高压水射流靶物材质的识别与分类研究
发布时间：2021-06-25 11:15
高压水射流技术是近年来发展迅速的一项新技术,已广泛应用于各行各业。当使用高压水射流对地雷进行切割操作时,具有许多优点。如果在切割地雷之前,同时可以利用高压水射流探测地雷,实现探雷与排雷一体化作业,这将具有很好的应用价值。目前国内外对该项技术的研究分析基本空白,本文提出的将高压水射流技术应用到探测地雷上的研究是一项原创性研究,要利用高压水射流来实现探测地雷的功能,首先必须对靶物材质的识别与分类进行研究,而其中关键技术之一是对高压水射流探测过程中产生的靶物反射声信号的识别与分类研究。针对利用靶物反射声进行探测地雷中涉及的声音信号预处理、特征值提取以及识别分类器设计等方面,本文开展了以下几方面研究工作：首先分析了靶物反射声存在的背景噪声,在靶物反射声信号非平稳性等特点的基础上,提出了一种自适应的EMD阈值降噪的靶物反射声信号预处理方法；分析了目前关于声音信号的特征值提取方法和识别分类器设计方法的国内外研究现状,阐述了小波包短时能量特征参数和Mel频率倒谱特征参数的靶物反射声信号特征值提取的基本原理,分析了SVM与LS-SVM应用于本文中的靶物材质识别分类的特点,并详细说明了应用LS-SVM所...
【文章来源】：安徽理工大学安徽省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
引言
1 绪论
1.1 课题来源
1.2 课题背景及意义
1.3 相关的国内外研究现状
1.4 论文的主要工作及内容安排
1.5 本章小结
2 靶物反射声信号的预处理
2.1 EMD基本原理
2.1.1 瞬时频率
2.1.2 本征模态函数
2.1.3 EMD基本原理
2.2 基于EMD的靶物反射声信号降噪预处理
2.3 本章小结
3 高压水射流朝物反射声信号的特征提取
3.1 Mel频率倒谱特征参数
3.2 小波包短时能量特征参数
3.2.1 连续小波变换
3.2.2 离散小波变换
3.2.3 小波包变换
3.2.4 小波包短时能量特征参数
3.3 本章小结
4 靶物材质识别系统
4.1 靶物反射声识别概述
4.1.1 靶物反射声识别原理
4.1.2 靶物反射声识别的基本方法
4.2 统计学习理论
4.2.1 机器学习的基本问题
4.2.2 经验风险最小化
4.2.3 学习过程的一致性与VC维
4.2.4 推广性的界
4.2.5 结构风险最小化
4.3 支持向量机
4.3.1 构建线性可分最优超平面
4.3.2 构建线性不可分最优超平面
4.4 基于LS-SVM的靶物材质分类器设计
4.4.1 LS-SVM基本原理
4.4.2 LS-SVM多类分类器设计
4.4.3 核函数选择与参数优化
4.4.4 LS-SVM与SVM比较
4.5 本章小结
5 数据处理与结果分析
5.1 试验装置与试验方案设计
5.1.1 试验装置设计
5.1.2 试验方案设计一
5.1.3 试验方案设计二
5.2 靶物反射声特征提取与识别结果分析
5.2.1 基于小波包短时能量特征提取的靶物材质识别
5.2.2 基于MFCC特征提取的靶物反射声识别
5.3 靶物反射声识别结果分析
5.4 本章小结
结论与展望
参考文献
附录A 特征提取程序
附录B LS-SVM参数寻优程序
附录C LS-SVM识别分类器设计程序
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]一种新的最小二乘支持向量机算法[J]. 张猛,付丽华,张维. 计算机工程与应用. 2007(11)
[2]高速冲击射流中的涡结构和冲击单音[J]. 姚朝晖,郝鹏飞,何枫,许宏庆. 实验流体力学. 2005(04)
[3]磨料水射流技术在弹药除锈中的应用[J]. 高岩,赵晓利. 四川兵工学报. 2005(04)
[4]基于ν-SVR算法的边坡稳定性预测[J]. 余志雄,周创兵,李俊平,史超. 岩石力学与工程学报. 2005(14)
[5]凹凸板冲击射流噪声特性的实验研究[J]. 葛其明,姚朝晖,崔雨,何枫. 清华大学学报(自然科学版). 2005(05)
[6]基于支持向量机的仓储害虫声音识别[J]. 唐发明,陈绵云,王仲东. 华中科技大学学报(自然科学版). 2005(02)
[7]支持向量机和最小二乘支持向量机的比较及应用研究[J]. 阎威武,邵惠鹤. 控制与决策. 2003(03)
[8]炸药模拟件水射流切割参数的试验研究[J]. 张国文,陈新发. 含能材料. 2001(01)
[9]利用声测报技术检测农产品害虫的新方法[J]. 郭敏,尚志远. 陕西师范大学学报(自然科学版). 2001(01)
博士论文
[1]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
[2]基于支持向量机的蛋白质结构域预测方法研究[D]. 邹淑雪.吉林大学 2009
[3]基于LS-SVM的气液两相流参数测量研究[D]. 彭珍瑞.浙江大学 2007
