典型文献
利用加速度信号时频域特征的枪击识别研究
文献摘要：
当前枪支射弹可靠检测及精确计数是枪弹管控的难点之一.为提高基于加速度信号的射弹检测算法的精度和可靠性,提出一种新的射击信号时域特征提取方法一时域分段特征提取法,可避免时域特征过度依赖于加速度瞬时尖峰的问题.首先,提取了枪击加速度样本信号的时域和频域各类统计特征.然后,采用机器学习分类算法K近邻、逻辑回归、支持向量机以及决策树和随机森林进行枪击识别建模.最后,探索和比较各种单一特征对枪击事件识别模型性能的影响.实验结果表明,所提取的主波动域面积特征具有最优的区分度,能够在多数机器学习算法上达到99％以上的分类准确率.
文献关键词：
射击检测;加速度传感器;机器学习;特征提取
中图分类号：
作者姓名：
伍弘毅;陈志聪;吴丽君;何虔恩
作者机构：
福州大学物理与信息工程学院 福州 350116
文献出处：
引用格式：
[1]伍弘毅;陈志聪;吴丽君;何虔恩-.利用加速度信号时频域特征的枪击识别研究)[J].电子测量与仪器学报,2022(05):180-187
A类：
B类：
加速度信号,时频域特征,枪击,枪支,射弹,枪弹,检测算法,时域特征提取,提取法,尖峰,各类统计,统计特征,机器学习分类算法,近邻,逻辑回归,决策树,事件识别,识别模型,模型性能,主波,区分度,机器学习算法,上达,分类准确率,射击检测,加速度传感器
AB值：
0.386405
相似文献
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。
