發(fā)布時間：2018-02-08 12:35

  本文關(guān)鍵詞： 目標識別 地震動傳感器 小波包變換 經(jīng)驗小波變換 支持向量機 遺傳算法　出處：《中國民航大學》2017年碩士論文　論文類型：學位論文

【摘要】：本文利用單軸加速度傳感器來采集地面移動目標的地震動信號,通過對信號的分析處理以及對特征量的提取,設(shè)計目標識別算法,從而實現(xiàn)對目標的識別。運用地震動信號對目標進行識別在跑道入侵防范以及安全監(jiān)測應(yīng)用例如機場周界、區(qū)域保護等方面都有很大的應(yīng)用價值。本文首先研究了地震波的產(chǎn)生與傳播機理,介紹了地震動加速度傳感器的工作原理。由于地面運動目標產(chǎn)生的地震動信號易受環(huán)境噪聲的影響,采用小波包變換對信號先進行去噪處理。然后運用經(jīng)驗小波變換提取信號的IMF分量,與經(jīng)驗?zāi)B(tài)分解方法相比,該方法分解得到的模態(tài)更少而且計算速度更快。再對小波包去噪后的信號進行過零分析并提取去噪后信號的各項時域和頻域參數(shù)指標;同時提取基于互相關(guān)準則選取的各IMF分量的能量指標,最后將這些特征參數(shù)進行組合構(gòu)造特征向量,以此作為多分類支持向量機的輸入進行訓練和預(yù)測。針對傳統(tǒng)支持向量機參數(shù)難以選擇的問題,利用遺傳算法參數(shù)尋優(yōu),找到支持向量機模型的最佳參數(shù):懲罰因子C和核參數(shù)g。實驗結(jié)果表明,采用改進支持向量機模型即GA-SVM模型對特征向量進行訓練和測試,能較好地提升分類器性能。而且遺傳算法優(yōu)化支持向量機模型在訓練速度和識別效率上優(yōu)于未改進的交叉驗證法支持向量機模型。該模型對地面移動目標如人員、車輛還有飛機能進行正確的識別分類。
[Abstract]:In this paper, the uniaxial acceleration sensor is used to collect the ground motion signal of the moving target on the ground. By analyzing and processing the signal and extracting the characteristic quantity, the target recognition algorithm is designed. In order to realize the recognition of the target, using the ground motion signal to identify the target in the runway intrusion prevention and security monitoring applications such as airport perimeter, Regional protection has great application value. In this paper, the mechanism of seismic wave generation and propagation is studied. The working principle of the ground motion acceleration sensor is introduced. The ground motion signal produced by the ground motion target is easily affected by the environmental noise. The wavelet packet transform is used to Denoise the signal, and then the IMF component of the signal is extracted by the empirical wavelet transform, which is compared with the empirical mode decomposition method. The wavelet packet de-noising signal is analyzed by zero-crossing analysis and the parameters of time domain and frequency domain of de-noised signal are extracted. At the same time, the energy indexes of each IMF component selected based on the cross-correlation criterion are extracted. Finally, the characteristic parameters are combined to construct the eigenvector. It is used as input of multi-classification support vector machine to train and predict. Aiming at the problem that traditional support vector machine parameters are difficult to select, genetic algorithm is used to optimize the parameters. The experimental results show that the improved support vector machine (GA-SVM) model is used to train and test the feature vectors. It can improve the performance of classifier. Moreover, the genetic algorithm optimized support vector machine model is better than the unimproved cross validation support vector machine model in training speed and recognition efficiency. Vehicles and aircraft can be correctly identified and classified.
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP212;TN911.7

【相似文獻】

相關(guān)期刊論文 前3條

1 吳洪奇;姚進;任德均;;基于LabView生成人造地震動[J];微計算機信息;2008年16期

2 裴躍林;姚金杰;;地震動信號隨機脈沖判定壓縮算法研究[J];傳感器世界;2013年05期

3 李秀成;;基于地震動傳感信號的目標識別研究[J];無線電工程;2014年05期

相關(guān)會議論文 前10條

1 袁美巧;俞瑞芳;俞言祥;;基于小波變換的地震動時—頻特性研究[A];中國地震學會成立三十年學術(shù)研討會論文摘要集[C];2009年

2 白泉;朱浮聲;趙東陽;孫樂娟;康玉梅;;地震動的時頻特性對結(jié)構(gòu)彈性響應(yīng)的影響[A];防振減災(zāi)工程理論與實踐新進展（紀念汶川地震一周年）——第四屆全國防震減災(zāi)工程學術(shù)研討會會議論文集[C];2009年

3 張令心;張繼文;;近遠場地震動及其地震影響分析[A];第八屆全國地震工程學術(shù)會議論文集（Ⅰ）[C];2010年

4 江帆;董銀峰;李英民;郭俊鋒;;時程分析中速度脈沖地震動的適用性及影響規(guī)律[A];第八屆全國地震工程學術(shù)會議論文集（Ⅰ）[C];2010年

5 孫進忠;彭一民;趙鴻儒;;超聲模擬在地震動研究中的應(yīng)用及展望[A];1991年中國地球物理學會第七屆學術(shù)年會論文集[C];1991年

6 胡聿賢;張敏政;;地震動研究的國內(nèi)外現(xiàn)狀(綜述)[A];中國地震學會第二屆代表大會暨學術(shù)年會論文摘要匯編[C];1984年

7 袁一凡;;近場地震動的模擬[A];中國地震學會第三次全國地震科學學術(shù)討論會論文摘要匯編[C];1986年

8 張?zhí)熘?馬云生;舒曦;;關(guān)于地震動衰減關(guān)系、不確定性和設(shè)防標準的討論[A];中國地震學會第五次學術(shù)大會論文摘要集[C];1994年

9 陳培善;李保昆;白彤霞;;中國強地震動速度衰減研究[A];中國地震學會第七次學術(shù)大會論文摘要集[C];1998年

10 竇玉斌;林永星;;地震動時程模擬的工程方法研究現(xiàn)狀與預(yù)測[A];第四屆全國建筑結(jié)構(gòu)技術(shù)交流會論文集（上）[C];2013年

相關(guān)重要報紙文章 前1條

1 袁芳;北京交大發(fā)揮學科優(yōu)勢支持災(zāi)后重建[N];科技日報;2008年

相關(guān)博士學位論文 前10條

1 常志旺;近場脈沖型地震動的量化識別及特性研究[D];哈爾濱工業(yè)大學;2014年

2 陳輝國;完全非平穩(wěn)多點地震動模擬研究[D];重慶大學;2014年

3 黃景琦;巖體隧道非線性地震響應(yīng)分析[D];北京工業(yè)大學;2015年

4 施煒;RC框架結(jié)構(gòu)基于一致倒塌風險的抗震設(shè)計方法研究[D];清華大學;2015年

5 左占宣;鋼筋混凝土框架結(jié)構(gòu)抗地震倒塌能力研究[D];哈爾濱工業(yè)大學;2016年

6 張齊;地震動衰減關(guān)系的區(qū)域性差異研究[D];中國地震局工程力學研究所;2016年

7 王子s，

本文編號：1495454