[发明专利]一种基于振动信号的地形分类方法

摘要

本发明公开了一种基于振动信号的地形分类方法，包括离线训练、在线分类、在线修正三个部分，其优点在于：1)利用贝叶斯滤波器/平滑器能够显著提升地形分类精度；2)通过对平滑结果和分类结果的在线分析，能够筛选出错误分类的振动帧样例，进而利用这些样例对分类器进行增量训练，能够提升其泛化性能；4)平滑‑分类结果的在线分析还可以用于修正贝叶斯滤波器的参数，从而降低其在地形突变时由于惯性导致的低精度问题。

主权项

1.一种基于振动信号的地形分类方法，其特征在于：包括离线训练、在线分类、在线修正三个部分，其中：1、离线训练部分1.1控制移动机器人在希望被识别的地形上收集振动时间序列，以每N个点为1个振动帧，将该振动时间序列转换为振动帧集合；1.2对1.1获取的振动帧集合中的振动帧进行快速傅里叶变换，变换结果即为每个振动帧的特征，一个特征向量表示一个样本；然后进行归一化处理，进而得到训练样本集合；1.3对1.2获取的训练样本集合进行标记，为每个样本标记其对应的地形，得到训练样例集合；1.4基于1.3获取训练样例集合训练分类器，得到训练好的分类器2、在线预测部分2.1获取时间t的振动帧，转换得到样本s_t，利用分类器进行预测，得到地形预测结果2.2基于2.1获取的地形预测结果y_t进行贝叶斯滤波，计算先验概率密度和后验概率密度如下所示：其中，x_t表示时间t的真实地形，可以取{1,2,…,λ}共λ种地形，Y_t＝{y₁,y₂,…,y_t}表示从时间1到t的所有地形预测结果，为地形转移概率密度，为分类混淆概率密度，其中，一般可设定2.3基于2.2获取的后验概率密度可以得到y_t的滤波值如下所示：3、在线校正部分3.1基于2.2获取的后验概率密度计算先验概率密度和后验概率密度如下所示：其中，k可以得到y_k的平滑值如下所示：并存储得到平滑值序列其中，τ>0为延迟系数；3.3基于3.2获取的平滑值序列提取被错误分类的样本，用相应的平滑值进行标记，得到在线训练样例，然后利用这些样例对分类器进行增量训练，实现了分类器的校正；同时，对进行统计得到混淆矩阵，用来调整进而隐式地实现了贝叶斯滤波器的校正。