【技术实现步骤摘要】
基于AdaBoost-ESN算法的光纤传感振动信号模式识别方法
本专利技术涉及光纤传感振动信号识别领域，具体指一种基于AdaBoost-ESN算法的光纤传感振动信号事件分类识别方法。技术背景近年来，光纤传感系统因其灵敏性高和精度高等优点，被广泛应用在场景振动信号的检测和定位中，如石油管道的振动源，周界安防的不良入侵等事件的检测和有效预警。光纤传感预警系统OFPS可以实时监测输气管道及其周围环境状况，光纤围栏振动情况。安全检测的重点是对不同类型的振动信号进行精确、高效、实时的检测和识别，并根据识别结果对不同类型的振动信号采取相应的措施。因此，振动信号识别方法越来越受到人们重视。目前针对光纤振动信号模式识别方法主要分为两大类。一类为特征提取+分类器两级模式识别方法，通过对采集的振动信号在时域、频域、时频域提取振动信号的特征，如短时能量法、短时过电平率、峰值、波形因子、小波包分解、经验模态分解EMD、希尔伯特变换、Mel倒谱系数等方法提取振动信号特征，构成时域、频域或复合特征向量，送入分类器进行训练，采用的分类算法如支...
【技术保护点】
1.一种基于AdaBoost-ESN算法的光纤传感振动信号模式识别方法，包括如下步骤：/n第一步，采集振动信号构建数据集：搭建光纤传感系统，设定合理采样率，采集多种已知事件的振动信号，并对事件类型打上标签，将振动信号作归一化处理，作为原始数据集。/n第二步，构建AdaBoost-ESN算法的模式识别网络：对多种已知事件的振动信号进行分类，首先使用回声状态网络构建ESN基础分类器，经过对样本训练识别得到基础分类结果，然后采用AdaBoost迭代框架计算ESN基础分类器分类错误样本，提高分类错误样本的权值，构建下一个ESN基础分类器，多次迭代后集中输出最终强分类器。/n第三步，...
【技术特征摘要】 【专利技术属性】
1.一种基于AdaBoost-ESN算法的光纤传感振动信号模式识别方法，包括如下步骤：
第一步，采集振动信号构建数据集：搭建光纤传感系统，设定合理采样率，采集多种已知事件的振动信号，并对事件类型打上标签，将振动信号作归一化处理，作为原始数据集。
第二步，构建AdaBoost-ESN算法的模式识别网络：对多种已知事件的振动信号进行分类，首先使用回声状态网络构建ESN基础分类器，经过对样本训练识别得到基础分类结果，然后采用AdaBoost迭代框架计算ESN基础分类器分类错误样本，提高分类错误样本的权值，构建下一个ESN基础分类器，多次迭代后集中输出最终强分类器。
第三步，利用已经训练好的模式识别网络对光纤传感振动信号进行模式识别。
技术研发人员：吕辰刚，樊丽会，马敬敬，霍紫强，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
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。