無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)特征提取及分類.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由大量被任意布置的傳感器節(jié)點(diǎn)組成的。每個(gè)節(jié)點(diǎn)都有環(huán)境感知能力，數(shù)據(jù)處理能力，無(wú)線通信能力以及網(wǎng)絡(luò)自組織能力。無(wú)線傳感器網(wǎng)絡(luò)技術(shù)被譽(yù)為21世紀(jì)最重要的一項(xiàng)新興技術(shù)，已被廣泛地應(yīng)用于許多場(chǎng)合，如軍事應(yīng)用、工業(yè)安全生產(chǎn)和反恐、環(huán)境和居住區(qū)監(jiān)測(cè)。 本文利用最大熵AR-Burg功率譜估計(jì)法對(duì)進(jìn)入無(wú)線傳感器網(wǎng)絡(luò)區(qū)域中的車輛信號(hào)進(jìn)行譜特征提取，利用支持向量分類器對(duì)車輛進(jìn)行車型分類。實(shí)驗(yàn)結(jié)果表明，在保證一定分類精度前提下，采用本

2、文的方法，可以節(jié)約節(jié)點(diǎn)數(shù)據(jù)存儲(chǔ)空間，減少用于后續(xù)SVM分類的特征向量樣本數(shù)，從而達(dá)到提高傳感節(jié)點(diǎn)乃至整個(gè)網(wǎng)絡(luò)的工作效率。 本文的主要工作內(nèi)容，具體如下； (1)學(xué)習(xí)和梳理無(wú)線傳感器網(wǎng)絡(luò)技術(shù)的研究背景、網(wǎng)絡(luò)和節(jié)點(diǎn)特點(diǎn)、關(guān)鍵技術(shù)、特征提取和支持向量分類等重要理論。 (2)在譜特征提取方法方面，本文提出把AR-Burg模型應(yīng)用于車輛目標(biāo)譜的特征提取，取得良好的實(shí)驗(yàn)效果。 (3)在提高譜特征分辨率方面，本文提出改

3、變單次功率譜計(jì)算時(shí)采用的信號(hào)時(shí)間序列長(zhǎng)度。與常規(guī)方法相比，提高了最后分類準(zhǔn)確性，減少了特征數(shù)據(jù)的生成，減少用于分類時(shí)的特征向量樣本數(shù)。 (4)在有噪聲通信實(shí)驗(yàn)方面.本文通過(guò)引入高斯白噪聲，在不同信噪比條件下，計(jì)算出有噪聲通信對(duì)特征提取及分類的影響。 (5)在特征的分類器選擇方面，本文采用支持向量機(jī)分類機(jī)來(lái)驗(yàn)證本文提出的改進(jìn)方法的有效性。實(shí)驗(yàn)結(jié)果表明，本文提出的方法是充分有效的。 總之，雖然本文成功的把AR-Bur