文献类型：期刊文章

作　　者：熊兴隆[1] 张琬童[1] 李猛[2] 马愈昭[1] 冯帅[3]

Xiong Xinglong;Zhang Wantong;Li Meng;Ma Yuzhao;Feng shuai(Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin300300,China;Institute of Operation Programming and Safety Technology of Air Traffic Management,Civil Aviation University of China,Tianjin300300,China;Engineering Technical Training Center,Civil Aviation University of China,Tianjin300300,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]中国民航大学民航空管研究院,天津300300 [3]中国民航大学工程技术训练中心,天津300300

出　　处：《光学学报》

基　　金：国家自然科学基金(U1833111;U1533113);中央高校项目(3122018D001)

年　　份：2019

卷　　号：39

期　　号：2

起止页码：43-52

语　　种：中文

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

摘　　要：提出了一种基于局部均值分解(LMD)和串行特征融合(SFF)的光纤周界振动信号识别方法。该方法先去除噪声,提取振动信号的相关信息,再进行SFF以得到具有准确描述能力的特征向量,最后采用概率神经网络(PNN)算法进行学习和分类。利用不同单一振动信号和风雨天气干扰下的不同振动信号对该方法进行验证。结果表明,该方法在上述两种情况下的平均正确识别率分别达到96.0%和96.7%,识别时间分别为0.87 s和0.91 s,在敏感信息识别和特征提取方面明显优于传统的LMD算法和SFF-PNN算法。

关 键 词：光纤光学 信号识别 局部均值分解 独立成分分析  概率神经网络

分 类 号：TN253]