基于振动信号的地面运动目标识别方法研究

发布时间：2017-10-29 09:24

  本文关键词：基于振动信号的地面运动目标识别方法研究

  更多相关文章： 经验模式分解 非平稳信号 总体平均经验模态分解 地面运动目标 支持向量机 局域均值分解

【摘要】：随着科技的不断进步,能源及重要的化工原料对社会的发展及维系起着至关重要的作用。然而近年来,全国各地重要能源和化工产品原料盗窃破坏案件时有发生,不但造成了严重的经济损失和环境危害,甚至对人们的生命安全造成了巨大威胁。因此,对入侵的目标进行识别和监测预警,在维护重要能源和化工产品原料的安全性方面具有重要的现实意义。地面运动目标的识别是能源防盗预警中的一项信号处理任务和关键技术,具有重要的研究意义。振动信号作为地面运动目标信息的载体,具有典型的非平稳性,对其进行分析处理时,时频分析方法是一种有效的分析方法。近年来出现的经验模式分解(Empirical Mode Decomposition,EMD)时频分析方法具有很多优良特性,被广泛应用到了地面振动信号的特征提取中。本文分析了地层中多种类型的地震波及其传播机理,确定了以瑞利波作为地面目标活动信息的载体,设计相应的实验装置,采集了不同运动目标的振动信号。运动目标不同时其振动信号特征也会随之改变,通过对实验采集的信号进行预处理、特征提取和分类,可以实现对地面运动目标的识别。由于经验模式分解还处在“成长”阶段,仍在逐步改进和完善。针对EMD的模式混叠效应和实际获得信号的小样本特性,提出了一种基于总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)能量值的方法提取目标信号的特征,并将获得的特征向量输入到支持向量机(Support Vector Machine,SVM)分类器中进行地面运动目标分类识别。通过对实验数据的分析,获得了较高的平均识别率。此外,将该方法与基于EMD能量值与支持向量机相结合的方法进行对比,结果表明该方法具有更好的识别效果。由于经验模式分解存在端点效应和负频率现象等问题,而局域均值分解(Local Mean Decomposition,LMD)在该问题上有所改善,故采用LMD分别与近似熵、能量值结合的方法对地面运动目标信号进行特征提取,然后将特征向量输入到支持向量机分类器中进行识别分类。通过对实验采集数据的分析对比,验证了该方法的有效性。
【关键词】：经验模式分解 非平稳信号 总体平均经验模态分解 地面运动目标 支持向量机 局域均值分解
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB535;TP391.4
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-15
• 1.1 课题研究意义11-12
• 1.2 国内外研究现状12-13
• 1.3 项目来源及本文主要研究内容13-15
• 第2章 地面振动信号的传播理论及分析处理方法15-23
• 2.1 前言15
• 2.2 地面振动信号的基本理论15-18
• 2.2.1 地震波传播理论概述15-16
• 2.2.2 瑞利波的传播原理16-18
• 2.3 目标信号分析处理方法18-22
• 2.3.1 平稳信号处理方法18
• 2.3.2 非平稳信号时频分析方法18-22
• 2.3.3 地面运动目标振动信号的分析处理方法22
• 2.4 本章小结22-23
• 第3章 基于EEMD和SVM的地面运动目标识别研究23-43
• 3.1 前言23
• 3.2 EMD基本原理与算法23-26
• 3.2.1 瞬时频率及本征模函数23-24
• 3.2.2 EMD基本原理和算法24-26
• 3.3 EEMD基本原理和算法26-28
• 3.4 基于EEMD方法的地面振动信号的特征提取28-37
• 3.4.1 地面振动信号的采集实验28-31
• 3.4.2 实验仿真信号的小波包降噪31-33
• 3.4.3 基于EEMD能量值的振动信号的特征提取33-37
• 3.5 基于支持向量机的地面运动目标分类识别37-41
• 3.5.1 支持向量机分类原理及多类分类方法37-39
• 3.5.2 地面运动目标识别分类器的构建39-40
• 3.5.3 基于支持向量机的地面运动目标识别40-41
• 3.6 本章小结41-43
• 第4章 基于LMD和SVM的地面运动目标识别研究43-55
• 4.1 前言43
• 4.2 基于LMD能量值和支持向量机的地面运动目标识别43-50
• 4.2.1 LMD的原理与算法43-44
• 4.2.2 局域均值分解的特点44-45
• 4.2.3 LMD能量值和支持向量机在运动目标识别中的应用45-50
• 4.3 基于LMD近似熵和支持向量机的地面运动目标识别50-54
• 4.3.1 近似熵的原理50-51
• 4.3.2 LMD近似熵和支持向量机在运动目标识别中的应用51-54
• 4.4 本章小结54-55
• 结论55-57
• 参考文献57-61
• 攻读硕士学位期间承担的科研任务与主要成果61-62
• 致谢62-63
• 作者简介63

【参考文献】

中国期刊全文数据库 前10条

1 邹红星,周小波,李衍达;时频分析:回溯与前瞻[J];电子学报;2000年09期

2 鲍必赛;楼晓俊;李隽颖;刘海涛;;主成分分析在震动信号目标识别算法中的应用[J];华中科技大学学报(自然科学版);2012年07期

3 张超;杨立东;李建军;;局部均值分解和经验模态分解的性能对比研究[J];机械设计与研究;2012年03期

4 贾峰;武兵;熊晓燕;熊诗波;;基于多维度排列熵与支持向量机的轴承早期故障诊断方法[J];计算机集成制造系统;2014年09期

5 孙洁娣;靳世久;孙健;;基于多地震波传感器数据融合的管道安全监测预警系统[J];石油学报;2009年03期

6 何文平;何涛;成海英;张文;吴琼;;基于近似熵的突变检测新方法[J];物理学报;2011年04期

7 孟庆丰,费晓琪,焦李成,何正嘉;周期和冲击混合特征信号的自适应波形分解[J];西安交通大学学报;2003年03期

8 袁胜发;褚福磊;;支持向量机及其在机械故障诊断中的应用[J];振动与冲击;2007年11期

9 刘爱平;邹立华;戴素亮;董博;;振动控制研究中的小波包降噪处理[J];振动与冲击;2008年02期

10 鞠萍华;秦树人;赵玲;;基于LMD的能量算子解调方法及其在故障特征信号提取中的应用[J];振动与冲击;2011年02期

中国硕士学位论文全文数据库 前3条

1 涂飞;基于小波包降噪与有限元模型修正的结构损伤识别[D];南昌大学;2011年

2 陶小亮;基于地震动的目标识别和人员定位算法的研究与实现[D];南京理工大学;2007年

3 郑佳宁;局域均值分解算法研究及其应用[D];西安电子科技大学;2012年

，

本文编号：1112403