圍界中的多傳感器特征級模式識別算法研究.pdf

1、目標識別是當前研究的熱點，傳統(tǒng)的基于數據級的目標識別計算量大，識別效果較差，而基于特征級的目標識別采用去除冗余數據的方法，該方法既保留了較多的有效數據，又極大降低了運算量，具有較高的準確率。本論文是以南水北調工程安防圍界為應用背景，對圍界中的異常模式展開研究。
　　圍界中的多傳感器數據模式識別在融合層次上可以分為數據級，特征級，決策級這三個層次的信息融合。多傳感器融合系統(tǒng)由數據融合模型，結構模型和數學模型共同組成。本文重點介紹了結

2、構模型和數學模型，在此基礎上，提出了兩種模式識別算法。主要內容如下:
　　(1)提出基于峭度的多層閾值分類方法，首先對原始數據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行分類。該分類算法在100米的距離上，針對拍打、攀爬、搖晃、倚靠四種異常模式的平均識別率達到86.67％。該方法具有運算速度快、識別率高的特點。
　　(2)針對上述方法中人為設定閾值的局限性，提出了基于小波包分解的人工神經網絡分類方法。