基于PCA和KICA双空间特征提取的玉米碰撞声信号分类
【图文】：
止叭整留
离，最终确定玉米粒掉落的高度为40cm、钢板的倾斜角度为60°，碰撞板采用光滑不锈钢板，大小为24cm×12cm×0．05cm．为了能采集到单颗粒玉米的碰撞声，玉米先是由振动给料机处理，通过调整碰撞声角度并应用专业舒尔BG4．1麦克风采集碰撞声，由计算机接收，并将其转化为数字信号，以WAV格式保存在计算机中，图1实验装置Fig．1Experimentalapparatus便于以后进行分析和处理．此次试验采集的碰撞声信号采样频率为48kHz，共采集840个碰撞声信号．由以上实验装置采集到的完好粒声信号、虫蛀粒声信号、霉变粒声信号如图2所示．从3类信号的时域图中看出，这3类信号的幅值波动差别比较大，，也就是说信号在衰变过程中有较大的差别．直接将3类信号的幅值输入到分类器进行分类，维数可能比较高，直接用PCA进行特征提取的优点就是对数据进行降维，提高运算速度．在之前的研究中，有许多方法被用于提取碰撞声信号的非线性特征，但KICA很少被用到．2理论方法2．1PCA－KICA的处理方法PCA是通过线性变换的方式来提取主元变量，并且主元变量具有互不相关的特点，而KICA是利用高阶统计信息得到各个独立主元．KICA方法不能实现降维，而PCA可以实现数据降维．PCA是基于线性的分析方法，不适于解决非线性问题而KICA是非线性分析方法［12］．由以上分析可知PCA和KICA满足子空间的互补性．假设观测样本Y是一个d×N的矩阵，即y11…y1n鐤鐤yd1…ydn=Y．(1)通常假设Y是经过中心化后的样本数据．则PCA－KICA特征提取的步骤如下［13］:(1)标准化观测样本矩阵:s豗=QY，(2)其中Q是Y的样本方差矩阵平方根的逆．图2碰撞声信号Fig．2Impactacousticsignals46云南大学学报(自然科学版)http://ww
【作者单位】： 陕西师范大学计算机科学学院现代教学技术教育部重点实验室;
【基金】：国家自然科学基金(10974130) 陕西省科学研究发展计划(2016NY-176,2016NY-198)
【分类号】：TN912.3
【相似文献】
相关期刊论文 前10条
1 马少华,高峰,李敏,吴成东;神经网络分类器的特征提取和优选[J];基础自动化;2000年06期
2 管聪慧,宣国荣;多类问题中的特征提取[J];计算机工程;2002年01期
3 胡威;李建华;陈波;;入侵检测建模过程中特征提取最优化评估[J];计算机工程;2006年12期
4 朱玉莲;陈松灿;赵国安;;推广的矩阵模式特征提取方法及其在人脸识别中的应用[J];小型微型计算机系统;2007年04期
5 赵振勇;王保华;王力;崔磊;;人脸图像的特征提取[J];计算机技术与发展;2007年05期
6 冯海亮;王丽;李见为;;一种新的用于人脸识别的特征提取方法[J];计算机科学;2009年06期
7 朱笑荣;杨德运;;基于入侵检测的特征提取方法[J];计算机应用与软件;2010年06期
8 王菲;白洁;;一种基于非线性特征提取的被动声纳目标识别方法研究[J];软件导刊;2010年05期
9 陈伟;瞿晓;葛丁飞;;主观引导特征提取法在光谱识别中的应用[J];科技通报;2011年04期
10 王华,李介谷;人脸斜视图象的特征提取与恢复[J];上海交通大学学报;1997年01期
相关会议论文 前10条
1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年
3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
9 刘红;陈光
本文编号：2549263
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2549263.html
