摘要
本发明提供了一种基于改进RLMD和支持向量机的磁异常感知方法及相关装置,包括:获取原始数据s(t),采用RLMD算法对原始数据s(t)进行分解,得到多个PF分量;对多个PF分量分别计算排列熵,将所有排列熵值从大到小进行排列,筛选出后n个PF分量,其中n由三分位数自适应确定,对PF分量进行线性重构以得到线性重构信号,对线性重构信号移除趋势项得到处理后的静磁信号m(t);构建对应的特征向量组[D,K,P];建立训练样本数据集;将信号对应的特征向量组输入训练好的支持向量机,判断是否存在目标磁异常。应用本发明的技术方案,以解决现有技术中在进行信号识别时,通常是通过人为设定筛选阈值,此种方式难以充分抑制噪声,导致目标识别准确度低的技术问题。
技术关键词
训练样本数据
支持向量机
磁异常信号
重构
极值
信号获取模块
感知系统
包络
线性
标签
可读存储介质
处理器
算法
平台
调频
计算机设备
航空
系统为您推荐了相关专利信息
飞行轨迹预测
多层次特征
轨迹特征
序列
空间特征提取方法
人工智能算法
数据处理模块
图像传感单元
机器学习算法
压力传感单元
地图重构方法
神经网络框架
辐射源
编码器模块
无线电监测技术