摘要
本发明提出了一种基于谱矩特征的水体运动状态识别方法、装置及其可读存储介质,属于水文测量与智能分析技术领域。该方法利用声学多普勒测流仪采集流速序列,经短时傅里叶变换转换为频域功率谱密度,提取包括零阶至四阶谱矩、频段能量、统计量及频谱特征在内的多维特征,构建特征时间热图并输入多尺度残差卷积神经网络,实现层流、湍流、回流的识别。本发明通过频域特征精准刻画三类流态的本质差异,结合多尺度卷积核与残差连接保留弱信号,解决了传统方法解释性差、区分不敏感的问题,具有识别准确率高、鲁棒性强、适用于江河、水坝等多场景的优势。
技术关键词
运动状态识别方法
卷积神经网络分类器
多尺度
残差结构
短时傅里叶变换
频谱特征
功率
水体
声学多普勒
密度
测流仪
分类器模型
残差卷积神经网络
可读存储介质
执行傅里叶变换
低频段
湍流
智能分析技术
系统为您推荐了相关专利信息
可见光图像
融合特征
融合方法
原始图像数据
多尺度特征提取
风电叶片表面
损伤检测方法
注意力
解码模块
网络
图像数据分类方法
图像分类模型
非线性
中间层
数据分类装置