地表振动信号识别定位算法研究

论文摘要

近年来,地表振动信号处理技术在众多场合被广泛使用,如智能交通、地下管网防护以及智能安防等领域。但是,对于地表振动信号处理,传统方法通常只能解决单一问题,缺乏一种通用性强的识别定位算法,以满足日益增长的应用需求。本文研究内容为地表振动信号识别定位算法,拟解决周期、非周期振动信号的振源识别、定位问题,使之能适用于各种应用场合。本论文主要的研究内容及研究成果有:（1）首先基于振动信号传播特性,研究了地表振动信号能量分布的变化与传播距离之间的关系。基于语谱图表征信号能量分布的原理,提出了 SPEC特征及其特征提取算法,SPEC特征表征了信号能量分布的变化信息。与地表振动信号现有的FBED特征相比,SPEC特征提取算法复杂度低,且可同时适用于周期/非周期地表振动信号的表征。基于SPEC特征,结合KELM算法作为分类、回归模型训练算法,提出了 KELM+SPEC地表振动信号识别定位算法。与传统方法相比,KELM+SPEC算法是一种通用性强的识别定位算法,可同时适用于周期/非周期地表振动信号的振源分类与传播距离预测;（2）本文进一步对定位算法进行了改进,提出了一种基于迁移学习和主成分分析融合特征的定位算法。首先将振动信号进行可视化为语谱图图片,基于迁移学习算法,利用预训练的CNN网络AlexNet提取信号图像特征,将信号图像特征与SPEC特征进行PCA融合降维,所得新的融合特征可表征信号能量分布和图像特征的融合信息。基于新的融合特征,采用KELM作为回归模型训练算法,提出一种改进的定位算法;（3）为验证所提算法性能,本文进行了多组对比实验,在振源识别和定位精度上与现有方法进行了充分对比。为此,本文采集了多个距离下的不同种类地表振动信号构建原始数据集,其中包含2种周期振动信号与3种非周期振动信号。实验结果表明,相比于传统方法,本文所提KELM+SPEC算法在振源识别准确率和定位精度上均有明显的提高,且改进后的定位算法,其距离预测的精度相比之前有大幅提高。

论文目录

摘要

ABSTRACT

第1章绪论

1.1 研究背景及意义

1.2 主要研究内容

1.3 章节结构安排

第2章振动信号特征提取算法和分类回归算法研究

2.1 振动信号识别定位算法流程

2.1.1 振动信号传播特性研究

2.1.2 振动信号识别定位算法流程介绍

2.2 振动信号特征提取算法

2.2.1 FBED特征提取算法

2.2.2 小波变换和小波包变换

2.3 分类回归算法研究

2.3.1 超限学习机

2.3.2 正则化超限学习机

2.4 本章小结

第3章基于KELM+SPEC的振动信号识别定位算法

3.1 SPEC特征原理

3.2 SPEC特征提取步骤

3.3 SPEC特征提取算法

3.4 基于KELM+SPEC的振动信号识别定位算法

3.4.1 核函数超限学习机KEIM

3.4.2 KELM+SPEC算法

3.5 实验分析与讨论

3.5.1 实验步骤

3.5.2 振源分类实验与分析

3.5.3 距离预测实验与分析

3.5.4 对于参数M的讨论

3.6 本章小结

第4章基于迁移学习和主成分分析融合特征的定位算法改进研究

4.1 迁移学习理论

4.1.1 迁移学习及其定义

4.1.2 迁移学习技术分类及常用方法

4.2 基于迁移学习和卷积神经网络的图像特征提取

4.2.1 卷积神经网络

4.2.2 基于CNN的迁移学习方法

4.2.3 基于预训练CNN的图像特征提取

4.3 基于主成分分析的特征降维方法

4.4 定位算法改进

4.4.1 定位算法改进思想

4.4.2 基于AlexNet的振动信号图像特征提取

4.4.3 基于主成分分析的特征融合降维

4.4.4 基于迁移学习和PCA融合特征的定位算法

4.5 实验与分析

4.5.1 融合特征提取实验

4.5.2 基于地表振动信号图像特征的定位实验

4.5.3 基于迁移学习和PCA融合特征的距离预测实验

4.5.4 不同贡献率对距离预测的影响

4.6 本章小结

第5章总结与展望

5.1 工作总结

5.2 研究展望

致谢

参考文献

附录

文章来源

类型: 硕士论文

作者: 陈智勇

导师: 王建中,曹九稳

关键词: 地表振动信号,识别定位,特征,迁移学习

来源: 杭州电子科技大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 力学,地质学,建筑科学与工程

单位: 杭州电子科技大学

分类号: O32;TU435

总页数: 64

文件大小: 5901K

下载量: 36

地表振动信号识别定位算法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