文献类型：期刊文章

作　　者：马愈昭[1] 冯磊[1] 刘佳[1] 熊兴隆[1]

MA Yu-zhao;FENG Lei;LIU Jia;XIONG Xing-long(Tianjin Key Laboratory for Advanced Signal Processing,College of Electronic Information and Automation,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学电子信息与自动化学院,天津市智能信号与图像处理重点实验室,天津300300

出　　处：《光电子．激光》

基　　金：国家自然科学基金(U1833111);中央高校基本科研业务费项目中国民航大学专项(3122018D001)资助项目。

年　　份：2020

卷　　号：31

期　　号：5

起止页码：509-518

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：针对马赫-曾德尔光纤周界系统振动信号扰动信息提取及识别中的问题,提出了一种基于局部特征尺度分解(LCD)和改进概率神经网络(PNN)的识别方法。首先,采用LCD将振动信号分解成一系列内禀尺度分量(ISC),再将分解得到的ISC分量每连续3阶一组进行独立成分分析(ICA),提取扰动信息。其次,提取振动信号的峭度、排列熵、瞬时幅度标准差和瞬时频率标准差构造具有准确描述能力的特征向量。最后,采用经模糊C均值聚类(FCM)优化后的PNN对振动信号进行识别分类。利用六种振动信号实验数据进行验证。结果表明,该方法能够高效准确的识别六种振动信号,平均识别率达到97.17%,识别时间为0.78s。该方法在有效信息提取和振动信号识别方面明显优于传统的LCD算法和PNN算法,具有实际应用价值。

关 键 词：光纤光学 信号识别  局部特征尺度分解 独立成分分析  模糊C均值聚类 概率神经网络

分 类 号：TP212]