学位论文 > 优秀研究生学位论文题录展示
基于支持向量机的小麦碰撞声分类研究
作 者: 张严严
导 师: 郭敏
学 校: 陕西师范大学
专 业: 计算机应用技术
关键词: 碰撞声 支持向量机 双谱 小波包 EEMD
分类号: TN912.3
类 型: 硕士论文
年 份: 2013年
下 载: 28次
引 用: 0次
阅 读: 论文下载
内容摘要
粮食是人类生活所必须的物质基础,能直接影响人类的生存和发展。粮食收获后,在储藏期间,很容易出现虫害、鼠害以及颗粒本身发霉变质等问题,致使其质量下降,变质粮食还会对人类的健康造成危害,因此寻找有效合适的检测和防治方法显得非常重要。近几年,具有轻便、简单、快捷、廉价等优势的声音信号检测技术逐渐成为这方面的研究热点。在声检测领域,碰撞声技术因其方便、无损等优点得到了广泛应用,国内外学者对碰撞声技术进行了一系列研究,该方法逐渐被应用到虫害检测以及粮食颗粒的分拣等领域。本文以小麦完好粒、虫蛀粒和霉变粒3类不同麦粒碰撞钢板的声信号为研究对象,提出基于支持向量机的模式识别方法,对其进行分类识别。提出了采用双谱、小波包以及EEMD的信号分析方法分别对小麦碰撞声信号进行处理,提取3类小麦颗粒碰撞钢板声信号的有效特征,在支持向量机中对声信号进行分类识别,得到了较高的识别率。本文方法为麦粒以及粮食的检测分拣提供了新的研究方法和依据。本文的研究内容主要包括以下几个方面:(1)介绍论文的研究背景和意义,并对碰撞声检测技术的发展现状进行了相关介绍。(2)对支持向量机进行了介绍,从支持向量机的基础理论、原理、分类以及应用等方面进行了具体阐述。(3)采用双谱法和支持向量机结合的方法对小麦碰撞钢板声进行分类研究。首先对双谱方法进行介绍,然后采取直接估计法对信号进行分析,根据信号在双谱分析中的差别,提取信号双谱峰值和对角切片谱两部分特征,再用支持向量机分类器进行分类,小麦完好粒、虫蛀粒、霉变粒3类声音信号的正确识别率均达到84%以上,且虫蛀粒的正确率高达94%。这表明,小麦碰撞声双谱特征明显,支持向量机分类效果良好,尤其对虫蛀粒识别效果最好。(4)采用小波包和支持向量机结合的方法对小麦碰撞声进行分类研究。首先介绍小波包的原理,阐明小波包的分解重构等理论,然后选择最优小波包基函数对碰撞声信号进行分解,小麦完好粒、虫蛀粒、霉变粒3类碰撞声分解后各节点存在很大差异,提取分解后的小波包节点系数能量、奇异值、节点包络信号的谱熵和谱熵臂作为特征向量,在SVM中得到了很好分类。实验结果表明:该方法对麦粒的识别是有效的,同时为小麦颗粒的品级识别和分拣研究提供了一种新途径。(5)采用EEMD和支持向量机结合的方法对小麦碰撞声进行分类研究。首先对EEMD方法的分解原理以及发展应用进行了相关介绍,然后确定EEMD的参数值,经EEMD分解后,发现信号在不同频率范围内存在一定差异,信号波形在不同频域不同,碰撞声信号信息主要集中在高频部分,计算高频部分IMF分量的能量、峭度以及Renyi熵值作为表征特征的向量,最后在支持向量机中进行识别,得到了较高的识别效果,为小麦颗粒的分类研究提供了新的方法和依据。
|
全文目录
摘要 3-5 Abstract 5-10 第1章 绪论 10-14 1.1. 研究背景与意义 10-11 1.2. 碰撞声检测方法的研究现状 11-12 1.3. 论文研究的内容及结构 12-14 第2章 支持向量机 14-26 2.1 支持向量机基础理论 14-17 2.1.1 VC维理论 14-15 2.1.2 推广性的界 15-16 2.1.3 结构风险最小化原则 16-17 2.2 支持向量机原理 17-22 2.2.1 支持向量机的定义 17-18 2.2.2 线性可分和线性不可分 18-20 2.2.3 支持向量机核函数 20-22 2.3 支持向量机的分类 22-23 2.4 支持向量机的应用 23-26 第3章 基于双谱和SVM的小麦碰撞声分类识别 26-42 3.1 相关理论 26-29 3.1.1 随机变量的特征函数 26-27 3.1.2 高阶矩和高阶谱累积量 