4.2.1 機器學習的基本問題
        4.2.2 經(jīng)驗風險最小化
        4.2.3 學習過程的一致性與VC維
        4.2.4 推廣性的界
        4.2.5 結(jié)構(gòu)風險最小化
    4.3 支持向量機
        4.3.1 構(gòu)建線性可分最優(yōu)超平面
        4.3.2 構(gòu)建線性不可分最優(yōu)超平面
    4.4 基于LS-SVM的靶物材質(zhì)分類器設(shè)計
        4.4.1 LS-SVM基本原理
        4.4.2 LS-SVM多類分類器設(shè)計
        4.4.3 核函數(shù)選擇與參數(shù)優(yōu)化
        4.4.4 LS-SVM與SVM比較
    4.5 本章小結(jié)
5 數(shù)據(jù)處理與結(jié)果分析
    5.1 試驗裝置與試驗方案設(shè)計
        5.1.1 試驗裝置設(shè)計
        5.1.2 試驗方案設(shè)計一
        5.1.3 試驗方案設(shè)計二
    5.2 靶物反射聲特征提取與識別結(jié)果分析
        5.2.1 基于小波包短時能量特征提取的靶物材質(zhì)識別
        5.2.2 基于MFCC特征提取的靶物反射聲識別
    5.3 靶物反射聲識別結(jié)果分析
    5.4 本章小結(jié)
結(jié)論與展望
參考文獻
附錄A 特征提取程序
附錄B LS-SVM參數(shù)尋優(yōu)程序
附錄C LS-SVM識別分類器設(shè)計程序
致謝
作者簡介及讀研期間主要科研成果


【參考文獻】：
期刊論文
[1]一種新的最小二乘支持向量機算法[J]. 張猛,付麗華,張維.  計算機工程與應(yīng)用. 2007(11)
[2]高速沖擊射流中的渦結(jié)構(gòu)和沖擊單音[J]. 姚朝暉,郝鵬飛,何楓,許宏慶.  實驗流體力學. 2005(04)
[3]磨料水射流技術(shù)在彈藥除銹中的應(yīng)用[J]. 高巖,趙曉利.  四川兵工學報. 2005(04)
[4]基于ν-SVR算法的邊坡穩(wěn)定性預(yù)測[J]. 余志雄,周創(chuàng)兵,李俊平,史超.  巖石力學與工程學報. 2005(14)
[5]凹凸板沖擊射流噪聲特性的實驗研究[J]. 葛其明,姚朝暉,崔雨,何楓.  清華大學學報(自然科學版). 2005(05)
[6]基于支持向量機的倉儲害蟲聲音識別[J]. 唐發(fā)明,陳綿云,王仲東.  華中科技大學學報(自然科學版). 2005(02)
[7]支持向量機和最小二乘支持向量機的比較及應(yīng)用研究[J]. 閻威武,邵惠鶴.  控制與決策. 2003(03)
[8]炸藥模擬件水射流切割參數(shù)的試驗研究[J]. 張國文,陳新發(fā).  含能材料. 2001(01)
[9]利用聲測報技術(shù)檢測農(nóng)產(chǎn)品害蟲的新方法[J]. 郭敏,尚志遠.  陜西師范大學學報(自然科學版). 2001(01)

博士論文
[1]基于EMD的機械振動分析與診斷方法研究[D]. 曹沖鋒.浙江大學 2009
[2]基于支持向量機的蛋白質(zhì)結(jié)構(gòu)域預(yù)測方法研究[D]. 鄒淑雪.吉林大學 2009
[3]基于LS-SVM的氣液兩相流參數(shù)測量研究[D]. 彭珍瑞.浙江大學 2007
[4]基于GMM和SVM的文本無關(guān)的說話人確認方法研究[D]. 劉明輝.中國科學技術(shù)大學 2007

碩士論文
[1]支持向量機在電纜故障分類中的應(yīng)用[D]. 李新燕.西安科技大學 2010
[2]語音信號基音周期檢測算法研究[D]. 劉維巍.哈爾濱工程大學 2010
[3]基于切削聲音信號的刀具狀態(tài)識別研究[D]. 謝政.上海交通大學 2008
[4]直升機聲音信號的識別[D]. 魏東東.鄭州大學 2001



本文編號：3249111