[发明专利]一种基于振动信号的地形分类方法

权利要求书

1.一种基于振动信号的地形分类方法，其特征在于：包括离线训练、在线分类、在线修正三个部分，其中：

1、离线训练部分

1.1控制移动机器人在希望被识别的地形上收集振动时间序列，以每N个点为1个振动帧，将该振动时间序列转换为振动帧集合；

1.2对1.1获取的振动帧集合中的振动帧进行快速傅里叶变换，变换结果即为每个振动帧的特征，一个特征向量表示一个样本；然后进行归一化处理，进而得到训练样本集合；

1.3对1.2获取的训练样本集合进行标记，为每个样本标记其对应的地形，得到训练样例集合；

1.4基于1.3获取训练样例集合训练分类器，得到训练好的分类器

2、在线预测部分

2.1获取时间t的振动帧，转换得到样本s_t，利用分类器进行预测，得到地形预测结果

2.2基于2.1获取的地形预测结果y_t进行贝叶斯滤波，计算先验概率密度和后验概率密度如下所示：

其中，x_t表示时间t的真实地形，可以取{1,2,…,λ}共λ种地形，Y_t＝{y₁,y₂,…,y_t}表示从时间1到t的所有地形预测结果，为地形转移概率密度，为分类混淆概率密度，其中，一般可设定

2.3基于2.2获取的后验概率密度可以得到y_t的滤波值如下所示：

3、在线校正部分

3.1基于2.2获取的后验概率密度计算先验概率密度和后验概率密度如下所示：

其中，k<t；

3.2基于3.1获取的后验概率密度可以得到y_k的平滑值如下所示：

并存储得到平滑值序列其中，τ>0为延迟系数；

3.3基于3.2获取的平滑值序列提取被错误分类的样本，用相应的平滑值进行标记，得到在线训练样例，然后利用这些样例对分类器进行增量训练，实现了分类器的校正；同时，对进行统计得到混淆矩阵，用来调整进而隐式地实现了贝叶斯滤波器的校正。

2.如权利要求1所述的一种基于振动信号的地形分类方法，其特征在于，所述的步骤1.4、2.1、3.3所述的分类器为能够进行增量学习的分类器。

3.如权利要求2所述的一种基于振动信号的地形分类方法，其特征在于，所述的分类器为决策树、神经网络、支持向量机。