检索结果-南通市图书馆

基于并行多尺度时间卷积网络的运动想象信号分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

辽东学院学报（自然科学版） 2024年第1期31卷 61-69页

作者：刘凯毕峰沈阳化工大学计算机学院辽宁沈阳110142 辽东学院信息工程学院辽宁丹东118003 辽宁省化工过程工业智能化技术重点实验室辽宁沈阳110142

运动想象信号的非线性和低时空域分辨率会导致基于深度学习分类方法的准确性较低。因此,提出一种并行多尺度时间卷积网络分类方法对运动想象信号进行分类。所提方法可提取运动想象信号在时间和空间上的信息,并在时间维度上使用并行卷积... 详细信息

运动想象信号的非线性和低时空域分辨率会导致基于深度学习分类方法的准确性较低。因此,提出一种并行多尺度时间卷积网络分类方法对运动想象信号进行分类。所提方法可提取运动想象信号在时间和空间上的信息,并在时间维度上使用并行卷积计算方法,更好地提取信号的时间特征。此外,在不影响分类准确率的前提下,使用一种简化的预处理方法,简化复杂的预处理过程。实验结果表明,所提方法在BCI Competition IV数据集上的分类准确率为74.4%,待训练的参数量减少到35663;对比FBCSP和DeepNet等经典分类方法,分类准确率分别提高了2.2%和6.6%,参数量分别降低了86.4%和87.5%,验证了所提方法的有效性。

关键词：运动想象信号卷积神经网络脑机接口信号分类时空特征

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的3“A”信号分类

智能计算机与应用 2024年第7期 151-155页

作者：蔡山肖芙苏张一嘉浙江理工大学信息科学与工程学院

信号分类是一种重要的无线电技术，相比传统的分类方法，基于深度学习的方法具有更高的准确率和鲁棒性，可以应用于更加复杂的信号环境中。为了更好的区分ACARS、AIS、ADS-B这3种海空通信信号，本文提出了一种基于卷积神经网络的3“A”... 详细信息

信号分类是一种重要的无线电技术，相比传统的分类方法，基于深度学习的方法具有更高的准确率和鲁棒性，可以应用于更加复杂的信号环境中。为了更好的区分ACARS、AIS、ADS-B这3种海空通信信号，本文提出了一种基于卷积神经网络的3“A”信号分类方法。将3种信号的I/Q数据加入噪声，转变为二维信号输入卷积神经网络实现对信号的分类。实验结果表明，在测试集上得到90%的准确率，对比传统基于特征的分类方法，该网络对信号的分类效果较好。

关键词：卷积神经网络深度学习信号分类

超高性能混凝土断裂全过程声发射分形特征及损伤机理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

长安大学学报（自然科学版） 2024年第3期44卷 93-103页

作者：袁明邓俊杰刘昀颜东煌黄练韩怀志长沙理工大学土木工程学院湖南长沙410114 广西交投科技有限公司广西南宁531400 湖南交通职业技术学院路桥工程学院湖南长沙410132 广西民族大学建筑工程学院广西南宁530006

为研究超高性能混凝土(UHPC)轴拉破坏全过程的声发射(AE)机理和分形特征,首先,开展了不同钢纤维(端钩形、微波纹形和直圆形)增强的UHPC轴拉试件破坏试验,得到UHPC轴拉破坏过程中的声发射信号;其次,利用快速傅里叶变换计算信号的主频,分... 详细信息

为研究超高性能混凝土(UHPC)轴拉破坏全过程的声发射(AE)机理和分形特征,首先,开展了不同钢纤维(端钩形、微波纹形和直圆形)增强的UHPC轴拉试件破坏试验,得到UHPC轴拉破坏过程中的声发射信号;其次,利用快速傅里叶变换计算信号的主频,分析主频在试验过程中的分布特征;然后,基于分形理论利用分形盒维度计算方法对信号进行分形分析,并探究分形盒维度与主频之间的关联性;最后,利用小波包变换方法计算破坏过程中的平均频带能量,分析不同应力状态下各频带能量的演变规律。试验结果表明:变形纤维的端钩和波纹与基体滑移过程产生较高的主频信号,而直圆纤维与基体滑移过程产生较低的主频信号;试件破坏阶段主频段信号分布增多,但依然以基体微裂和钢纤维相对滑移为主;分形盒维度在试件开裂前分布较集中,且在即将破坏时分形盒维度增大,开裂后变分散,新生微裂纹产生的信号分形盒维度与开裂前类似,宏观裂纹扩展产生的信号分形盒维度降低;平均分形盒维度随主频的增大而增大,呈近似二阶多项式变化,主频越高的信号复杂程度越高;AE信号能量集中于1~4频段,不同纤维增强试件的主要能量在频段上的分布不同,但在即将破坏时所有试件能量均由低频向高频转变。说明声发射信号具有良好的分形特征,且能很好地反映UHPC轴拉破坏过程中的损伤特性。

