文献类型：期刊文章

作　　者：熊兴隆[1] 张琬童[1] 冯磊[1] 李猛[2] 马愈昭[1] 冯帅[3]

XIONG Xing-long;ZHANG Wan-tong;FENG Lei;LI Meng;MA Yu-zhao;FENG Shuai(Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China;Air Traffic Control Research Institute,Civil Aviation University of China,Tianjin 300300,China;Engineering Technical Training Center,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[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

出　　处：《光子学报》

基　　金：国家自然科学基金(Nos.U1533113;U1833111)~~

年　　份：2019

卷　　号：48

期　　号：2

起止页码：50-61

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：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1.63s.该方法在正确识别率方面优于传统的概率神经网络算法.

关 键 词：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

分 类 号：TP212]