[发明专利]一种基于光纤振动信号的在线列车识别及速度估计方法

权利要求书

1.一种基于光纤振动信号的在线列车识别及速度估计方法，其特征在于，包括如下步骤：

步骤1：将光纤传感器作为采样点采集光纤振动信号，将每个光纤振动信号经过经验模态分解和统计分析后，获得用于数据分类的每个采样点的统计学特征，即每个采样点的特征向量；

步骤2：利用加入动态惩罚系数的支持向量机训练每个采样点的特征向量，得到与采样点数量相对应的分界超平面，即分类器；

步骤3：通过各个分类器，在线对特征向量进行分类；

步骤4：利用由最优卷积滑窗方程构成的集成算法对各分类器的结果做集成计算，在线计算列车位置和速度。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中得到每个采样点的特征向量包括如下步骤：

步骤1.1：利用宽度为W的不重叠时间窗将原始振动信号分解成m份，即有m个时间窗，表示第i个光纤传感器采集的信号即第i个样本信号，为第k个时间窗对应的信号，k＝1，2，3，...，m；

步骤1.2：利用经验模态分解，将每个分解成n段本征模函数所述为第I段IMF，即第I段本征模函数，I＝1，2，3，..，n；

步骤1.3：在信号中选择一段特定的并根据该计算信号的峰-峰值均值方差偏度峰度

步骤1.4，得到对应的特征向量如下所示：

其中为第i个样本信息号在第t个时间窗的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述得到分界超平面的具体方法为：

步骤2.1：以任意一个特征向量到超平面的几何间隔泛化能力最强为目的，寻找最优的w⁽ⁱ⁾和b⁽ⁱ⁾，建立目标函数，并在该目标函数中引入松弛变量和动态惩罚系数得到目标函数如下所示：

步骤2.2：定义拉格朗日函数为：

其中均为第i个样本的信号在第t个时间窗对应的系数；为第i个样本信号在第t个时间窗的预设标签；

步骤2.3：以公式2的约束条件和KKT条件为基础，将公式2的目标函数重写为：

步骤2.4：w，b，ξ求最小化如下所示：

将上述公式5、6、7代入公式4中得到公式8：

且t≠k′；

步骤2.5：利用SMO算法以公式8为目标函数求解从而得到b⁽ⁱ⁾；并将代入公式5中得到对应的则根据得到的b⁽ⁱ⁾和w⁽ⁱ⁾得到每个采样信号对应的超平面。

4.根据权利要求3所述的方法，其特征在于，所述利用SMO算法求解时采用启发式方法寻找