基于非负矩阵分解的次声信号分类方法

摘要

在中国科学院声学研究所大气次声波观察网实地采集的爆炸、地震、闪电、再入4类次声事件105组阵列数据集的基础上,提出应用非负矩阵分解的特征提取方法,对次声信号的自动分类方法进行了研究。针对特征设计过程复杂的问题,该方法使用非负矩阵分解自动挖掘目标信号的隐含结构作为特征。将此特征作为支持向量机和卷积神经网络输入进行分类,以提高特征设计的效率与分类的识别准确率。研究结果指出,在测试集上的平均识别准确率达到了83.13%,相对于传统方法,简化了特征设计过程,并取得更好的分类结果。