Infrasound signal classification is vital in geological hazard monitoring systems. The traditional classification approach extracts the features and classifies the infrasound events. However, due to the manual feature extraction, its classification performance is not satisfactory. To deal with this problem, this paper presents a classification model based on variational mode decomposition (VMD) and convolutional neural network (CNN). Firstly, the infrasound signal is processed by VMD to eliminate the noise. Then fast Fourier transform (FFT) is applied to convert the reconstructed signal into a frequency domain image. Finally, a CNN model is established to automatically extract the features and classify the infrasound signals. The experimental results show that the classification accuracy of the proposed classification model is higher than the other model by nearly 5%. Therefore, the proposed approach has excellent robustness under noisy environments and huge potential in geophysical monitoring.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00