典型文献
VMD多尺度熵和GWO-SVM在扬声器异常声分类中的应用
文献摘要：
针对扬声器异常声分类中异常声特征提取以及分类识别两个关键环节,提出一种基于变分模态分解(VMD)多尺度熵(MSE)与灰狼算法优化支持向量机(GWO-SVM)结合的扬声器异常声分类方法.首先,对扬声器声响应信号进行VMD分解得到一系列本征模态函数(IMF),计算各阶IMF与原始信号的相关系数,然后选择相关系数高的IMF提取该IMF的MSE作为特征向量,最后利用灰狼算法优化支持向量机模型识别故障类型.实验结果表明,在5种状态下扬声器单元分类的识别中,较经验模态分解(EMD)多尺度熵、VMD多尺度散布熵(MDE)、EMD多尺度散布熵的特征提取方法,VMD多尺度熵呈现出更高的识别准确率,其识别准确率为99.3％.能更好地表征异常声特征.
文献关键词：
异常声分类;变分模态分解;多尺度熵;灰狼算法
中图分类号：
作者姓名：
周静雷;丁芳;崔琳
作者机构：
西安工程大学电子信息学院 西安710600
文献出处：
引用格式：
[1]周静雷;丁芳;崔琳-.VMD多尺度熵和GWO-SVM在扬声器异常声分类中的应用)[J].电子测量技术,2022(08):41-47
A类：
异常声分类
B类：
VMD,多尺度熵,GWO,扬声器,分类识别,变分模态分解,MSE,灰狼算法,算法优化,优化支持向量机,分类方法,声响,响应信号,本征模态函数,IMF,后选择,特征向量,支持向量机模型,模型识别,故障类型,经验模态分解,EMD,多尺度散布熵,MDE,识别准确率
AB值：
0.196103
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
