光纤传感信号特征提取方法对比与RBF神经网络应用

本文主要探讨了光纤传感信号特征提取方法的研究，由宋培培和万遂人在东南大学生物科学与医学工程学院医学电子学实验室进行。随着光纤技术的快速发展，光纤传感器在安防领域的广泛应用使得对光纤传感信号的有效特征提取成为研究的焦点。研究者针对这一需求，重点分析了三种特征提取方法：Mel频率倒谱系数（MFCC）参数特征提取法、小波包能量特征提取法以及小波包Shannon熵特征提取法。 MFCC是一种常用的声音信号处理技术，通过模拟人耳对音频频率的感知，提取出信号的周期性特征。而小波包则结合了傅立叶变换和小波变换的优点，能够同时提供时间和频率域的信息，特别适合处理非平稳信号，如光纤传感信号中的噪声和扰动。 Shannon熵作为衡量信号不确定性的指标，应用于小波包特征提取中，可以提供信号的复杂性和随机性信息。在实验部分，作者使用RBF神经网络对这三种特征提取方法进行了对比评估。结果显示，相比于MFCC和小波包能量特征，小波包Shannon熵特征提取法在识别性能上表现更优，能够有效区分不同的信号类型，如攀爬、走路和敲击。 文章强调了前端光纤传感器接收到的混合信号处理的重要性，尤其是在安防系统中。通过对光纤传感信号的产生原理和特性深入分析，作者旨在寻找一种更为精确和鲁棒的信号处理策略，以提升整个系统的性能和可靠性。通过对三种方法的详细实验和比较，研究者为光纤传感信号的实时分析和有效应用提供了理论支持和技术手段。