基于特征子模式典型相关分析的热释电红外信号识别

作者：龚卫国; 王林泓; 贺莉芳

来源：光学精密工程, 2011, (04): 884-891.

• 热释电红外(PIR)探测器
• 小波包熵
• 子模式典型相关分析(CCA)
• 特征融合 Pyroelectric Infrared(PIR) detector
• wavelet packet entropy
• sub-pattern Canonical Correlation Analysis(CCA)
• feature fusion

为使现有热释电红外(PIR)探测器具有识别检测区域内红外辐射源的功能,提出一种基于典型相关分析(CCA)特征融合的人体和非人体PIR信号识别方法。该方法首先提取PIR信号的频谱和小波包熵特征,然后对频谱进行子模式划分,并分别与小波包熵特征进行CCA融合,把融合后的结果作为判别信息,从而实现了特征融合且消除了特征之间的信息冗余。最后通过多数投票方式融合判别结果。作为子模式CCA特征融合的一种特殊情况,文中分析了特征与自身子模式特征CCA融合的分类性能。实验结果表明,当频谱分为5个子模式时,能有效地对人体和非人体红外辐射源进行识别,识别率可达95.2%,比直接采用频谱与小波包熵CCA融合的识别率提...

• 单位
  重庆电子工程职业学院; 重庆大学