论文部分内容阅读
随着社会环境和生活水平的不断提高,人们的安全防范意识越来越强,为了充分保障人民财产和人身安全,现代社会需要的安防系统必须达到实时、准确、高效、智能等要求,能够对目标设施和周边区域进行不间断的周密监控和智能管理,同时对于各种环境扰动信号能够进行实时检测和模式分类,本课题所研究的分布式光纤警戒系统就是这样一种满足新时代要求的、新型的安防系统。模式识别作为本系统的后台数据处理模块,以系统光纤传感器接收到的各类环境扰动信号为研究对象,通过一系列的数据处理方法的尝试,最终实现对数种常见扰动信号的准确分类。
论文重点解决模式识别系统中信号处理和模式识别两方面的内容。首先对信号进行去噪处理,然后特征提取,再根据特征向量设计合理的分类器,最终实现模式的判别。
论文对基于小波的去噪方法做了重点阐述,针对传统的软、硬阈值函数的利弊,提出了一种新的阈值函数处理方法,同时改进了基于能量的小波阈值去噪,并通过实验验证其对于去噪信号信噪比的改善。
论文研究了分类器设计的若干方法,重点讨论了基于特征空间划分的分类器的设计,并以神经网络为例进行介绍,分析了BP神经网络、RBF神经网络和小波神经网络的结构和实现,并对三种网络的识别率进行了实验比较。实验结果表明小波神经网络在对于本系统的模式识别问题中略显优势,更适合于本系统的要求。
最后,论文将系统各模块级联,运用现场实际采集的环境扰动信号进行整合实验,统计正确率为91.2％,实验结果表明:本系统能够对信号进行很好的识别,具有良好的性能、较高的识别率,基本满足系统的要求。