核爆与雷电电磁脉冲识别

用经验模态分解和分形分析相结合的方法对核爆和雷电电磁脉冲信号进行了识别研究。计算了核爆和雷电电磁脉冲原始信号的盒维数,以及原始信号经验模态分解后前4阶固有模态分量（IMF）的盒维数。用最近邻法对核爆和雷电进行了识别,实验结果表明:原始信号经验模态分解后一阶、二阶IMF盒维数的识别率要略高于三阶、四阶IMF盒维数的识别率;原始信号盒维数的识别率高于经验模态分解后各阶IMF盒维数的识别率;二维和三维特征的识别率要高于一维特征的识别率,另外二维和三维特征的识别率更加趋于稳定,并且三维特征的识别率都在90%以上。     

基于Volterra级数的核爆地震参数化非线性特征提取方法

地震时间序列的模型参数可以作为核爆地震信号识别的特征.现有基于ARMA( autoregressive moving average)模型参数的地震信号特征提取方法是一种线性方法,且只利用了信号的二阶统计信息,识别精度不高.为此,利用地震波的混沌特性,提出了一种核爆地震非线性特征提取方法:首先对地震波信号进行相空间重构...     

基于时频图像分析的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,对核爆电磁脉冲(NEMP)和雷电电磁脉冲(LEMP)信号进行了Hilbert谱分析,计算了二者Hilbert谱的图像区域特征,对二者进行了识别研究,并且从NEMP和LEMP不同的产生机理上对识别结果进行了分析。实验结果表明:以Hilbert谱的面积和重心,以及六维图像区域特征作为特征,对NEMP和LEMP的识别率达到了90％以上,可以对二者进行有效识别。