中国工程论文网
代写工程论文
当前位置:工程论文网 > 通信工程论文 > 地灾次声通信工程信号特征提取与聚类研究

地灾次声通信工程信号特征提取与聚类研究

时间:2018-09-16 20:37来源:www.e-lunwen.com 作者:lgg 点击:
本文是一篇通信工程论文,信号处理是通信工程中一个重要环节,其包括过滤,编码和解码等。毕业后可从事无线通信、电视、大规模集成电路、智能仪器及应用电子技术领域的研究,
本文是一篇通信工程论文,信号处理是通信工程中一个重要环节,其包括过滤,编码和解码等。毕业后可从事无线通信、电视、大规模集成电路、智能仪器及应用电子技术领域的研究,设计和通信工程的研究、设计、技术引进和技术开发工作。(以上内容来自百度百科)今天为大家推荐一篇通信工程论文,供大家参考。
 
第一章 绪论
 
1.1 课题的研究背景及意义
地质灾害,也被简单地称为地灾,此类自然灾害形成的主要成因是地质的非正常变化。千百年来,地质灾害使人们的生命安全和财产安全得不到保障。就地震而言,以全球构造板块学说为依据,地壳由相对运动的六大板块组成,被相对活跃的区域,即活动带,区分,六大板块的相对运动情况时刻变化,很容易产生挤压碰撞,表现形式就是地震的发生。经科学家研究,全球总共有有三个地震活跃带,而中国居于环太平洋地震带和欧亚地震带之间,容易引起地震灾害的发生。从上个世纪起,震源位于我国的地震事件中,7 级以上地震共 108 起,而 7 级以上的地震就会造成巨大损失。2017 年,伊朗与伊拉克的交界山区爆发芮氏规模 7.3 级强震,使得不少于 413 人失去宝贵生命、超过 7000 人受到不同程度的伤害。火山喷发是指地球内部具有热能的物质在较短的时间内从火山口向地球表面释放的过程。地球上已有 2000 座有记录的死火山,有 523 座活火山还在间断喷发,即使是死火山也不排除实际是处于休眠期的活火山,仍然威胁着人们的生命和财产安全。火山多发地区共有 4 个区域,中国火山活动正处于发生火山喷发活动最多的环太平洋火山带边缘。据不完全统计,我国新生代以来有火山群 120个,火山千余座。火山爆发时,巨大的热量将喷出的气体携带着火山灰抛至高空,随风散布,严重影响附近气候,可困扰很大区域内的居民数月之久,严重时火山喷发形成的气流会严重影响航空交通,造成航空交通事故。2017 年 11 月 27 日,沉寂半个世纪的印度尼西亚的阿贡火山再度活跃,持续数十天向外喷射火山灰。经估计,火山灰大约飘至离地面 1 万米以上,对飞机运输安全产生重大影响,巴厘岛登巴萨伍拉莱国际机场自 27 日起连续 3 天直接歇业,取消航班多达百次,出行受到限制的游客有近 6 万名。
...........
 
1.2 国内外研究现状及存在问题
自然界和人类活动中普遍存在着次声波,不同事件产生的次声也有着不同的特征,虽然人耳无法感应到次声的存在,但人们能通过次声波引发的破坏现象和仪器记录情况间接感受到次声。次声传感器是记录次声仪器的核心部件,其中电容式次声波传感器,虽然价格昂贵,但设备体积小便于移动,对次声的灵敏度高,对次声的频率响应良好便于收集完整的次声信号,可与模数转换器直接连接的使得设备操作使用简单。因此,电容式次声波传感器被国内外许多次声波信号观测站所接受采用(许文杰,2013)。由于次声技术的日渐成熟,研究次声波在各种媒质中的形成、传播和收集及其特征和应用的次声学得以不断发展。对于将各种次声特征提取技术与数据挖掘相关技术应用于防灾减灾方面的研究,国内外学者都做了大量的工作,并在不断进步的过程中得到许多有巨大价值的成果。在国内,2009 年,章书成发表文章表示地震次声波是简谐正弦波,卓越频率大概是 2-3Hz,卓越频率与震级无关,地震次声波是一个确定性信号,与其他事件造成的次声波有着显然差别(章书成,2009),这是区分不同地灾种类的必要条件之一。张友龙在文章中也提到火山爆发的频率在 0.002Hz-20Hz,海啸发生时的频率为 0.5Hz-2Hz,在低频区域两者区别较大(周宪德,2004)。东华大学的许文杰等人把泥石流次声信号进行时频分析,比较了希尔伯特黄变换(Hilbert- Huang Transform,HHT)与快速傅里叶变换和 Wigner- Ville 分布在处理次声信号方面的优缺点,并指出 HHT 能够比较准确的得到次声信号的实际频率信息(许文杰,2013)。武安绪等在文章中将 HHT 应用于提取地震波形信号的时变非平稳特征,并指出 HHT 方法具有较好的客观性,内在性与自适应性,适合于对地震信号的描述与刻划(武安绪,2005)。张友龙在文章中将次声的 HHT应用于求取形成土石流的雨量门槛值,并指出次声的 HHT 从时间中分离出次声所具有的各个简正方式,对于掌握次声信号的传播规则和了解传播介质的物理特性都有重要意义(周宪德,2004)。
........
 
