基于改进CEEMD和多域特征融合的1D-CNN降雹量级识别算法

作者：李鹏; 杨山山^*; 徐文校; 陈守静; 于心远; 徐永杰

来源：电子测量技术, 2022, 45(17): 134-143.

DOI：10.19651/j.cnki.emt.2209444

• 降雹量级
• 互补集合经验模态分解
• 特征提取
• 1D-CNN

为便于分析冰雹对社会生产造成的灾害影响，需要对降雹量级进行分类统计，对降雹量级进行定量分析，不仅可以为灾害评估提供依据，还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解(CEEMD)重构算法，重构后的信号最大程度地保持原有时域特征，也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型，将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入，在中间层进行特征拼接，最后输出分类器，结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%,相比于原始数据与传统1D-CNN模型识别率提高了8.75%。

• 单位
  南京信息工程大学; 南京信息工程大学滨江学院; 枣庄学院