信號(hào)多維特征向量的評(píng)價(jià)模型

李敬德

摘 要：采用特征值標(biāo)準(zhǔn)差和歐氏距離分布熵方法，構(gòu)造信號(hào)多維特征向量評(píng)價(jià)模型，探討信號(hào)特征向量穩(wěn)定性和可分性的評(píng)價(jià)標(biāo)準(zhǔn).仿真實(shí)驗(yàn)結(jié)果表明，多維特征向量在穩(wěn)定性和可分性指標(biāo)上達(dá)到0192 3和0.287 4，相比一維特征向量有較大的優(yōu)勢(shì)，可以作為應(yīng)力波信號(hào)特征向量的評(píng)價(jià)方法，能夠?yàn)楹罄m(xù)智能檢測(cè)選取出性能較好的特征向量.

關(guān)鍵詞：特征向量；評(píng)價(jià)；穩(wěn)定性；可分性

[中圖分類號(hào)]TP183 [文獻(xiàn)標(biāo)志碼]A

Abstract：Using the feature standard deviation and Euclidean distance distribution entropy methods， construct a signal multidimensional eigenvector evaluation model to explore the evaluation standard of signal feature stability and separability. Simulation results show that the multi-dimensional feature vectors reach 0.1923 and 0.2874 in terms of stability and separability， compared with the one-dimensional feature vector， the multi-dimensional feature vector has a great advantage， so the evaluation methods can be used as a stress wave signal feature vector evaluation methods for subsequent intelligent detection selects better feature vectors.

Key words：feature vector； evaluation； stability； separability

基于遺傳算法和人工神經(jīng)網(wǎng)絡(luò)算法的應(yīng)力波信號(hào)奇異點(diǎn)檢測(cè)是目前結(jié)構(gòu)體損傷或缺陷檢測(cè)的最主要方法.[1-4]結(jié)構(gòu)體的損傷或者缺陷在應(yīng)力波信號(hào)上的反映表現(xiàn)為奇異點(diǎn)，奇異點(diǎn)在信號(hào)時(shí)域上的位置對(duì)應(yīng)損傷或者缺陷在一維構(gòu)件上的真實(shí)位置.應(yīng)力波信號(hào)特征量在復(fù)雜環(huán)境下的性能直接影響結(jié)構(gòu)體應(yīng)力波損傷探測(cè)，所以對(duì)信號(hào)特征量的性能評(píng)價(jià)具有重要的意義.本文提出采用特征值標(biāo)準(zhǔn)差方法和歐氏距離分布熵方法，構(gòu)造信號(hào)多維特征向量的評(píng)價(jià)模型，在信號(hào)特征向量的穩(wěn)定性和可分性上對(duì)特征向量做評(píng)價(jià).

1 應(yīng)力波信號(hào)的特征向量

能夠表征信號(hào)特征的特征量有信息熵、能量和方差，三種特征量可以組成信號(hào)的多維特征向量.

信號(hào)多維特征向量由信息熵特征向量、能量特征向量和方差特征向量組成，每一列三個(gè)特征量都對(duì)應(yīng)信號(hào)的同一處位置，反映該位置處的信號(hào)信息，若該處恰好存在奇異點(diǎn)，則反映該處奇異點(diǎn)的信息.

2 信號(hào)特征向量的評(píng)價(jià)方法

信號(hào)特征向量的性能優(yōu)劣決定了信號(hào)奇異點(diǎn)的分辨率和精度，本文引入特征值標(biāo)準(zhǔn)差和歐氏距離分布熵方法，構(gòu)造信號(hào)特征向量的多維評(píng)價(jià)模型.

2.1 穩(wěn)定性分析

應(yīng)力波信號(hào)有很強(qiáng)的隨機(jī)性，隨著干擾因素的強(qiáng)弱而發(fā)生波動(dòng)，從而引起特征值出現(xiàn)較大的變化.同一應(yīng)力波信號(hào)在不同因素影響下，信號(hào)波形會(huì)表現(xiàn)出很大的不穩(wěn)定性，進(jìn)而降低信號(hào)的特征量分辨率，對(duì)后期的應(yīng)力波無損檢測(cè)技術(shù)產(chǎn)生難以估計(jì)的影響.所以，特征向量在不同的干擾因素下的穩(wěn)定性至關(guān)重要.

4 結(jié)束語(yǔ)

對(duì)信號(hào)特征向量的評(píng)價(jià)是智能檢測(cè)的前一步，評(píng)價(jià)結(jié)果較好的特征向量可以提高后續(xù)智能檢測(cè)的分辨率和精度，具有現(xiàn)實(shí)意義.本文從穩(wěn)定性和可分性二方面入手，構(gòu)建了應(yīng)力波信號(hào)特征向量的評(píng)價(jià)模型，描述了各個(gè)評(píng)價(jià)方法的功能和實(shí)現(xiàn).仿真實(shí)驗(yàn)結(jié)果表明，多維特征向量在穩(wěn)定性和可分性指標(biāo)上達(dá)到0.192 3和0.287 4，相比一維特征向量均有較大的優(yōu)勢(shì)，可以作為應(yīng)力波信號(hào)特征向量的評(píng)價(jià)方法，能夠?yàn)楹罄m(xù)的智能檢測(cè)選取出性能較好的特征向量.

參考文獻(xiàn)

[1]H. Hein*，L. Feklistova.Computationally efficient delamination detection in composite beams using Haar wavelets[J]. Mechanical Systems and Signal Processing， 2011， 25：2257-2270.

[2]Hakan Gokdag， Osman Kopmaz. A new damage detection approach for beam-type structures based on the combination of continuous and discrete wavelet transforms[J]. Journal of Sound and Vibration ，2009， 324：1158-1180.

[3]于成龍，趙寶江.基于BP神經(jīng)網(wǎng)絡(luò)的C波段無線電信號(hào)分類識(shí)別[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2015（2）：21-22.

[4]金玉蘋，李春雨.一種改進(jìn)的遺傳算法在智能組卷上的應(yīng)用[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2017（2）：38-40.

[5]張超，陳建軍.基于LMD近似熵和支持向量機(jī)的軸承故障診斷[J].機(jī)械科學(xué)與技術(shù)，2012，31（9）：1539-1542.

[6]Lin TH， Dudder A， Schott M. Signal characteristics of a resistive-strip micromegas detector with an integrated two-dimensional readout [J].

Nuclear Instruments & Methods in Physics Research Section a-Accelerators Spectrometers Detectors and Assoclated Equipement

NUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH SECTION A-ACCELERATORS SPECTROMETERS DETECTORS AND ASSOCIATED EQUIPMENT，2014， 767：281-288

[7]段美軍. 雷達(dá)輻射源信號(hào)特征評(píng)價(jià)研究 [D].北京：中國(guó)科學(xué)院大學(xué)，2003.

[8]Solomom Kullback. Information Theory and Statistics [M]. New York： Iohn Wily & Sons Inc， 1959.6-7.

[9]鮑明，管魯陽(yáng)，李曉東，等.基于歐氏距離分布熵的特征優(yōu)化研究[J].電子學(xué)報(bào)，2007， 35（3）： 469-473.

編輯：琳莉