第二章 信号聚类
 
2.1 聚类
聚类是聚类分析的简称,通常指把数据对象集按照一定的规则算法分为多个子集的过程。每一个子集也常常被称为一个簇,聚类分析结果使一个簇内的数据对象间相似度最高,即簇内紧密性最大;不同簇间的数据对象间相似度最低,即簇间独立性最大。相似度是一个通用于多个领域的概念,在聚类算法中用于衡量数据对象间的相似程度,相似度越小,差异越大,反之亦然。理论扎实,体系完善的聚类分析不仅仅是数据挖掘中重要内容之一,也是统计学中重点研究方向(Han,2012)。与有监督的分类算法不同,作为无监督的聚类算法,通过洞察数据对象集的分布情况,观察每个簇的特征,发现数据对象内部未知的群组,即不需要人为操作的事例学习,自动发现数据对象中隐含的类。这为聚类算法的数据分割功能,也是聚类算法分析的特色优点功能。聚类还能够用于孤立数据检测,其中孤立数据即远离任何簇的数据对象,孤立数据既可能是需要除去的异常数据,如由于仪器损坏产生的误差较大的记录数据,也可以是需要重点注意的数据对象,如银行卡频繁大数额转账。聚类分析结果不仅能够探索出簇内的关系与簇间的差别,还能够为下一阶段的分析供参考依据,是其预处理功能,以便于在观察到的合适的簇和最佳属性或特征上进行有效操作。按照聚类算法种类进行划分,本次研究的聚类方法共四类,分别为基于划分的聚类算法中的 K-Means 算法,K-Medoids 算法这两种聚类算法,基于层次的聚类算法中的分裂型算法,基于密度的聚类算法中的具有噪声的基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN),基于模型的聚类算法中基于高斯混合模型(Gaussian Mixed Model,GMM)的聚类算法。
.........
 
2.2 信号聚类方法
将聚类算法灵活运用到数字信号处理过程被称为信号聚类方法。自然界中的幅值域内和时间域内连续变化的模拟信号不利于系统对信号的远距离传输和长时间存储,通过采样,量化,编码对模拟信号进行数字化处理,即模数转换,有利于信号的不失真地远距离传输,而且具有模数转换功能的仪器设备稳定性较强,集成度高,即便于仪器移动,也便于在信号处理时进行程控复用。数字信号聚类方法通常涵盖了四步,分别为数据获取,数据预处理,特征提取和算法识别,图 2-1 为其通用框架。然后是对信号进行预处理操作,比如,选取典型信号通道,去除异常,归一化处理。从各个实地监测点收集的原始信号通常都存在很多问题。同一信号会有多通道的采集,不同通道是采用不同的传感器采集的信号,需要了解各通道的采集信号内容并选择合适的通道。在实际情况中,各种突发事件发生,很可能出现信号异常或者不完整的情况,如果不提前识别或者去除此类信号,将大大降低信号聚类系统中信号特征提取与聚类算法非本质的可靠性和有效性。归一化是信号预处理的必要步骤。归一化将信号的幅值限制在-1 与 1 之间,即变量从有量纲变换到无量纲的标量中,消除量纲对无意义特征的影响,同时加快程序收敛,减少判定时间。接着是信号特征参数的选取。选取信号特征参数是整个方法流程中的核心部分。信号特征参数选择是为了是去除冗余信息,减少运行判断时间,增加模型判断准确率,建立特征识别简化模型。特征提取目前常用三个方法是经验选取、启发式搜索、随机生成法三种,准确的信号特征提取能够很大程度上明显区分聚类算法的优劣。提取信号的特征可以从时域,频域,时频域等的各种不同方法提取合适的,能用于识别不同信号的特征。本次研究中使用希尔伯特-黄变换以及小波变换求取相应的次声信号特征值。最后是通过匹配的算法,对提取的特征向量进行分析,识别出不同地灾信号的信号特征,从而分别出不同的声源。在本次研究中,算法识别步骤使用聚类算法,由于聚类算法的特点,对聚类结果的评估不仅仅是正确率,还需要比较聚类结果中簇内数据对象间的紧密型和簇间的独立性。
...........
 
