基于EMD分解和广义相位排列熵的相近金属材料分类

作者：马明明; 张小凤; 贺升平; 贺西平^*

来源：陕西师范大学学报(自然科学版), 2020, 48(03): 112-118.

DOI：10.15983/j.cnki.jsnu.2020.02.020

• 广义相位排列熵
• EMD
• 超声回波信号
• IMF分量
• KSVM
• 金属材料

为辨识性质相近且种类不同的金属材料,提出了一种基于EMD分解和广义相位排列熵的算法。该算法首先利用经验模态分解方法对原始信号从高频到低频进行分解,之后计算分解后信号的广义相位排列熵,根据信号不同分量的广义相位排列熵值,选取差异显著的信号分量的广义相位排列熵作为特征量,采用KSVM(KNN-SVM)算法,实现对金属材料的分类。通过实验采集性质相近的40个金属材料的超声回波信号,利用提出的算法提取回波信号特征,结合KSVM分类器进行分类。结果表明:金属材料IMF1分量的广义相位排列熵差异最显著,以此作为对40个金属材料超声回波信号的特征进行分类,分类效果稳定且准确率高于96.3%。

• 单位
  陕西师范大学