1 中国民航大学 天津市智能信号与图像处理重点实验室, 天津 300300
2 中国民航大学 空管研究院, 天津 300300
3 中国民航大学 工程技术训练中心, 天津 300300
为了有效识别光纤周界系统的振动信号, 提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先, 检验分析光纤振动信号多重分形的存在性和有效性.然后, 计算和提取光纤振动信号的多重分形谱参数, 构成能够准确描述信号非线性和复杂性特性的特征向量.最后, 采用改进的概率神经网络算法进行自适应地学习和分类, 实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证, 结果表明, 平均识别率达到96.25 %, 识别时间为1.63 s.该方法在正确识别率方面优于传统的概率神经网络算法.
光纤光学 信号识别 多重分形谱 模拟退火算法 概率神经网络 Optical fiber of the light Signal recognition Multi-fractal spectrum Simulated annealing algorithm Probabilistic neural network
1 北京航空航天大学仪器科学与光电工程学院,北京100083
2 北京航空航天大学精密光机电一体化技术教育部重点实验室,北京 100083
针对单一分形维数在高光谱数据处理中的不足,提出了一种基于多重分形谱的光谱信号奇异性特征提取方法,引入多重分形谱表征光谱曲线的奇异性特征。该方法根据分形测度将光谱曲线进行划分,用光谱概率测度计算配分函数,通过尺度指数的Legendre变换实现光谱曲线多重分形谱的提取,根据各类地物间的类别可分性准则Bhattacharyya距离选择有效特征,最后利用地物分类实验来验证该方法的有效性。实验结果表明,多重分形谱用于分类时分类精度达95.2%,当其维数为原数据波段数的10%时,总体分类精度仍可达82.2%。多重分形谱表征了具有相同奇异性的波段子集的分形维数,准确的描述了光谱曲线的奇异性和分布特点,该方法能够有效地实现高光谱数据的特征提取。
高光谱遥感 多重分形谱 配分函数法 奇异性指数
