原文传递
基于数据融合理论的轨道电路信号解调方法的研究
| 论文题名： | 基于数据融合理论的轨道电路信号解调方法的研究 |
| 关键词： | 无绝缘轨道电路;数据融合;解调方法;K-最近邻分类器;自适应概率神经网络;灰关联分析;D-S证据理论 |
| 摘要： | 无绝缘轨道电路在当前中国列车运行控制系统中起着非常重要的作用，其信号中所包含的低频信息作为重要的列车运行控制信息，在保证行车安全等方面是至关重要的。目前，现有的轨道电路信号解调方法还不能完全满足铁路高速发展的要求。因此，本文在分析了轨道电路信号现有的解调方法的基础上，提出了基于数据融合理论的无绝缘轨道电路信号解调方法具有很强的现实意义。论文主要研究内容如下： 首先，根据无绝缘轨道电路信号的频谱特点，构造表征不同调制低频情况下轨道电路信号的特征向量，并给出特征向量提取方案。 其次，基于所构建的特征向量，将轨道电路信号的低频解调问题转换为模式识别问题，分别设计了基于K-最近邻分类、自适应概率神经网络和灰关联的模式分类器，通过衡量待分析信号的频谱特征与各相应特征向量的曼哈顿距离、相似概率和灰关联度来实现对轨道电路信号的解调。实验表明，上述三种方法具有较高的分类正确率。 最后，为进一步提高解调性能，提出了基于D-S证据理论的集成解调算法。采取模糊隶属度函数对三种算法的分类依据进行基本概率分配，根据分配结果中支持度最大的焦元是否一致而选取无冲突或冲突证据合成规则进行合成，给出最终的分类结果。实验表明，本文设计的集成解调方法有较强的抗干扰能力且分类正确率高。 |
| 作者： | 刘伟宁 |
| 专业： | 智能交通工程 |
| 导师： | 赵林海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
