反射率特征范文

反射率特征范文（精选6篇）

反射率特征 第1篇

扬子地台北缘马元铅锌矿床是赋存于上寒武统灯影组角砾状白云岩中大型铅锌矿床,前人对该矿床的矿床地质特征[3,4,5,6]、地球化学特征[5,6,7,8]、成矿流体特征[3,8]、成矿物质来源特征[3]、成矿模式特征[4,8]等做了深入的研究,取得了丰硕的研究成果,普遍认为成矿作用与角砾状白云岩、油气成藏作用有密切关系,矿床具有明显的层控现象,矿床类型属于密西西比河谷型(MVT)铅锌矿床[5,6,9]。矿体和围岩中均可见固体沥青或者焦沥青发育,主要沿节理、裂隙和晶洞发育。现以铅锌矿石中沥青为研究对象,通过沥青反射率特征,探讨有机质演化程度、最大古地温、构造特征对成矿成藏作用。

1 区域与矿床地质背景

马元铅锌矿床(图1)地理上位于陕西省西南缘南郑县,构造上位于四川盆地东北缘,汉中盆地南部。大地构造位于扬子地台北缘,龙门山-大巴山褶皱带的南部,米仓山大型复式背斜南侧,碑坝穹窿构造南缘[3,5,7,8,9]。区域上具有结晶基底和沉积盖层双层构造特征,盖层围绕基底呈环形分布,二者为角度不整合接触关系,基底由较老的中、晚元古界火地垭群中、深变质火山岩及碎屑岩系组成,岩石已经普遍变质;盖层由较新的上震旦统-下寒武统白云岩、角砾状白云岩、泥质岩、碎屑岩、泥灰岩及少量硅质岩组成。区域内岩浆岩分布于基底构造地层中,喷出岩与元古界沉积变质岩不等厚产出;侵入岩主要为深部岩浆侵入火地垭群地层中,与震旦系地层不整合接触,呈岩基、岩株、岩脉状产出。

马元铅锌矿床由3个矿化带组成,其中楠木树矿段为主要矿化段[3,4,6],铅锌矿赋矿层位为上震旦统灯影组上段第三岩性层(Z2dn23),岩性为角砾状白云岩,灯影组其他岩性段则不含矿或者含矿较少。矿体中发育多条断层,与矿床成因密切相关[6]。矿床具有层控现象,矿体呈层状、似层状、透镜体产出[4],厚度及品味变化大。矿床中金属矿物主要为闪锌矿,方铅矿含量较少,极少量的黄铁矿及异极矿,非金属矿物主要为白云石、方解石,还含有少量的石英、萤石、重晶石、沥青。矿石结构主要半自形-他形粒状结构及交代结构[3],矿石构造有角砾状、细脉状、团块状、网脉状及侵染状。矿区内岩石变质程度较浅,围岩蚀变主要为硅化、黄铁矿化、重晶石化及地沥青化。

2 样品采集与测试

根据野外观察和室内样品整理,挑选不同海拔高程(中段)和不同沿脉的标本,样品编号如下:PD871(871-JK1)、PD913(913-YM12-4、913-YM12-5)、PD1030(1030-1),磨制成全岩光片,对光片中固体或者焦沥青进行了详细的沥青反射率测定。同一区域内尽可能多次测量,求取平均值,减少误差。实验仪器为ZEISS Scope.A1型显微光度计,由成都理工大学油气藏地质及开发工程国家重点实验室完成。

3 沥青特征

3.1 野外特征

大多数铅锌矿床中闪锌矿均与方铅矿密切共生,但马元铅锌矿床主要为闪锌矿,方铅矿的含量很低,闪锌矿和方铅矿主要充填于白云石角砾之间的空洞和裂缝中或者沿岩石节理、裂隙发育。沥青为灰黑色,主要呈球颗状、细(网)脉状、液滴状或不规则状分布于角砾状白云岩的孔、洞、缝中。球颗状和液滴状沥青主要分布在石英或白云石晶洞、方解石脉体中(图2,图3);侵染状、细脉状和不规则状沥青则主要分布在裂隙、角砾状白云石之间的胶结物中(图2)。闪锌矿与沥青二者有非常复杂的接触关系:闪锌矿包围沥青或者沥青包围闪锌矿;闪锌矿和沥青相互接触共生或者伴生在一起(图4,图5);闪锌矿和沥青孤立存在,二者无明显的关系。

3.2 镜下特征

沥青反射率很低,单偏光下呈古铜色,正交偏光下可以见许多小晶体。镜下具有多种形态,主要为圆球状、星月状、环状、条带状、浸染状、不规则状。圆球状沥青分布于大颗粒白云石之间,沥青的边部很圆滑,部分地方被白云石插入或者贯入白云石颗粒中,整体形态依然表现为圆球状(图6);星月状沥青分布于白云石颗粒中或者沿裂隙分布;环状沥青主要为沥青包围浑圆状白云石或者闪锌矿颗粒形成;条带状、浸染状、不规则状沥青主要沿裂隙或闪锌矿的边部分布(图7),可以看到沥青中贯入白云石或者白云石中插入沥青的现象(图6)。

