典型文献
基于VMD-BSA-SVM的海缆振动信号识别方法
文献摘要：
光电复合海缆状态在线监测及故障识别是保障跨海输电和通信传输正常运行的关键。为了避免直接去噪导致的信号失真影响目标特征的提取，利用变分模态分解（VMD）算法直接从含噪的振动信号中提取特征。基于布里渊光时域分析仪的海缆振动信号模拟实验系统获得锚砸、冲刷、摩擦三种工况下的海缆振动信号。取三类振动信号各200组，利用VMD算法获得本征模态函数分量，并将各个分量的能量、能量熵、峭度组合作为特征向量。将80%的特征向量作为训练集，20%的特征向量作为测试集，并输入基于鸟群算法（BSA）的支持向量机（SVM）中进行分类。实验结果表明，相比其他SVM，BSA-SVM的分类准确率更高，可达到99.17%，且运行时间较短。
文献关键词：
海洋光学;振动信号;变分模态分解;鸟群优化;支持向量机
中图分类号：
作者姓名：
尚秋峰;郭家兴
作者机构：
华北电力大学电子与通信工程系，河北 保定 071003;华北电力大学河北省电力物联网技术重点实验室，河北 保定 071003;华北电力大学保定市光纤传感与光通信技术重点实验室，河北 保定 071003
文献出处：
引用格式：
[1]尚秋峰;郭家兴-.基于VMD-BSA-SVM的海缆振动信号识别方法)[J].激光与光电子学进展,2022(17):1701001
A类：
B类：
VMD,BSA,振动信号,信号识别,光电复合,复合海缆,在线监测,故障识别,跨海,输电,通信传输,接去,去噪,信号失真,真影,目标特征,特征的提取,变分模态分解,提取特征,布里渊光时域分析仪,信号模拟,模拟实验,实验系统,冲刷,本征模态函数,能量熵,峭度,特征向量,训练集,测试集,鸟群算法,分类准确率,运行时间,海洋光学,鸟群优化
AB值：
0.398386
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。
