基于時間序列與支持向量機的信號識別模型及預(yù)測.pdf

1、信號識別問題是當今信息傳輸領(lǐng)域非常重要的一個問題,其中,聲波信號識別問題的研究已經(jīng)取得了長足的發(fā)展,特別是在軍事領(lǐng)域,各國都投入了大量的資金和科研人員對其進行深入的研究。例如在軍事上的聲納識別技術(shù)。聲納是各國海軍進行水下監(jiān)視使用的主要技術(shù),用于對水下目標進行探測、分類、定位和跟蹤,進行水下通信和導(dǎo)航,保障艦艇、反潛飛機和反潛直升機的戰(zhàn)術(shù)機動和水中武器的使用。聲納技術(shù)已成為各國水下技術(shù)的重點發(fā)展對象,隨著數(shù)學(xué)理論的發(fā)展和信號處理技術(shù)的提高

2、,聲納信號識別的方法趨于多樣化,識別的技術(shù)性能等都有了很大提高,識別方法和模型多種多樣,但主要利用這樣幾種方法:神經(jīng)網(wǎng)絡(luò)方法、小波變換方法、支持向量機方法、功率譜方法等以及這幾種方法的結(jié)合。
　　 本文主要考慮利用時間序列和支持向量分類機相結(jié)合的方法來對信號進行識別。由于實際問題的某種信息的發(fā)生和發(fā)展具有隨機性,并隨時間的推移而具有某種統(tǒng)計規(guī)律,在此情況下,難以應(yīng)用一般確定的解析方法描述其過程,而時間序列分析則是用統(tǒng)計學(xué)和信息數(shù)

3、據(jù)處理技術(shù),探尋其規(guī)律,探明其特征,是解決實際問題的非常有效的工具,并且方法較為成熟,其參數(shù)估計及檢驗等也較易操作。支持向量機是數(shù)據(jù)挖掘中的一項新技術(shù),是借助于最優(yōu)化方法解決機器學(xué)習(xí)問題的新工具。它能非常成功地處理分類問題、判別分析、模式識別及回歸問題等諸多方面的問題,并可應(yīng)用于預(yù)測和綜合評價等領(lǐng)域。本文利用時間序列模型、等測度變換的時間序列模型和ARTAFIT模型對聲波信號進行處理,得到參數(shù)集合,對不同的聲波信號會得到不同的參數(shù)集合,

4、對于參數(shù)集合利用支持向量機進行分類識別,從而提高了識別的準確性;當參數(shù)集合過大時,可先利用主成分分析方法降階,而后再利用支持向量分類機進行識別,并給出實例分析,模型應(yīng)用效果較為理想。
　　 對未來的預(yù)測是時間序列模型的重要用途之一。時間序列預(yù)測法就是通過編制和分析時間序列,根據(jù)時間序列所反映出來的發(fā)展過程、方向和趨勢,進行類推或延伸,借以預(yù)測下一段時間或以后若干年內(nèi)可能達到的水平。由于現(xiàn)實中的很多數(shù)據(jù)都是非線性的,很多傳統(tǒng)的方法

5、對于非線性問題的預(yù)測效果并不是非常好。因此,本文提出利用時間序列和支持向量回歸機相結(jié)合的方法對數(shù)據(jù)進行預(yù)測。首先,為了提取更多有用的信息,本文直接利用支持向量回歸機對原始的時間序列進行擬合與預(yù)測,利用支持向量回歸機能夠高度擬合非線性時間序列的特性,來有效地提高預(yù)測精度。隨后可以得到一個殘差序列,而殘差序列中往往仍然含有一些有用信息,有時對于預(yù)測的結(jié)果還會有較大的影響。為提取殘差中的有用信息,本文考慮利用時間序列模型對殘差序列進行擬合與預(yù)