The invention discloses an automatic identification method of fragment signal based on neural network, which utilizes the strong nonlinear mapping ability of BP neural network and the ability of associative memory of external stimulus and input information to improve the correct identification of fragment target signal in a large number of data in a fragment velocity test system.
【技术实现步骤摘要】
一种基于神经网络的破片信号自动识别方法
本专利技术属于破片信号自动识别
,具体涉及一种基于神经网络的破片信号自动识别方法。
技术介绍
在破片过靶信号采集的过程中会有许多噪声对准确识别过靶信号有干扰,虽然通过基于小波分解与重构的去噪方法可以去除信号中的噪声,但是对于一些频率成分与破片过靶信号比较相似的噪声信号却无法将其去除,在小波滤波之后反而形成正向信号,使后续对破片过靶信号的识别产生错误。
技术实现思路
有鉴于此,本专利技术的目的是提供一种基于神经网络的破片信号自动识别方法,可以更有效的去除各种噪声的影响。一种基于神经网络的破片信号自动识别方法,包括如下步骤:步骤1、采集破片速度测试过程的原始数据,并选用若干组典型破片过靶信号和若干组带有明显峰值的噪声信号作为样本数据;步骤2、对步骤1的到的样本数据进行去除干扰处理,得到用于神经网络训练和测试的样本数据;步骤3、对步骤2获得的样本数据进行微分处理,然后分别获取与峰值间隔为-6个采样点处,-3个采样点处,0个采样点处,3个采样点处以及6个采样点处共5处的信号斜率,同时求取峰值处的信号脉宽,由此得到破片过靶信号的6个特征参数值;步骤4、对步骤2获得的样本数据进行分类标记;步骤5、构建包括一个输入层、两个隐层和一个输出层的BP神经网络;步骤6、将步骤4完成分类标记的样本数据的特征值输入到步骤5建立的BP神经网络,对其进行训练;网络误差达到设定的条件后得到训练好的BP神经网络模型;步骤7、对于输入的破片信号,采用步骤3的处理方法,获得6个特征值,然后输入到步骤6训练好的BP神经网络模型中,进行识别。较佳的,所述B ...
【技术保护点】
1.一种基于神经网络的破片信号自动识别方法,其特征在于,包括如下步骤:步骤1、采集破片速度测试过程的原始数据,并选用若干组典型破片过靶信号和若干组带有明显峰值的噪声信号作为样本数据;步骤2、对步骤1的到的样本数据进行去除干扰处理,得到用于神经网络训练和测试的样本数据;步骤3、对步骤2获得的样本数据进行微分处理,然后分别获取与峰值间隔为‑6个采样点处,‑3个采样点处,0个采样点处,3个采样点处以及6个采样点处共5处的信号斜率,同时求取峰值处的信号脉宽,由此得到破片过靶信号的6个特征参数值;步骤4、对步骤2获得的样本数据进行分类标记;步骤5、构建包括一个输入层、两个隐层和一个输出层的BP神经网络;步骤6、将步骤4完成分类标记的样本数据的特征值输入到步骤5建立的BP神经网络,对其进行训练;网络误差达到设定的条件后得到训练好的BP神经网络模型;步骤7、对于输入的破片信号,采用步骤3的处理方法,获得6个特征值,然后输入到步骤6训练好的BP神经网络模型中,进行识别。
【技术特征摘要】
1.一种基于神经网络的破片信号自动识别方法,其特征在于,包括如下步骤:步骤1、采集破片速度测试过程的原始数据,并选用若干组典型破片过靶信号和若干组带有明显峰值的噪声信号作为样本数据;步骤2、对步骤1的到的样本数据进行去除干扰处理,得到用于神经网络训练和测试的样本数据;步骤3、对步骤2获得的样本数据进行微分处理,然后分别获取与峰值间隔为-6个采样点处,-3个采样点处,0个采样点处,3个采样点处以及6个采样点处共5处的信号斜率,同时求取峰值处的信号脉宽,由此得到破片过靶信号的6个特征参数值;步骤4、对步骤2获得的样本数据进行分类标记;步骤5、构建包括一个输入层、两个隐层和一个输出层的BP神经网络;步骤6、将步骤4完成分类标...
【专利技术属性】
技术研发人员:张斌,李沅,赵冬娥,赵辉,
申请(专利权)人:中北大学,
类型:发明
国别省市:山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。