关键词：桥梁工程超高性能混凝土声发射裂缝扩展信号分类波形分形频谱特征

在线全文

学校读者我要写书评

暂无评论

基于非负矩阵分解的次声信号分类方法

应用声学 2023年第3期42卷 627-636页

作者：孟子轩程巍张天予吕君滕鹏晓中国科学院声学研究所北京100190 中国科学院噪声与振动重点实验室北京100190 中国科学院大学北京100049

在中国科学院声学研究所大气次声波观察网实地采集的爆炸、地震、闪电、再入4类次声事件105组阵列数据集的基础上,提出应用非负矩阵分解的特征提取方法,对次声信号的自动分类方法进行了研究。针对特征设计过程复杂的问题,该方法使用非... 详细信息

在中国科学院声学研究所大气次声波观察网实地采集的爆炸、地震、闪电、再入4类次声事件105组阵列数据集的基础上,提出应用非负矩阵分解的特征提取方法,对次声信号的自动分类方法进行了研究。针对特征设计过程复杂的问题,该方法使用非负矩阵分解自动挖掘目标信号的隐含结构作为特征。将此特征作为支持向量机和卷积神经网络输入进行分类,以提高特征设计的效率与分类的识别准确率。研究结果指出,在测试集上的平均识别准确率达到了83.13%,相对于传统方法,简化了特征设计过程,并取得更好的分类结果。

关键词：次声信号特征提取非负矩阵分解信号分类

CNCP:一种新型仿生的轻量级电能质量扰动信号分类模型

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2022年第11期43卷 2251-2256页

作者：简献忠赖左略上海理工大学光电信息与计算机工程学院上海200090

电能质量扰动信号分类对智能电网的稳定以及安全运行具有重要意义.针对当前电能质量信号分类模型中分类准确度不高、分类模型参数较多等问题,本文首次提出了一种基于NCP(Neural Circuit Policy)的轻量级电能质量信号分类模型CNCP(Classi... 详细信息

电能质量扰动信号分类对智能电网的稳定以及安全运行具有重要意义.针对当前电能质量信号分类模型中分类准确度不高、分类模型参数较多等问题,本文首次提出了一种基于NCP(Neural Circuit Policy)的轻量级电能质量信号分类模型CNCP(Classification-NCP),CNCP网络模型由信号特征提取、预分类和分类优化3个部分构成.首先,通过引入一维卷积核代替传统二维卷积核对信号进行特征提取,从而更有效的提取信号潜在特征.其次,通过优化NCP神经元数,减少了在特征处理过程中信息的损失.最后,通过全连接网络对预分类结果进行优化,提高了CNCP网络的泛化能力.在IEEE-1159电能质量扰动信号数据集上的实验结果表明,本文提出的CNCP与其他常用的电能质量扰动信号分类模型相比,分类结果准确性更高,抗噪性更强,模型参数更少.

关键词：电能质量信号信号分类深度学习循环神经网络轻量级网络

在线全文

学校读者我要写书评

暂无评论

引信目标与干扰信号稀疏分类识别方法

北京航空航天大学学报 2023年

作者：刘冰郝新红秦高林华北水利水电大学机械学院北京理工大学机电动态控制重点实验室

为提升复杂电磁环境战场中调频无线电引信的抗干扰能力，基于稀疏表示理论，将稀疏表示系数重构用于调频无线电的目标和干扰信号分类识别，提出了一种目标信号和扫频式干扰信号的分类方法，解决了调频无线电引信的抗干扰能力不足的问题... 详细信息

为提升复杂电磁环境战场中调频无线电引信的抗干扰能力，基于稀疏表示理论，将稀疏表示系数重构用于调频无线电的目标和干扰信号分类识别，提出了一种目标信号和扫频式干扰信号的分类方法，解决了调频无线电引信的抗干扰能力不足的问题。采集了模拟目标及干扰信号作用于无线电引信的检波端输出信号，构建了目标信号过完备字典和干扰信号过完备字典，分别将测试信号在两类字典上进行稀疏分解并重构，依据重构误差对测试样本类别进行识别。结果表明：基于稀疏表示的调频无线电引信目标和干扰信号分类识别方法，可以对于目标和干扰信号进行有效的识别，同时能够满足较低的虚警概率。研究成果对于调频无线电引信在复杂电磁环境中的抗干扰具有重要的借鉴意义。

关键词：无线电调频引信抗干扰电子战稀疏表示信号分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

人工智能技术的复杂光通信信号分类研究

激光杂志 2022年第6期43卷 155-159页

作者：刘伟刘志芳衡水学院数学与计算机学院河北衡水053000

针对常规复杂光通信信号分析能力差、划分精度差的问题,设计基于人工智能技术的复杂光通信信号分类方法。使用小波变换技术伸缩平移采集到的信号,细化信号波动细节。利用卷积神经网络,分辨不同信号频谱的局部特征。利用先验函数提取光... 详细信息