27 3.1.3 高阶谱及双谱定义 27-28 3.1.4 双谱性质 28-29 3.2 实验数据以及实验流程 29-30 3.3 小麦碰撞声的双谱分析和特征提取 30-35 3.3.1 双谱估计 30-31 3.3.2 直接双谱估计 31-35 3.4 碰撞声信号特征提取 35-38 3.4.1 双谱峰值特征 35-36 3.4.2 对角切片特征 36-38 3.5 基于双谱和SVM的小麦碰撞声分类 38-40 3.5.1 SVM核函数的选择与确定 38-39 3.5.2 实验结果与分析 39-40 3.6 本章小结 40-42 第4章 基于小波包和SVM的小麦碰撞声识别研究 42-54 4.1 相关理论 42-46 4.1.1 小波理论 42-44 4.1.2 小波包定义 44-45 4.1.3 小波包分解与重构 45 4.1.4 小波包分解树 45-46 4.1.5 子空间频带及频带顺序 46 4.2 小麦碰撞声的小波包分解 46-47 4.2.1 小波包基函数的选择 46-47 4.2.2 小麦碰撞声信号的小波包分解 47 4.3 小麦碰撞声特征提取 47-51 4.3.1 小波包节点能量 48 4.3.2 小波包节点奇异值 48-49 4.3.3 小波包节点包络信号谱熵和谱熵臂 49-51 4.4 基于小波包和SVM的小麦碰撞声分类 51-52 4.4.1 SVM函数和分类流程 51 4.4.2 实验结果与分析 51-52 4.5 本章小结 52-54 第5章 基于EEMD和SVM的小麦碰撞声分类研究 54-68 5.1 相关理论 54-58 5.1.1 EMD介绍 54-56 5.1.2 EEMD的分解原理 56-57 5.1.3 EEMD的发展及应用 57-58 5.2 小麦碰撞声的EEMD分解及参数设置 58-59 5.2.1 小麦碰撞声的EEMD分解 58-59 5.2.2 EEMD分解时参数设置 59 5.3 碰撞声信号特征提取 59-65 5.3.1 IMF分量能量 61-62 5.3.2 IMF分量峭度 62-63 5.3.3 Renyi熵 63-65 5.4 基于EEMD和SVM的小麦碰撞声分类 65-66 5.4.1 SVM核函数的选择与确定 65-66 5.4.2 实验结果与分析 66 5.5 本章小结 66-68 第6章 总结与展望 68-70 6.1 研究内容总结 68 6.2 未来展望 68-70 参考文献 70-76 致谢 76-78 攻读学位期间研究成果 78
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 多载波CDMA的信道编码与信道估计技术的研究,TN929.533
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 感觉刺激诱发脑电特征研究,R318.0
- 基于MRI灌注的计算机辅助肝脏病变检测,R445.2
- 类双曲壳的构建及应用,O185.1
- 人类抗原肽载体结合力预测,R392.1
- 基于提升格式小波包变换和神经网络机翼盒段多损伤检测研究,V224
- 基于混沌支持向量机的采动地表变形分析及预计模型研究,TD325
- 基于完全二叉树SVM烧结工况多类识别的研究与实现,TP391.41
- 基于SVM和PSO的烧结工况预报方法的研究与实现,TF821
- 面向智能交通的视频车辆检测、跟踪和识别算法研究,TP391.41
- L04028A-044扬声器信号自动识别系统研究,TN911.23
- 鉴别性流形学习在人脸识别中的研究应用,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 外骨骼系统中控制信号的分析与处理,TN911.7
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 电声技术和语音信号处理 > 语音信号处理
© 2012 www.xueweilunwen.com
|