[发明专利]一种基于独立向量分析和支持向量机的地质灾害次声信号分类识别方法及装置在审
申请号: | 201810696443.7 | 申请日: | 2018-06-29 |
公开(公告)号: | CN109033983A | 公开(公告)日: | 2018-12-18 |
发明(设计)人: | 李梅;邢开颜 | 申请(专利权)人: | 中国地质大学(北京) |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京冠和权律师事务所 11399 | 代理人: | 朱健;陈国军 |
地址: | 100083*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 支持向量机分类 信号处理模块 次声信号 预测模块 独立向量分析 分类准确率 支持向量机 地质灾害 分类结果 分类识别 模块连接 数据模块 独立分量分析 离散小波变换 | ||
本发明提供了一种基于独立向量分析和支持向量机的地质灾害次声信号分类识别方法及装置,其中包括:数据模块、信号处理模块、支持向量机分类模块、预测模块、分类结果模块;数据模块与信号处理模块连接,信号处理模块与支持向量机分类模块连接,支持向量机分类模块与预测模块连接、预测模块与分类结果模块连接。次声信号经过独立分量分析与离散小波变换后,分类准确率最高,且分类准确率提高显著。
技术领域
本发明涉及地质次声信号识别技术领域,特别涉及一种基于独立分量分析和支持向量机的次声信号分类识别方法。
背景技术
地质灾害具有突发性,一旦发生将产生重大的人员伤亡和财产损失,而成功预测地质灾害有很大的现实意义。研究表明,通过监测地质灾害产生的次声信号可以实现地质灾害预警,通过提高地质灾害预警的准确率,可为相关部门争取时间,保障人们的生命财产安全。但次声站采集到的次声数据中往往混杂着除地质灾害次声之外的多种次声信号,这对后续的地质灾害次声识别有很大影响,所以对次声站采集到的次声数据进行信号处理之后再分类识别是必要的。本发明首次将独立分量分析方法引入到次声信号的分类识别中,将独立分量分析与特征提取方法相结合,可显著提高最终的分类结果,具有很好的发展前景。
发明内容
本发明提供了一种基于独立分量分析和支持向量机的地质灾害次声信号分类识别方法及装置,其中包括:
数据模块(1)、信号处理模块(2)、支持向量机分类模块(3)、预测模块(4)、分类结果模块(5);
数据模块(1)与信号处理模块(2)连接,信号处理模块(2)与支持向量机分类模块(3)连接,支持向量机分类模块(3)与预测模块(4)连接、预测模块(4)与分类结果模块(5)连接。
优选地,其中所述信号处理模块(2)包括独立分量分析模块(21)和离散小波变换模块(22);所述支持向量机分类模块(3)包括训练模块(31)和测试模块(32);数据模块(1)与独立分量分析模块(21)连接,独立分量分析模块(21)与离散小波变换模块(22)连接,离散小波变换模块(22)分别与训练模块(31)、测试模块(32)连接,训练模块(31)与测试模块(32)连接,测试模块(32)与预测模块(4)连接、预测模块(4)与分类结果模块(5)连接。
优选地,数据模块(1)用于保存地质灾害事件的次声信号,其中所有次声信号经截断后信号长度一致;将截断后的次声信号经过独立分量分析模块(21)的处理,采用独立分量分析方法处理信号;
经过独立分量分析模块(21)的处理后的信号,通过离散小波变换模块(22)分解出信号的高频系数与低频系数提取该信号的特征向量;
将提取的特征向量按照特定比例分别输入到训练模块(31)和测试模块(32)。
优选地,将提取的特征向量按训练集:测试集=2:1的比例分别输入到训练模块(31)和测试模块(32);所述训练模块(31)用于对支持向量机分类模块(3)进行训练以获取最优参数,测试模块(32)用于测试支持向量机分类模块(3)的最终分类结果。
优选地,测试模块(32)的输出信号被输入到预测模块(4),所述预测模块(4)根据分类结果判断信号为何种地质灾害事件产生的。
优选地,根据分类结果模块(5)的分类准确率调整训练模块(31)和测试模块(32)的参数,优化预测结果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明实施例提供的一种地质灾害次声信号分类识别装置结构图;
图2为本发明实施例提供的信号训练、测试流程图;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(北京),未经中国地质大学(北京)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810696443.7/2.html,转载请声明来源钻瓜专利网。