4 结果与讨论

4.1 沥青反射率基本特征

马元铅锌矿床中的沥青反射率测试结果见表1。有机质演化是一个不可逆过程,沥青反射率特征记录的是有机质最大演化程度,总体可以表现出以下两个基本特征。

(1)沥青颗粒大小和表面磨光程度对反射率测定有很大影响,测试的时候尽量选取颗粒光滑且比较大的沥青颗粒,同一个颗粒尽量测取多个实验数据,求取平均值,减少误差。实验测试结果表明,沥青的反射率值介于3.10%~4.71%,变化范围较窄,平均值为3.93%。

(2)同一中段的沥青反射率值大致相同,不同中段的沥青反射率有细小差别(图8),PD1030中段沥青反射率较高,平均值为4.14%,PD871和PD913中段相对较低,平均值分别为3.99%和3.69%。相同形态特征沥青反射率基本相同(图9),球颗状/星月状沥青反射率介于3.31%~4.10%,平均值为3.74%;条带状沥青反射率介于3.77%~4.30%,平均值为4.0 3%;不规则状沥青反射率介于3.10%~4.61%,平均值为3.94%。不同形态特征沥青反射率值大致相同,平均值比较接近。

4.2 镜质体反射率

镜质体反射率是表征有机质成熟度的一个重要指标,丰国秀,等详细研究过岩石中沥青反射率和镜质体反射率二者之间的关系,建立了线性回归方程,并且经过实际验证[12]。提出沥青反射率(Rb)与镜质体反射率(Ro)的经验公式Ro=0.656 9Rb+0.336 4[12]。地层中有机质进入高演化阶段,镜质体反射率不能直接反映其成熟度,因此通过测量沥青反射率的方式,间接计算镜质体反射率。计算结果显示镜质体反射率(Ro)介于2.80%~3.38%之间。当Ro>2.0%时,有机质进入过成熟阶段,随埋藏深度加深,地层温度、压力等条件增大,干酪根强烈芳构化、缩聚,最终形成固体/焦沥青留在地层中。

4.3 最大古地温Tmax

镜质体反射率可以作为地质温度计,记录地质热事件[13]。镜质体反射率与古地温密切关系,是古地温的函数,有机质演化是不可逆过程,因此镜质体反射率间接反映的是最大古地温。Barker and Pawlewicz统计研究了镜质体反射率与古地温之间的相互关系[13,14],提出了镜质体反射率地质温度计

Barker and Goldstein确立了镜质体反射率与古地温的关系[13,15],给出的地质温度计:

Barker and Pawlewicz修改后的镜质体反射率地质温度计[13,16]:

Mullis et al建立的镜质体反射率地质温度计[13,17]:

据王晓虎,等测得该矿床中脉石矿物的流体包裹体均一温度介于100~320℃,平均值为250℃[5]。根据不同地质温度计得到的结果可以看出,地质温度计式(1)与式(2)值比流体包裹体温度偏低,不可以作为该矿床的经验公式;地质温度计式(3)最小值261℃,最大值307℃,平均值为287℃;地质温度计式(4)最小值264℃,最大值311℃,平均值为290℃。地质温度计式(3)和(4)结果相近,有机质演化最大古地温Tmax介于261~311℃,平均值288℃。这个温度跟前人研究该矿床成矿温度大致相同,沥青的演化受到富含铅锌成矿流体影响,铅锌成矿与油气成藏有密切联系。

4.4 构造特征对成矿成藏作用

马元铅锌矿床位于扬子地台北缘,龙门山-大巴山陆内造山带南部,米仓山大型复式背斜南侧,碑坝穹窿构造南缘。寒武纪以来经历了多次复杂构造运动,区域构造背景、矿区构造活动与角砾岩的形成密切相关[6]。中生代以来扬子陆块持续向秦岭之下进行陆内俯冲[6,18],大巴山与米仓山构造交接变形是在印支期碰撞造山作用基础上,燕山期陆内造山作用期间不同体系构造复合叠加的产物[6,19]。有机质来源为上覆地层郭家坝组黑色炭质板岩,持续下降接受沉积,有机质成熟达到生油门限,受构造隆升盆地边缘形成斜坡,有机质生成的油气侧向迁移进入下伏地层灯影组白云岩。成矿流体与有机流体同时或者分先后通过构造破碎带向容矿空间聚集[20],减压卸载,富集成矿,油气裂解残留固体沥青,最终形成铅锌矿与油气成因密切相关的密西西比河谷型(MVT)铅锌矿床。

