学位论文 > 优秀研究生学位论文题录展示

基于回波包络特征的超声波入侵探测方法研究

作　者: 李侠
导　师: 叶哲江
学　校: 昆明理工大学
专　业: 通信与信息系统
关键词: 入侵探测超声波回波包络 k-近邻 RBF神经网络
分类号: TP274.53
类　型: 硕士论文
年　份: 2010年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的发展,ATM自动柜员机已经遍布大街小巷,给人们的生活带来了极大的便利。同时由于常用的ATM机裸露在外,给操作人员带来很多安全隐患,安全防护舱的设计较好的解决了这一问题,极大地保护了操作人员的安全。目前市场上销售的安全防护舱基本上是采用红外探测器来检测舱内是否有人,在实际应用中发现,红外探测器容易受到外界因素的影响(如阳光、温度、舱内人站立的位置等)而产生误报漏报等现象,因此本文利用超声波不易受外界环境干扰的特性来提高探测器的性能。现有的超声波探测器基本上是通过探测移动物体产生的多普勒频移来判断是否有入侵,不适合本文的应用领域。为此,本文提出一种基于回波包络特征的入侵识别方法,并且该方法能够对于入侵者静止或移动都能够做出有效识别。本文以ATM自动柜员机的安全防护舱的入侵探测为研究对象,从超声回波信号的特征提取及回波识别两个方面展开了研究和实验验证。首先,在特征的选择上,本文选用包络信号作为回波的初始特征。通过对大量回波信号的观察和分析,进一步提取了包络信号的两种特征量——幅值特征和小波变换系数——作为回波信号的最终特征向量,并用类别可分离性判据来验证该特征量对分类的有效性。其次,在识别方法上,本文选用模式识别中常用的k-近邻法和RBF神经网络法。在对RBF神经网络法进行深入研究的基础上,针对常用RBF神经网络训练方法的不足,提出了一种改进的RBF神经网络训练方法,并在Matlab环境下实现了改进后的RBF训练算法。通过仿真分析表明,改进后的训练算法具有训练速度快、网络结构简单、识别速度快等优点。最后,对在实际环境下采集到的回波信号进行预处理及提取回波特征后,采用k-近邻算法和改进后的RBF神经网络法对提取的特征进行仿真实验。实验结果表明,采用改进后的RBF神经网络能够对实际采集的信号做出有效的识别,识别率达到了99%以上。

全文目录

摘要  3-4
ABSTRACT  4-6
目录  6-9
第一章绪论  9-19
  1.1 引言  9
  1.2 研究背景及意义  9-14
    1.2.1 入侵探测简介  9-10
    1.2.2 常用入侵探测器分析  10-13
    1.2.3 超声波入侵探测器的研究意义  13-14
      1.2.3.1 超声波的特性  13-14
      1.2.3.2 研究意义  14
  1.3 国内外研究现状  14-16
  1.4 本文的主要内容及章节安排  16-17
  1.5 本章小结  17-19
第二章包络特征提取方法研究  19-35
  2.1 回波包络  19-23
    2.1.1 理论依据  19-20
    2.1.2 包络提取方法  20-21
    2.1.3 仿真结果  21-23
  2.2 常用回波信号特征  23-24
  2.3 本文中使用的特征  24-32
    2.3.1 幅值特征  24-27
      2.3.1.1 时域加窗  24-25
      2.3.1.2 本文幅值特征提取方法  25-27
    2.3.2 离散小波变换  27-32
      2.3.2.1 离散小波变换与多分辨率分析  27-31
      2.3.2.2 包络信号的离散小波变换  31-32
  2.4 类别可分离性判据  32-34
  2.5 本章小结  34-35
第三章模式识别法用于超声回波信号识别  35-49
  3.1 近邻法  35-37
    3.1.1 最近邻法  35-36
    3.1.2 k-近邻法  36-37
  3.2 神经网络  37-40
    3.2.1 神经元模型  37-39
    3.2.2 神经网络的分类  39
    3.2.3 神经网络的学习方式  39-40
  3.3 RBF神经网络  40-43
    3.3.1 RBF神经网络结构  40-41
    3.3.2 RBF神经网络学习方式  41-43
  3.4 改进的RBF神经网络学习方式  43-47
    3.4.1 RBF神经网络学习的改进方法  43-45
    3.4.2 网络的实现及性能测试  45-47
  3.5 本章小结  47-49
第四章实验结果及分析  49-61
  4.1 信号采集及预处理  49-51
    4.1.1 试验环境描述  49-50
    4.1.2 信号采集及预处理  50-51
  4.2 K-近邻法在超声入侵探测中的应用  51-55
    4.2.1 试验方法及步骤  51-53
    4.2.2 识别结果及分析  53-55
  4.3 RBF神经网络在超声入侵探测中的应用  55-58
    4.3.1 网络结构及参数设计  55-56
    4.3.2 识别结果分析  56-58
  4.4 识别结果对比与分析  58-60
    4.4.1 k-近邻法与RBF神经网络法的对比  58
    4.4.2 小波变换系数与幅值特征的对比  58-59
    4.4.3 基于脉冲回波模式法与本文方法的对比  59-60
  4.5 本章小结  60-61
第五章总结与展望  61-63
  5.1 结论  61
  5.2 展望  61-63
致谢  63-65
参考文献  65-69
附录A 攻读硕士期间发表论文目录  69-70
附录B RBF神经网络训练测试界面  70-72

基于回波包络特征的超声波入侵探测方法研究

内容摘要

全文目录

相似论文