基于SVD和MPSO-SVM的光纤周界振动信号识别

摘要

针对光纤振动信号有噪声干扰、识别信号类型准确率不高且识别时间长的问题,提出了基于奇异值分解(singular value decomposition,SVD)和改进粒子群优化支持向量机(modified particle swarm optimization support vector machine,MPSO SVM)的识别方法.首先,采用SVD对信号去噪,根据奇异值序列二阶差分谱单边极小值原则确定信号重构秩阶次.其次,提取振动信号特征,利用串行特征融合(serial feature fusion,SFF)方法组建特征向量组.最后,利用MPSO SVM进行分类识别,提高识别精度和算法效率.采用实测信号进行验证,结果表明,信噪比有明显提升,信号平均识别率较粒子群优化支持向量机(particle swarm optimization support vector machine,PSO SVM)提升5％.该方法较传统神经网络识别方法有较好的效果,具有实际应用价值.