科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对不同材质的高精密航天器多余物信号检测存在特征重叠、可重复性较差的问题，提出基于梅尔频率倒谱系数（MFCC）与概率神经网络（PNN）的多余物材质特征识别方法。借鉴语音识别技术，设计了一种基于能量加权MFCC的多余物材质脉冲特征提取方法；构建了基于MFCC和优化PNN的单个多余物材质脉冲分类模型；利用每个多余物材质脉冲的分类信息构建多余物材质可信度，实现对铝屑、焊锡、塑料和橡胶4种典型材质的识别。经实验验证，该分类模型对单个多余物材质的识别准确率均在90%以上，对2个多余物材质的识别准确率均在80%以上。
- 出版日期2023
- 单位同济大学
