无线传感器网络的目标特征提取及分类

1、模式识别与智能系统专业毕业论文模式识别与智能系统专业毕业论文 精品论文精品论文 无线传感器网络无线传感器网络的目标特征提取及分类的目标特征提取及分类关键词：谱特征关键词：谱特征 目标分类目标分类 无线传感器网络无线传感器网络 目标特征目标特征 特征提取特征提取 功率谱估计法功率谱估计法 特征向量特征向量摘要：无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都 有环境感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传 感器网络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场 合，如军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大 熵 AR-Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征 提取，利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定 分类精度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后 续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效 率。 本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技 术的研究背景、网络和节点特点、关键技术、特

2、征提取和支持向量分类等重要 理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目 标谱的特征提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本 文提出改变单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提 高了最后分类准确性，减少了特征数据的生成，减少用于分类时的特征向量样 本数。 (4)在有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比 条件下，计算出有噪声通信对特征提取及分类的影响。 (5)在特征的分类器 选择方面，本文采用支持向量机分类机来验证本文提出的改进方法的有效性。 实验结果表明，本文提出的方法是充分有效的。 总之，虽然本文成功的把 AR-Burg 谱特征提取及 SVM 分类应用于无线传感器网络领域，并取得一定的效 果，但仍有许多疏漏和不足之处需要改进。正文内容正文内容无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有 环境感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感 器网络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合， 如军事应用、工业安全生产和反恐、环境和居住

3、区监测。 本文利用最大熵 AR-Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提 取，利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分 类精度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技术的 研究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。(2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的 特征提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本文提出 改变单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提高了最 后分类准确性，减少了特征数据的生成，减少用于分类时的特征向量样本数。 (4)在有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比条件下， 计算出有噪声通信对特征提取及分类的影响。 (5)在特征的分类器选择方面， 本文采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表 明，本文提出的方法是充分有效的。

4、 总之，虽然本文成功的把 AR-Burg 谱特 征提取及 SVM 分类应用于无线传感器网络领域，并取得一定的效果，但仍有许 多疏漏和不足之处需要改进。 无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有环境 感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感器网 络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合，如 军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大熵 AR- Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取， 利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分类精 度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。 本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技术的研 究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的特征 提取，取得良好的实验效果。 (3)在提高谱特

5、征分辨率方面，本文提出改变 单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提高了最后分 类准确性，减少了特征数据的生成，减少用于分类时的特征向量样本数。 (4)在 有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比条件下，计算出 有噪声通信对特征提取及分类的影响。 (5)在特征的分类器选择方面，本文 采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表明， 本文提出的方法是充分有效的。 总之，虽然本文成功的把 AR-Burg 谱特征提 取及 SVM 分类应用于无线传感器网络领域，并取得一定的效果，但仍有许多疏 漏和不足之处需要改进。 无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有环境 感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感器网络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合，如 军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大熵 AR- Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取， 利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分类精

6、 度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。 本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技术的研 究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的特征 提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本文提出改变 单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提高了最后分 类准确性，减少了特征数据的生成，减少用于分类时的特征向量样本数。 (4)在 有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比条件下，计算出 有噪声通信对特征提取及分类的影响。 (5)在特征的分类器选择方面，本文 采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表明， 本文提出的方法是充分有效的。 总之，虽然本文成功的把 AR-Burg 谱特征提 取及 SVM 分类应用于无线传感器网络领域，并取得一定的效果，但仍有许多疏 漏和不足之处需要改进。 无线传感器网络是由

7、大量被任意布置的传感器节点组成的。每个节点都有环境 感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感器网 络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合，如 军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大熵 AR- Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取， 利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分类精 度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。 本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技术的研 究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的特征 提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本文提出改变 单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提高了最后分 类准确性，减少了特征数据的生成，减少用于分类时的特征向量样本数。 (4)

8、在 有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比条件下，计算出 有噪声通信对特征提取及分类的影响。 (5)在特征的分类器选择方面，本文 采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表明， 本文提出的方法是充分有效的。 总之，虽然本文成功的把 AR-Burg 谱特征提 取及 SVM 分类应用于无线传感器网络领域，并取得一定的效果，但仍有许多疏 漏和不足之处需要改进。 无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有环境 感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感器网 络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合，如 军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大熵 AR- Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取， 利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分类精度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。 本文的主要工作内容，具体如

9、下； (1)学习和梳理无线传感器网络技术的研 究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的特征 提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本文提出改变 单次功率谱计算时采用的信号时间序列长度。与常规方法相比，提高了最后分 类准确性，减少了特征数据的生成，减少用于分类时的特征向量样本数。 (4)在 有噪声通信实验方面.本文通过引入高斯白噪声，在不同信噪比条件下，计算出 有噪声通信对特征提取及分类的影响。 (5)在特征的分类器选择方面，本文 采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表明， 本文提出的方法是充分有效的。 总之，虽然本文成功的把 AR-Burg 谱特征提 取及 SVM 分类应用于无线传感器网络领域，并取得一定的效果，但仍有许多疏 漏和不足之处需要改进。 无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有环境 感知能力，数据处理能力，无线通信能力以及网络自组织能力。无线传感器网 络技术被誉为 21 世纪最重要的一项新兴技术，已被广泛地应用于许多场合，如 军事应用、工业安全生产和反恐、环境和居住区监测。 本文利用最大熵 AR- Burg 功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取， 利用支持向量分类器对车辆进行车型分类。实验结果表明，在保证一定分类精 度前提下，采用本文的方法，可以节约节点数据存储空间，减少用于后续 SVM 分类的特征向量样本数，从而达到提高传感节点乃至整个网络的工作效率。 本文的主要工作内容，具体如下； (1)学习和梳理无线传感器网络技术的研 究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。 (2)在谱特征提取方法方面，本文提出把 AR-Burg 模型应用于车辆目标谱的特征 提取，取得良好的实验效果。 (3)在提高谱特征分辨率方面，本文提出改变 单次功率谱计算时采用的信号时间序列长度。与常规方

《无线传感器网络的目标特征提取及分类》由会员cjc****537分享，可在线阅读，更多相关《无线传感器网络的目标特征提取及分类》请在金锄头文库上搜索。