论文部分内容阅读
植物电是植物体内重要的生理信号，研究价值就在于探索自然界的奥秘，了解我们的生存环境，实现农业的智能化控制和节能减排。信号处理经过近几十年的发展，取得了显著的成果，尤其是在生物医学等方面提出了很多方法很值得学习借鉴。本研究在通过精密测量仪器获取植物电信号的基础上，结合小波分析对植物电信号进行研究，得到了以下有意义的结果：
1.利用小波变换分解植物电信号，提取各小波系数节点的能量构造一种简单的特征向量，分类方法采用BP神经网络分类器。实验表明，该算法能够识别所采用的芦荟叶片电信号。
2.利用小波良好的时频局部化和熵能够表征系统紊乱程度的特点，构造基于小波熵的非平稳植物电信号的特征，将构造的特征集输入到BP神经网络分类器进行自动识别。小波能量熵可以作为分析结果的有效参考，对比发现基于小波熵比基于小波系数能量的识别算法识别效果更好。
3.结合多种小波熵与信号自身熵的特性构造一种植物电信号识别的新算法。小波熵结合了小波变换和信息熵的优势，能快速准确地提取植物电信号的特征。植物电信号是非平稳和多样化的，基于单一小波熵的识别算法可能出现分类困难和分类不准确的问题，因此该方法具有更实际的应用价值。实验选材是四类君子兰叶片电信号，对提取的特征向量利用KNN方法进行分类。
4.为了提高植物电信号的识别效果，提出了一种基于多种小波熵和主成分分析的特征提取新方法。首先提取植物电信号的小波能量熵、小波奇异熵和小波方差谱熵构造组合特征；再利用主成分分析对组合的特征进行处理，剔除冗余信息，提取出能够反映信号类别的特征；最后利用BP神经网络分类方法对最终得到的特征向量进行分类。实验结果表明，该算法识别效率高、通用性强，为植物电信号的识别提出了一种可行的新方法。