基于改进BP网络的地震动信号目标识别

应用人工神经网络进行目标识别是当前模式识别的重要方法之一。前向多层神经网络及其ＢＰ算法发展较为成熟的一种。该对ＢＰ算法加以改进,使得其性能所提高,收敛速度加快。     

基于噪声特征的地震动信号目标预警和识别算法研究

利用MEMS加速度传感器采集到的人员、车辆目标在地面运动产生的地震动信号,由MSP430单片机采集和处理,完成对地面目标的预警、分类识别. 预警提出了基于噪声方差的3倍作为阈值的方法,目标识别采用一种改进的过零分析方法. 结果表明,该算法能对8 m以内的人员、20 m以内的轮式车辆进行预警和分类识别,正确识别率达到85%以上. 此算法对于识别数字输出式传感器采集到的信号非常简单、实用.      

地运动信号的时频分析

对实测地运动信号,分别应用短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、小波变换(WT)和Hilbert-Huang变换(HHT)进行了分析,讨论了地运动信号的时频分布.结果表明,地运动信号有多个中心频率,信号能量在0～30 Hz以内,优势频率在12～15 Hz.4种时频分析方法都能反映地运动信号的时频特征,STFT和WVD只能粗略反映信号能量的分布情况,可以给出能量峰值对应的具体时间和频率,但其分辨率单一.WT和HHT可以给出信号能量比较详细的分布情况,WT具有多分辨率特点,但给出的能量分布在一定的带宽内,不能给出某一频率的能量分布.HHT具有自适应性,给出的是某些特征分量的能量分布,也不能给出某一频率的能量分布.     

基于地震动信号的目标识别

地面目标地震动信号的特性分析是进行地面目标识别的关键,针对人员、车辆地面目标运动时产生的地震动信号,利用JLD-3传感器和DSP设计了一种信号采集与处理系统,并进行多次外场测试.得到的信号时域、频域特征向量可作为目标分类的依据.试验结果表明,该系统结构简单、可靠性高,能有效识别由人员与车辆运动引起的地震动信号.     

基于物理模型法的目标地震动信号建模与仿真

在战场地面目标探测的研究中,由于地形地势复杂多变,为了获得典型目标(人员、车辆)在各种地形地质条件及各种运动状态下充分的样本信号,提出了一种基于弹簧阻尼等效物理模型的建模方法。该方法通过对目标与地面作用过程及地震动信号传播机理的分析,运用物理模型推导得出目标激励函数;并主要以弹性波动方程中赫姆霍兹解法为基础,最终建立了信号传播介质微粒的速度模型。而后在MATLAB环境下,利用该模型仿真得到不同条件下的目标地震动预测信号。仿真结果表明,预测信号与实测信号符合很好,目标信号模型构建正确。该模型将对目标地震动信号库的建立具有重要意义。     

主成分分析在震动信号目标识别算法中的应用

为了改进基于震动信号的地面运动目标识别算法,提出了一种基于主成分分析（PCA）的2次特征提取算法.首先对地面运动目标引起的震动信号进行目标特性分析,提取多维的特征值;然后利用主成分分析方法对众多的特征值进行分析,去除特征值之间的相关性,提取综合特征值并应用于分类器,得到目标识别结果.基于实地采集的地面运动目标的震动信号进行实验,结果表明：该方法有效地减少了特征值的维数和相关性,降低了分类器训练的难度和训练时间,同时提高了目标的正确识别率.     

基于时频分析的带腔体雷达目标弱信号检测

该文论述了在强噪声背景下利用时频分析检测带腔体雷达目标弱信号的方法。利用时频分析方法对目标的一维像进行分析 ,提高了雷达在强噪声背景下对微弱目标信号的检测能力 ,使利用恒虚警检测无法检测到的目标经过时频分析处理后 ,可以被正确地检测出来。     

HH变换在地震动信号分析中的应用

通过对仿真信号和实际地震动信号的分析,指出HH变换(Hilbert-huang transform)中产生的虚假IMF(intrinsic mode function)主要是由于EMD(empirical mode decomposition)没能将信号中频率相近的分量分解开而产生的.这种虚假的IMF在对地震动信号进行分解时很难将其排除,并且不能正确给出地震动的能量在频率上的分布.此外,Hilbert变换对某种信号会给出错误的瞬时频率.因此将HH变换应用于地震动信号分析时,将Hilbert变换同小波变换联合应用以得到较好的分析结果.     

