强干扰环境下高炉雷达信号机器学习算法
赵晓月1
何书睿2
陈先中
侯庆文
1.北京科技大学自动化学院,北京,1000832.钢铁流程先进控制教育部重点实验室,北京,100083
摘要：高炉料面属矿物-煤气-焦炭多元高温固体/熔体混杂共存的粗糙表面,其电磁反射特征包含非均匀和非平稳的气固混合介质的表层电磁回波信息、布料溜槽引起的周期性遮蔽效应、十字测温等装置引起的固定干扰,以及电磁辐射等环境因素引发的随机噪声.本文研究了复杂环境下调频连续波(FMCW)提取的料面信号,采用瞬时频率分析的希尔伯特-黄变换(HHT)方法代替传统快速傅里叶变换(FFT)方法.结合经验模态分解,将原始非平稳信号分解为若干个平稳的内在模式函数;并按照基于先验知识的决策树算法分类与学习,获得各类分量权值并加权突出真实物料的电磁信号;通过Hilbert变换得到原始信号的时频域特征,可以揭示流态化料面包含的丰富冶炼信息.同时该算法也有助于提高料面成像的帧准确率和稳定性,为钢铁行业节能减排提供可靠的数据支撑.
关键词：高炉雷达机器学习C4.5决策树希尔伯特-黄变换边际谱
分类号：TN959(雷达)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1667-1673 )
英文信息