论文部分内容阅读
作为机场第一道安全屏障的机场周界通常呈带状分布且非常漫长，基于地震动信号的区域监控技术能够24小时不间断地对整个机场周界进行监控，帮助提高对机场的安全防范等级。本文主要围绕适用于带状机场周界的地震动目标识别与定位算法展开，相关工作和创新点如下：
第一：通过对地震动信号的发生及传播机理的研究确定了监控系统中信号采集的方式并依据大量的实测数据为各个兴趣目标的地震动信号建立了信号模型。
第二：针对实际应用中探测得到观察信号信噪比较低问题，巧妙地利用EMD方法中存在的模态混叠问题，设计了一种新的人员脚步信号特征提取方法，该方法能够自适应地搜寻到低信噪比采样信号中被噪声所掩盖的人员脚步信号和将它们提取出来；并基于小波包分解实现相应的车辆信号特征提取算法。实际数据的测试结果证明以上两种方法都能够很好地排除来自背景噪声的干扰，具有较高的鲁棒性。
第三：针对实际应用中质量不可控的样本空间导致神经网络分类性能不可控等问题，受小波分解中多分辨分析的启发，提出了一种新的应用于概率神经网络的贯序多尺度学习算法，应用该算法对样本空间的贯序学习过程类似于一个多分辨重构过程，通过仿真验证发现：由此得到的神经网络能够自适应于样本空间以及网络分类结果的反馈，具有较高的泛化能力，且其模式识别的准确率能够随着网络的使用不断得到提升。
第四：针对实际应用中所面临的信号传播速度未知、信源处信号强度未知等问题，通过结合TDOA与RSSI方法，引入了一种能够容忍一定先验条件缺失的模糊定位方法。通过实验验证，该方法能够在实际应用中实现对目标的定位，且准确度较高。