基于自适应信号分解特征集成学习的电磁脉冲识别方法

摘要：

为准确高效地识别核爆电磁脉冲(nuclear electromagnetic pulse,NEMP)和闪电电磁脉冲(lightning electro-magnetic pulse,LEMP),提出一种基于自适应信号分解和集成学习的识别分类方法.首先,针对样本不均衡问题,利用数据扩增方法对数据集进行预处理;然后,采用希尔伯特-黄变换对NEMP和LEMP分别进行自适应信号分解;其次,对分解信号提取其在时域、频域和小波域的特征;最后,对提取特征采用集成学习算法进行识别分类.试验结果表明,该方法在实测数据上的准确率能够达到99.99％以上,LEMP信号的误报率低于万分之一.

关键词：核爆电磁脉冲(NEMP)、闪电电磁脉冲(LEMP)、希尔伯特-黄变换、集成学习

所属期刊栏目：42

分类号：TL91

资助基金：国家重点研发计划2021YFC3002100

在线出版日期：2023-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：275-281,318