作者单位
摘要
1 国民核生化灾害防护国家重点实验室, 北京 102205
2 浙江大学 物理学系, 杭州 310058
针对远区核爆电磁脉冲(NEMP)和闪电电磁脉冲(LEMP)的识别率不能满足实际需求的问题,提出了一种基于小波包分形技术的识别方法。首先,对实测的NEMP和LEMP做插值、归一化等预处理;然后,基于小波包理论对预处理后的信号进行2层小波包分解,并利用小波包系数重构信号的分形维数,组成信号的特征向量;最后,采用最小二乘支持向量机(LSSVM)作为分类器,利用五折交叉验证法选取最优的模型参数,将特征向量输入分类器中进行训练后获得测试结果。实验结果表明,小波包分形方法在NEMP和LEMP的识别上效果显著,平均识别率达到99%以上,具有较高的应用价值。
核爆电磁脉冲 闪电电磁脉冲 小波包分形 最小二乘支持向量机 识别 nuclear electromagnetic pulse lightning electromagnetic pulse wavelet fractal least squares support vector machine recognition 
强激光与粒子束
2022, 34(6): 066002
作者单位
摘要
国民核生化灾害防护国家重点实验室,北京 102205
为实现远区核爆电磁脉冲(NEMP)和闪电电磁脉冲(LEMP)的有效识别,提出一种基于希尔伯特黄变换(HHT)和最小二乘支持向量机(LSSVM)的识别算法。采用希尔伯特黄变换对远区NEMP和LEMP进行分析,利用两种信号的Hilbert谱在不同频带上分布的差异性,选择谱图中两个区域的能量占比作为信号的特征,选择LSSVM作为分类器进行分类识别。实验结果表明,采用能量占比特征可有效识别NEMP和LEMP,且综合识别率可达到98.59%。
核爆电磁脉冲 闪电电磁脉冲 希尔伯特黄变换 最小二乘支持向量机 识别 nuclear electromagnetic pulse lightning electromagnetic pulse Hilbert-Huang transform least squares support vector machine recognition 
强激光与粒子束
2021, 33(7): 076003
作者单位
摘要
防化研究院, 北京 102205
对平稳随机信号功率谱估计的AR模型, 分别利用自相关函数法和Burg算法求该模型系数, 作为核爆炸和闪电电磁脉冲信号的特征值;采用BP神经网络作为分类器以及不同的隐含层数和隐含层节点数, 对核爆和闪电电磁脉冲实测数据进行识别研究。结果表明:AR参数模型法对两类信号特征值提取是非常有效的, 采用Burg算法来求AR模型参数, 其特征值提取效果优于自相关函数法。
AR模型 核爆电磁脉冲 闪电电磁脉冲 BP神经网络 识别 auto-regression model nuclear electromagnetic pulse lightning electromagnetic pulse BP artificial neural networks recognition 
强激光与粒子束
2010, 22(12): 3052

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!