针对常规复杂光通信信号分析能力差、划分精度差的问题,设计基于人工智能技术的复杂光通信信号分类方法。使用小波变换技术伸缩平移采集到的信号,细化信号波动细节。利用卷积神经网络,分辨不同信号频谱的局部特征。利用先验函数提取光通信信号的特征参数,构建信号分类模型。至此,基于人工智能技术的复杂光通信信号分类方法设计完成。构建仿真实验环节,验证方法使用效果。实验结果表明,人工智能方法信号分析精度最高可达86%、信号的划分精度保持在88%、信号细化程度更是达到了95%,证明了人工智能方法的分类结果更加精确,且分类细化能力得到提升。

关键词：人工智能技术光通信信号分类小波变换

在线全文

学校读者我要写书评

暂无评论

基于自适应多元多尺度熵的心电信号分类研究

计算机应用研究 2022年第5期39卷 1505-1509页

作者：张浪飞李诗楠梁竹关丁洪伟云南大学信息学院昆明650500

针对目前单通道心电信号识别精度不高、现存多元分解方法效果不佳、多元非线性心电信号分析复杂等问题,提出了一种基于自适应多元多尺度色散熵的心电信号分类方法。首先利用频谱分析,创新性地引入了正弦辅助多元经验模态分解方法,对心... 详细信息

针对目前单通道心电信号识别精度不高、现存多元分解方法效果不佳、多元非线性心电信号分析复杂等问题,提出了一种基于自适应多元多尺度色散熵的心电信号分类方法。首先利用频谱分析,创新性地引入了正弦辅助多元经验模态分解方法,对心电信号进行分解得到多元模态分量;然后结合多模态分解和色散熵的优越性,通过累加多元本征模态分量代替粗粒化采样,提出了自适应多元多尺度色散熵的方法获取特征熵值;最后将特征输入到多个分类器上进行分类,通过实验对比分析,在模拟信号和MIT-BIH数据上验证该方案的有效性。

关键词：心电信号模态混叠 SA-MEMD 熵信号分类

基于深度学习的卫星接收信号分类与目标识别算法

在线全文

学校读者我要写书评

暂无评论

基于深度学习的卫星接收信号分类与目标识别算法

作者：傅钟祺电子科技大学

学位级别：硕士

卫星接收信号的分类与其目标识别是认知电子战中的一个重要研究方向。随着各国卫星通信、侦查网络的不断发展，基于卫星接收数据的目标信号分类与识别愈加重要。传统的深度学习信号分类与识别算法往往存在易受信道干扰、需要大量人工标... 详细信息

卫星接收信号的分类与其目标识别是认知电子战中的一个重要研究方向。随着各国卫星通信、侦查网络的不断发展，基于卫星接收数据的目标信号分类与识别愈加重要。传统的深度学习信号分类与识别算法往往存在易受信道干扰、需要大量人工标注、无法适应对未知（新）目标识别需求等缺点。为了克服以上不足之处，本文基于度量学习方法对实际工程项目中卫星接收信号的分类和目标识别算法存在的问题展开研究，形成主要工作和创新如下：　　（1）提出了一种结合深度学习与PCA降维、SVM聚类方法的卫星接收目标个体识别算法，该算法针对实际工程卫星接收的目标通信信号，完成了从接收信号体制分类，到利用个体识别网络对已分类的信号进行个体识别的整体流程。首先，使用特征残差网络对信号进行特征提取，再通过PCA降维与SVM聚类对信号进行筛选，最后根据聚类的结果，将特定体制的感兴趣信号作为数据集，利用个体识别网络进行目标识别。经测试，在该工程项目中，卫星接收到的3种信号体制的聚类准确度超过95%，感兴趣体制信号8个目标的个体识别的准确度超过95%。　　（2）提出了一种基于孪生网络的卫星接收目标开集识别算法。该算法针对传统个体识别网络无法适应新目标的场景，根据是否有未知类先验信息给出了对应情况的判决门限确定方法：有未知类先验信息时，算法使用空间特征中心求得样本度量分布，并利用该分布确定未知类判决门限;无未知类先验信息时，算法通过最小化对比损失给出未知类判决门限。两种情况下，算法均使用空间特征中心作为孪生网络已知类内识别时的锚点，以提升已知类判决准确率和判决时的稳定性。经测试，在有未知类先验信息的情况下，优化的组合孪生网络已知类判别准确率为97.76%;未知类判别准确率为95.98%，相比传统孪生网络分别提升7.94%和3.84%。无未知类先验信息情况下，优化的组合孪生网络已知类判别准确率为98.75%;未知类判别准确率为84.46%，已知类识别准确率提升11.7%，总体准确率相较传统孪生网络提升1.30%。　　（3）搭建了卫星接收信号分类和目标个体识别试验验证系统。该系统通过图形用户界面构建前端展示，利用后端接口调用主体算法，包含目标信号处理子系统、目标信号聚类子系统和目标个体识别子系统三个系统，完成了从信号预处理、信号体制聚类、目标个体识别的整体流程，实现了本文算法在实际工程中的可视化应用。

关键词：卫星接收信号信号分类个体识别孪生网络开集识别