1 苏州市轨道交通集团有限公司，江苏 苏州 215008
2 中电科芯片技术(集团)有限公司，重庆 401332
针对振动传感器系统对环境状态中入侵事件识别正确率较低的难题，该文提出了一种基于随机配置网络(SCN)的神经网络结构,用于识别周界入侵的振动传感信号。首先通过搭建振动传感器系统对4种周界入侵信号进行采集,然后利用小波降噪对信号进行降噪预处理,再提取信号的能量特征、过均值率、PAR特征,最后通过随机配置网络神经网络对攀爬、触碰、撞击及剪切4种入侵事件进行识别。其训练集识别准确率可达92.7%，测试集平均识别准确率可达90.7%。实验结果表明，该文所提出方法可对周界入侵信号进行有效识别。
振动传感 随机配置网络 入侵识别 特征提取 vibration sensing stochastic configuration network(SCN) intrusion recognition feature extraction
北方工业大学电子信息工程学院, 北京 100144
随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比, Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。
光通信 随机配置网络 L2正则化 Dropout技术 光纤预警系统 信号处理 激光与光电子学进展
2019, 56(14): 140602
