光纖振動(dòng)信號(hào)的自學(xué)習(xí)模式識(shí)別的構(gòu)建及VC++編程的實(shí)現(xiàn).pdf

1、寬域全光纖監(jiān)控預(yù)警系統(tǒng)是基于世界上新興的分布式干涉型全光纖擾動(dòng)定位與傳感技術(shù)而研發(fā)的長(zhǎng)距離智能監(jiān)控防衛(wèi)系統(tǒng)，能夠同時(shí)獲取被測(cè)量的空間分布和時(shí)間變化，具有現(xiàn)場(chǎng)無(wú)源、抗電磁干擾、抗腐蝕、極高的報(bào)警靈敏度和監(jiān)測(cè)范圍大等特點(diǎn)，因而具有很高的實(shí)用價(jià)值和廣闊的應(yīng)用前景。對(duì)系統(tǒng)中各種危險(xiǎn)擾動(dòng)信號(hào)進(jìn)行及時(shí)準(zhǔn)確的識(shí)別對(duì)于保障對(duì)象的安全以及減輕工作人員工作量等方面具有極其重要的意義。本文以該系統(tǒng)中的光纖振動(dòng)信號(hào)為研究對(duì)象，重點(diǎn)研究模式識(shí)別模塊的設(shè)計(jì)、驗(yàn)證和

2、實(shí)現(xiàn)，并以VC++編程實(shí)現(xiàn)相關(guān)函數(shù)的DLL封裝，最后還將聚類(lèi)分析思想融入模式識(shí)別中，實(shí)現(xiàn)了模式識(shí)別的自學(xué)習(xí)功能。
　　論文首先對(duì)模式識(shí)別涉及的去噪、特征提取、網(wǎng)絡(luò)訓(xùn)練和分類(lèi)等方面進(jìn)行了理論分析和仿真實(shí)驗(yàn)。去噪過(guò)程采用的是譜相減去噪法和小波能量閾值法，比較發(fā)現(xiàn)兩者的性能較相近。特征提取部分介紹了小波包分解的理論基礎(chǔ)，提出了信號(hào)的5層小波包分解法，得到32維特征向量。分類(lèi)器部分將對(duì)神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)做理論介紹，并選用RBF神經(jīng)網(wǎng)絡(luò)和

3、支持向量機(jī)兩種判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試，并得到了網(wǎng)絡(luò)對(duì)實(shí)際信號(hào)的判別準(zhǔn)確率。
　　論文用VC++平臺(tái)實(shí)現(xiàn)了模式識(shí)別流程算法的應(yīng)用，并將其封裝成動(dòng)態(tài)鏈接庫(kù)，從而進(jìn)一步提高了模式識(shí)別模塊的保密性和調(diào)用效率。
　　論文還引入了無(wú)監(jiān)督分類(lèi)的聚類(lèi)分析，實(shí)現(xiàn)聚類(lèi)分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合。針對(duì)單純神經(jīng)網(wǎng)絡(luò)需要人工進(jìn)行樣本庫(kù)訓(xùn)練的不足，自學(xué)習(xí)模式識(shí)別采用聚類(lèi)分析實(shí)現(xiàn)了自動(dòng)識(shí)別新類(lèi)別信號(hào)并以此更新神經(jīng)網(wǎng)絡(luò)，減少人工訓(xùn)練網(wǎng)絡(luò)的繁瑣。
　　最后，