地震动各分量间的谱矩阵

地震动各分量间的谱矩阵李宏男（土木工程系）关键词地震动；转动分量；谱矩阵分类号：Ｐ３１５．０１大量震害分析表明，地震时的地面运动不仅存在着平动分量，而且存在着转动分量（三个平动分量和三个转动分量，如图１所示），即地震动是多维的。因此，在多维地震动作用...     

小波变换时频特性的信号识别

研究了小波变换时频特性的信号识别及其在复合材料损伤检测中的应用．根据小波变换的框架重构理论及时频相空间理论,提取信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到能反映同样时频特征的小波级数展开项和的个数,并用误差函数的最小化提取能反映时频性质的小波系数．以此作为小波神经网络的学习参数,经过学习后,使之能对信号进行识别．应用此方法对复合材料试验过程中的复杂曲线进行了实验识别,效果很好．从小波时频特性提取的信号特征,在时间和频率方面都能体现原信号所包括的本质信息,供助Ｂ样条小波神经网络的识别结果,达到了预期目的．     

地震信号的时域模拟

目前获得的地震波数据大都是以加速度时程形式给出的,直接积分获得的速度时程和位移时程往往存在着明显的基线漂移现象．简便的时域优化校正算法是一种较好的选择．提出了一种分步时域校正法．首先基于最小二乘法以三阶多项式形式来拟合加速度的非零曲线,对原始加速度时程做基线预校正处理;其次对于校正后的积分速度和位移曲线仍存在的长周期基线波动问题,将校正后的加速度曲线代入单自由度系统地震反应递归公式,从而生成地震波的速度时程和位移时程．该方法原理简单,实施方便,而且能够很好地消除速度波和位移波的漂移现象．     

高频区雷达目标识别模板构造方法研究

提出了将最大最小相关模板应用于高频区雷达目标模板构造的思想，这种方法的操作对象为多个距离像，即将一定姿态范围内的距离像用一个组合模板来表示，从而使得数据库中目标模板数量减少。最大最小模板具有与其所代表的距离像之间的最小相关最大的特点。     

Retrieving Drill Bit Seismic Signals Using Surface Seismometers

Seismic while drilling (SWD) is an emerging borehole seismic imaging technique that uses the downhole drill-bit vibrations as seismic source. Without interrupting drilling, SWD technique can make near-...     

基于DSP的运动目标识别与跟踪的系统设计

分析了目前可视跟踪系统中存在的主要问题及DSP与主控计算机之间的数据传输效率 ,提出了符合实时处理要求的可视跟踪系统结构、图像滤波和图像分割的方法 ,经在计算机上模拟表明 ,该方法效率高 ,效果好 ,完全能符合实时要求     

直接数字频率合成器中杂散的分析

对直接数字频率合成器（ＤＤＦＳ）中各类杂散源进行了讨论,详细分析了因取样和量化形成的杂散,提出了各类杂散在最坏的情况下的幅值计算方法,为直接数字频率合成器的设计计算提供了新的途径。     

心音信号的时频分析

首先对几种典型信号的计算结果进行了分析，并比较研究了短时傅里叶变换和连续小波变换在心音信号时频分析方面的性能差异．指出了应用这２种方法应该注意的问题，并对一例正常和一例非正常的心音信号的时频分析进行了讨论     

运动目标成像特性研究

对焦平面阵列上的点源运动目标和电视扫描方式下的运动目标分别建立了目标运动成像模型，得到了传感器因素与目标成像特性之间的函数学系；提出了目标精确定位的方法．模拟实验表明，所给出的运动成像模型能够较好地刻画运动目标的成像规律，使得目标定位方法能有效地修正由于目标的运动成像畸变带来的影响，为精确跟踪算法的研究提供了理论依据．     

运动目标识别与跟踪的模板匹配算法改进及仿真研究

针对传统模板匹配算法存在运算量大,以及干扰物中有部分区域和目标形状相同时识别率差的问题,改进传统的模板匹配算法,并在MATLAB6.5环境下,应用改进的新算法对简单背景中的运动目标进行计算机识别与跟踪仿真.新算法先对识别区域进行扫描点检测,判断该点是否满足要求再进行模板匹配运算;当某些干扰物体中某部分区域与目标模板相同时,采用自动模板更新的方法进行区分.仿真实验结果表明,改进的模板匹配算法大大减少模板匹配的运算量,并且可以有效地排除干扰物体对目标识别的干扰.