[4]基于GMM和SVM的文本无关的说话人确认方法研究[D]. 刘明辉.中国科学技术大学 2007
硕士论文
[1]支持向量机在电缆故障分类中的应用[D]. 李新燕.西安科技大学 2010
[2]语音信号基音周期检测算法研究[D]. 刘维巍.哈尔滨工程大学 2010
[3]基于切削声音信号的刀具状态识别研究[D]. 谢政.上海交通大学 2008
[4]直升机声音信号的识别[D]. 魏东东.郑州大学 2001
本文编号：3249111
【文章来源】：安徽理工大学安徽省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
引言
1 绪论
1.1 课题来源
1.2 课题背景及意义
1.3 相关的国内外研究现状
1.4 论文的主要工作及内容安排
1.5 本章小结
2 靶物反射声信号的预处理
2.1 EMD基本原理
2.1.1 瞬时频率
2.1.2 本征模态函数
2.1.3 EMD基本原理
2.2 基于EMD的靶物反射声信号降噪预处理
2.3 本章小结
3 高压水射流朝物反射声信号的特征提取
3.1 Mel频率倒谱特征参数
3.2 小波包短时能量特征参数
3.2.1 连续小波变换
3.2.2 离散小波变换
3.2.3 小波包变换
3.2.4 小波包短时能量特征参数
3.3 本章小结
4 靶物材质识别系统
4.1 靶物反射声识别概述
4.1.1 靶物反射声识别原理
4.1.2 靶物反射声识别的基本方法
4.2 统计学习理论
4.2.1 机器学习的基本问题
4.2.2 经验风险最小化
4.2.3 学习过程的一致性与VC维
4.2.4 推广性的界
4.2.5 结构风险最小化
4.3 支持向量机
4.3.1 构建线性可分最优超平面
4.3.2 构建线性不可分最优超平面
4.4 基于LS-SVM的靶物材质分类器设计
4.4.1 LS-SVM基本原理
4.4.2 LS-SVM多类分类器设计
4.4.3 核函数选择与参数优化
4.4.4 LS-SVM与SVM比较
4.5 本章小结
5 数据处理与结果分析
5.1 试验装置与试验方案设计
5.1.1 试验装置设计
5.1.2 试验方案设计一
5.1.3 试验方案设计二
5.2 靶物反射声特征提取与识别结果分析
5.2.1 基于小波包短时能量特征提取的靶物材质识别
5.2.2 基于MFCC特征提取的靶物反射声识别
5.3 靶物反射声识别结果分析
5.4 本章小结
结论与展望
参考文献
附录A 特征提取程序
附录B LS-SVM参数寻优程序
附录C LS-SVM识别分类器设计程序
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]一种新的最小二乘支持向量机算法[J]. 张猛,付丽华,张维. 计算机工程与应用. 2007(11)
[2]高速冲击射流中的涡结构和冲击单音[J]. 姚朝晖,郝鹏飞,何枫,许宏庆. 实验流体力学. 2005(04)
[3]磨料水射流技术在弹药除锈中的应用[J]. 高岩,赵晓利. 四川兵工学报. 2005(04)
[4]基于ν-SVR算法的边坡稳定性预测[J]. 余志雄,周创兵,李俊平,史超. 岩石力学与工程学报. 2005(14)
[5]凹凸板冲击射流噪声特性的实验研究[J]. 葛其明,姚朝晖,崔雨,何枫. 清华大学学报(自然科学版). 2005(05)
[6]基于支持向量机的仓储害虫声音识别[J]. 唐发明,陈绵云,王仲东. 华中科技大学学报(自然科学版). 2005(02)
[7]支持向量机和最小二乘支持向量机的比较及应用研究[J]. 阎威武,邵惠鹤. 控制与决策. 2003(03)
[8]炸药模拟件水射流切割参数的试验研究[J]. 张国文,陈新发. 含能材料. 2001(01)
[9]利用声测报技术检测农产品害虫的新方法[J]. 郭敏,尚志远. 陕西师范大学学报(自然科学版). 2001(01)
博士论文
[1]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
[2]基于支持向量机的蛋白质结构域预测方法研究[D]. 邹淑雪.吉林大学 2009
[3]基于LS-SVM的气液两相流参数测量研究[D]. 彭珍瑞.浙江大学 2007
[4]基于GMM和SVM的文本无关的说话人确认方法研究[D]. 刘明辉.中国科学技术大学 2007
硕士论文
[1]支持向量机在电缆故障分类中的应用[D]. 李新燕.西安科技大学 2010
[2]语音信号基音周期检测算法研究[D]. 刘维巍.哈尔滨工程大学 2010
[3]基于切削声音信号的刀具状态识别研究[D]. 谢政.上海交通大学 2008
[4]直升机声音信号的识别[D]. 魏东东.郑州大学 2001
本文编号：3249111
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3249111.html
