圍界中的多傳感器特征級(jí)模式識(shí)別算法研究.pdf

1、目標(biāo)識(shí)別是當(dāng)前研究的熱點(diǎn)，傳統(tǒng)的基于數(shù)據(jù)級(jí)的目標(biāo)識(shí)別計(jì)算量大，識(shí)別效果較差，而基于特征級(jí)的目標(biāo)識(shí)別采用去除冗余數(shù)據(jù)的方法，該方法既保留了較多的有效數(shù)據(jù)，又極大降低了運(yùn)算量，具有較高的準(zhǔn)確率。本論文是以南水北調(diào)工程安防圍界為應(yīng)用背景，對(duì)圍界中的異常模式展開研究。
　　圍界中的多傳感器數(shù)據(jù)模式識(shí)別在融合層次上可以分為數(shù)據(jù)級(jí)，特征級(jí)，決策級(jí)這三個(gè)層次的信息融合。多傳感器融合系統(tǒng)由數(shù)據(jù)融合模型，結(jié)構(gòu)模型和數(shù)學(xué)模型共同組成。本文重點(diǎn)介紹了結(jié)

2、構(gòu)模型和數(shù)學(xué)模型，在此基礎(chǔ)上，提出了兩種模式識(shí)別算法。主要內(nèi)容如下:
　　(1)提出基于峭度的多層閾值分類方法，首先對(duì)原始數(shù)據(jù)提取得到不同特征值如平均值、方差、峭度等，然后利用多層閾值分類器進(jìn)行分類。該分類算法在100米的距離上，針對(duì)拍打、攀爬、搖晃、倚靠四種異常模式的平均識(shí)別率達(dá)到86.67％。該方法具有運(yùn)算速度快、識(shí)別率高的特點(diǎn)。
　　(2)針對(duì)上述方法中人為設(shè)定閾值的局限性，提出了基于小波包分解的人工神經(jīng)網(wǎng)絡(luò)分類方法。