一种基于小波变换和支持向量机的涡结构识别方法技术

技术编号:2565205 阅读:139 留言:0更新日期:2012-04-11 18:40
本发明专利技术涉及一种基于支持向量机(SVM,SupportVectorMachine)的涡结构识别方法,在特征提取方面,提取折射率场数据经小波变换后系数矩阵的统计量作为涡结构特征量,与传统的直接利用小波变换后系数矩阵相比,剔出了大量的冗余信息,降低了计算量。在分类器设计方面,提出了基于支持向量机的分类方法,利用结构风险最小原则使分类面不仅能将涡结构正确分开,而且使分类间隔最大,比传统的经验风险最小原则分类方法从原理上降低了误识率。本发明专利技术能更加准确地表征和区分湍流涡结构,为导弹、飞机等机载光学设备的光学效应精确建模奠定了基础。

【技术实现步骤摘要】

本专利技术涉及,可用于分析大气中高 速飞行的导弹和飞机的光学头罩与来流之间形成的气动光学效应,为图像校正、控制湍流 提供基础。
技术介绍
高速成像制导导弹和飞机等在大气层内高速飞行时,光学头罩周围会形成高速复杂流 场,致使目标光波通过高速流场时光波相位发生改变,目标图像产生偏移、模糊、抖动和 能量衰减,这种现象称为气动光学效应。气动光学效应的研究重点之一是畸变波前同湍流 涡动力学特性之间的关系。按照湍流的涡旋学说,湍流的脉动与混合主要由大尺度的涡结 构造成,具有高度的各向异性,且其流动、演变具有重复性和可预测性;小尺度涡几乎是 各向同性的,而且不同流动的小尺度涡有许多共性。大尺度涡造成了大部分的密度脉动, 在光学传输中造成了大部分的相位脉动,是影响气动光学传输效应的主要因素。因此要按 照不同的涡结构尺度建立精确的光学传输模型,就必须进行涡结构的识别。涡结构识别的关键在于特征提取和分类器设计。传统的涡结构识别方法,在特征提取 方面通常是依据小波变换具有多分辨分析特性,直接进行小波分解,利用小波系数矩阵作 为特征量使得特征冗余多,计算量大在分类器设计方面传统方法通常直接根据经验确定 小本文档来自技高网...

【技术保护点】
一种基于小波变换和支持向量机的涡结构识别方法,其特征在于包括下列步骤:(1)利用小波变换对描述涡结构的折射率进行小波分解,得到不同尺度上的小波系数矩阵。(2)对小波系数矩阵进行特征提取,小波系数矩阵的统计量作为涡结构的特征值。(3)根据所提取特征值,利用支持向量机的方法建立最佳分类判别函数,其建立准则采用利用风险最小化原则。(4)利用步骤(3)建立的最佳分类判别函数,重复步骤(1)、(2)对涡结构样本进行涡结构识别。(5)利用小波反变换进行大、小尺度涡重建。

【技术特征摘要】

【专利技术属性】
技术研发人员:杨照华房建成吴琳冯浩楠
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:11[中国|北京]

网友询问留言 已有0条评论
  • 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。

1
相关领域技术
  • 暂无相关专利