第三章 特征提取....12
3.1 小波变换.............13
3.2 希尔伯特-黄变换..........17
3.2.1 经验模态分解....18
3.2.2 希尔伯特变换....21
3.3.3 边际谱.....23
3.3 本章小结.............25
第四章 聚类算法实现.......26
4.1 相似度量方法.....26
4.2 聚类效果评估.....27
4.3 基于划分聚类算法........30
4.3.1 K-均值聚类算法.......... 30
4.3.2 K-中心值算法....32
4.4 基于层次聚类算法........35
4.5 基于密度的聚类算法....38
4.6 基于模型的聚类算法....41
4.7 本章小结.............46
第五章 聚类结果对比与分析......47
5.1 地灾次声信号.....47
5.2 次声信号聚类系统........49
5.3 聚类结果分析.....55
5.4 本章小结.............58
 
第五章 聚类结果对比与分析
 
5.1 地灾次声信号
本次研究的次声信号为地震、海啸、火山三种地灾的次声信号。次声信号来自禁核试北京国家数据中心,禁核试北京国家数据中心的次声数据由全面禁止核试验条约组织完成实地次声站台的搭建和次声信号的收集与传输。全面禁止核试验条约的国际监测系统中的次声监测系统由 60 个次声阵台站组成,目前已建成 42 个。如图 5-1 所示,为全球次声站台的分布情况。大多数次声站台使用的微气压计式次声传感器,其响应范围达到 0.01Hz-40Hz 之间。次声监测系统的接收器接收到数据后,迅速将数据传输到当地的实时监控中心,初步处理后,由卫星传输到维也纳的国际数据中心。数据处理中心与国际数据中心共同提供次声信号的到达时间、周期、幅度、视速度、相关系数、定位、三维动态谱(周铭,2014)。全面禁止核试验条约组织中的全球次声监测系统致力于收集各方位显著的次声信号从而监测核爆炸事件。收集到的地灾次声信号也可用于地灾预警中。用于本次研究的地灾次声信号可首先在全球次声监测系统中的已建好的四十多个次声站台,寻找离地灾发生地理位置最近的次声站台,然后提取该站台的次声数据。通过地灾事件发生的世界标准时间,即 UTC 时间,在无事件标注的次声信号中定位地灾发生时刻前后的次声信号,收集整理并分类这三种地灾次声信号,形成本次研究中使用的地灾次声信号源,其中地震、海啸、火山次声信号源中一个典型波形图样本如图 5-2 所示。从图 5-2 的时间-幅值波形图上看,地震次声的幅值在三种地灾次声中最高,幅值变化也较为密集,火山、海啸的次声信号在幅度与频率有着较大变化前也有着十分明显的波形变化。
.........
 
结论
 
从研究范围出发,本次研究的主要内容属于信号处理和数据挖掘领域。将次声信号通过数字信号处理方法形成可分析的特征值,然后使用数据挖掘中重要的聚类算法进行分析特征,从而间接分析次声信号。本次研究的主要工作是在参考前人在数字信号特征提取以及在数据挖掘算法分析的研究成果的基础上,尝试提出新的信号处理提取特征,并将聚类算法应用于区分不同种类的自然地质灾害,并提高地质灾害监测的精确度。在论文中,首先论述了聚类算法广泛应用于包括信号处理在内的多个领域以及相较于其他数据挖掘算法,聚类算法的优势以及四类聚类算法各自的独特优点与需要改进的缺点。接着梳理了数字信号处理方法中小波分析与希尔伯特-黄变换分析,并整理了包括基于划分的聚类算法,基于层次的聚类算法,基于密度的聚类算法以及基于模型的聚类算法在内的四类聚类算法中具有代表性的算法以及算法参数和算法评估指标。最后将聚类算法应用于区分包括地震、海啸、火山在内的不同地灾次声信号的特征中,并得到良好结果。本次研究的工作内容可归纳为 4 点,分别为:
(1)文献整理。文献的整理研究是发现论文主题的先行步骤。首先收集与次声信号处理,聚类算法分析相关文献,包括博士论文,重大会议论文,重点期刊论文等,然后总结相关领域的国内外最新研究进展,并整理出数字信号处理方法和聚类算法的优点与缺陷。最后结合自身的专业优势,分析能力特点,总结出次声信号聚类模型。
(2)确定提取的次声信号特征向量。在数据挖掘算法中,数据特征是决定最后正确率的关键,为了更高的正确率需要区分度大的数据特征。在数字信号处理中,时频域最能体现信号的细节特性,从时频域提取的数据特征更加具有种类代表性。在本文重点讲述了时频分析中最前沿的小波分析和希尔伯特-黄变换,并提取小波包的能量谱和 IMF 分量的边际谱的显著频率作为地灾次声信号的两大类特征向量。
(3)聚类算法研究。聚类算法是数据挖掘中的无监督算法,除了提高区分不同地灾次声信号系统的正确率,也应得到内部信息参数优良的簇。本文中共研究 5 种聚类算法,分别为 K-Means,K-Medoids,AGNES,DBSCAN,基于 GMM的聚类算法。
(4)具体实施实验。在确定提取的特征和聚类算法后,与禁核试国家数据中心合作,获得地震、海啸、火山,三类事件的次声数据。将这三种信号进行特征提取,获得特征向量集,然后进行聚类算法识别,比较各种聚类算法区分不同地灾信号的正确率,运行时间以及 CHI 值,得到优良的次声事件聚类模型。
..........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容