一种基于改进EMD分解人车地震动信号识别算法
为解决在野外环境中对低信噪比人车地震动信号进行正确识别的问题,该文提出一种基于希尔伯特包络线提取和改进经验模态分解的信号分解方法——协方差叠加经验模态分解的人车地震动信号识别算法.首先对目标的地震动信号进行希尔伯特变换,对其进行平滑,获取信号的包络线,然后对包络线进行EMD分解后运算协方差选出一个与原信号最相关的IMF和一个最无关的包含高频噪音的IMF作差平均并加回原信号中实现对原信号的信噪比提升.再次进行EMD分解从而得到具有高信噪比的新IMF分量.通过对所得到的IMF分量进行时频域的信号分析就可以实现对于目标地震动信号的特征提取,最后使用随机森林分类算法对信号进行分类,从而实现对人车目标的识别和分类.最后识别准确率大于90％,高于其他传统方法在该环境下的识别率.
协方差叠加经验模态分解、经验模态分解、特征提取、随机森林、人车地震动信号
48
TH763(仪器、仪表)
2022-05-12（万方平台首次上网日期，不代表论文的发表时间）
共10页
85-94
