The invention discloses a traffic environment disturbance signal recognition method, sensing optical fiber cable layout in the monitoring target route traffic, by sensing optical fiber sensing monitoring and analysis of interference source, interference recognition and acquisition of the signal source analysis steps are as follows: S1 vector pool; S2 vector pool. By means of feature selection, selected feature vector combination from the feature vectors in the pool. Wavelet packet with large scale and have wide variable frequency window segmentation further thinning, can find the most suitable for the analysis of time-frequency transformation.
【技术实现步骤摘要】
一种交通干线周边环境扰动信号的智能识别方法
本专利技术涉及一种信号监测筛选识别技术，尤其涉及一种交通干线周边环境扰动信号的智能识别方法。
技术介绍
为了能够准确地检测出扰动事件中事件的属性(有害还是无害)和位置,在交通干线周边环境扰动信号智能识别技术中,模式识别是其中最为关键的技术,许多种识别方法由于其自身独特的优势，成为了研究热点。20世纪80年代Back-propagation(BP)算法的重新发现和成功应用推动了人工神经网络研究和应用热潮。神经网络方法与统计方法相比具有不依赖概率模型、参数自学习、泛化性能良好等优点，至今仍在模式识别中广泛应用。然而，神经网络的设计和实现依赖于经验，泛化性能不能确保最优。20世纪90年代以来，支持向量机(SVM)的提出吸引了模式识别界对统计学习理论和核方法(Kernelmethods)的极大兴趣。与神经网络相比，支持向量机的优点是通过优化一个泛化误差界限自动确定一个最优的分类器结构，从而具有更好的泛化性能。
技术实现思路
本专利技术克服了现有技术的不足，提供一种交通干线周边环境扰动信号的智能识别方法。为达到上述目的，本专利技术采用...
【技术保护点】
一种交通干线周边环境扰动信号的智能识别方法，其特征在于，感测光缆布设在交通干线的监测目标上，通过感测光缆感测监测目标并分析干扰信号源，采集干扰信号源后的识别分析步骤如下：S1建立向量池：拟定数字信号的采样率为2f，将所述采样率进行k层小波包分解，进而得到2
【技术特征摘要】
1.一种交通干线周边环境扰动信号的智能识别方法，其特征在于，感测光缆布设在交通干线的监测目标上，通过感测光缆感测监测目标并分析干扰信号源，采集干扰信号源后的识别分析步骤如下：S1建立向量池：拟定数字信号的采样率为2f，将所述采样率进行k层小波包分解，进而得到2k个频宽为等宽的频带，其中，第k层的小波包系数为其中i为对应层分解节点序号，i＝0,1,2···,2k-1，m为小波包空间位置标识；由帕塞瓦尔能量积分公式可知，小波包系数具有能量量纲，用来进行信号的频带能量分析，则第k层的第i个频带的能量Ek,i为：将其归一化，得到所需的频带能量百分比：k层小波包分解，得到2k个频带能量百分比参数，用来组成特征向量；得到了2k维小波包参数组成的特征向量池；S2建立向量池：采用特征筛选的方式，从所述特征向量池中筛选出最终的特征向量组合。2.根据权利要求1所述的一种交通干线周边环境扰动信号的智能识别方法，其特征在...
【专利技术属性】
技术研发人员：秦胜勇，吴涛，方标新，
申请(专利权)人：昆山光创信息技术有限公司，
类型：发明
国别省市：江苏,32
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。