5 结论

(1)角砾状构造是主要的容矿构造,不同高程沥青反射率和不同形态沥青反射率大致相同,是由于固体/焦沥青均经历形同的演化过程,即物理、化学等条件相同;同时沥青的演化是一个不可逆过程,记录的是演化过程中最大演化程度,因此反射率值大致相同。

(2)镜质体反射介于2.80%~3.38%,有机质进入过成熟阶段,逐渐变质,干酪根逐渐芳构化、缩聚,形成沥青残留在地层中。

(3)构造破碎带是有机质迁移的主要通道,盆地隆升,形成边缘斜坡是有机质迁移的必要条件。郭家坝组富含有机质的炭质板岩达到生油门限后生成大量的油气,沿着通道侧向迁移进入下伏地层。成矿温度与有机质演化最大温度Tmax大致相同,成矿热流体对有机质演化产生重要作用,热流体温度促使油气裂解,干酪根强烈的芳构化、缩聚,最终形成固体/焦沥青残留下来。

摘要：马元铅锌矿床是扬子板块周缘发现的大型铅锌矿床之一,该矿床类型为密西西比河谷型(MVT)铅锌矿床。角砾状白云岩为主要的富矿岩系,可见脉状、透镜体状矿脉,矿体中富含大量的固体或者焦沥青,沥青为灰黑色,呈球颗状、细(网)脉状、液滴状或不规则状,与铅锌矿石密切共生/伴生在一起。沥青来源为上伏地层下寒武统郭家坝组黑色炭质板岩,构造活动对有机质运移产生重要作用。不同高程和不同形态沥青的反射率大致相同,沥青反射率3.10%~4.71%,平均值为3.93%,有机质达到过成熟阶段,最大古地温(Tmax)261~311℃,平均值288℃。

反射率特征 第2篇

重金属污染水稻的冠层反射光谱特征研究

摘要：利用野外光谱仪获取矿区农田重金属污染水稻的`冠层反射光谱,通过曲线模拟和统计分析提取了与水稻冠层叶片重金属含量变化极显著相关的光谱敏感波段(Pb,460 nm;Zn,560 nm;Cu,660 mm;As,1 100 nm)、归一化植被指数(Pb,NDVI_((510.810));Zn,NDVI_((510.870));Cu,NDVI_((660.870));As,NDVI_((510,810)))和红边位置等水稻冠层反射光谱特征.表明水稻重金属污染可以被地面遥感传感器快速榆测,其浓度变化与所提取的光谱特征之间存在极显著相关,归一化植被指数与红边位置对光谱信息的表达要优于敏感波段.归一化植被指数以及红边位置可以作为水稻重金属污染遥感监测模型的光谱特征参数选择参考.同时,文章提出了利用遥感技术监测水稻重金属污染的光谱临界值概念,并计算出研究中各重金属对应的光谱临界值.Abstract：Because of frequent mining,heavy metals are brought into environment like soils,water and atmosphere,resulting heavy metal contamination in the agricultural region beside mines.Heavy metals contamination causes vegetation stress like destruction of chloroplast structure,chlorophyll content decrease,blunt photosynthesis,etc.Spectral responses to changes in chlorophyll content and photosynthesis make it possible that remote sensing is applied in monitoring heavy metals stress on paddy plants.Field spectroradiometer was used to acquire canopy reflectance spectra of paddy plants contaminated by heavy metals released from local mining.The present study was conducted to(1)investigate discrimination of canopy reflectance spectra of heavy metal polluted and normal paddy plants;(2)extract spectral characteristics of contaminated paddy plants and compare them.By means of correlation analysis,sensitive bands(SB)were firstly picked out from canopy spectra.Secondly,on the basis of these sensitive bands,normalized difference vegetation indices(NDVI)were established,and then red edge position(REP)was extracted from canopy spectra via curve fitting of inverted Gaussian model.As a result of correlation analysis,460,560,660 and 1 100 nm were considered respectively as sensitive band for Pb,Zn,Cu and As concentration in paddy leaves.Furthermore,heavy metal concentrations(Pb,Zn,Cu and As)were significantly correlated with NDVIs(Pb,NDVI_((510,810));Zn,NDVI_((510,870));Cu,NDVI_((660,870));As,NDVI_((510,810)).Heavy metals were also significantly correlated with REP,however,the inflexion termed as spectral critical value(SCV)between low and high heavy metals concentrations should be considered during applying REP in remote sensing monitoring.Moreover,NDVI and REP are much better than SB in terms of capability of expressing spectral information.Therefore,heavy metals contamination in paddy plants can be remotely monitored v/a ground spectroradiometer when NDVI and REP are selected as spectral characteristics. 作者： 任红艳[1]庄大方[2]潘剑君[3]史学正[1]施润和[4]王洪杰[1] Author： REN Hong-yan[1]ZHUANG Da-fang[2]PAN Jian-jun[3]SHI Xue-zheng[1]SHI Run-he[4]WANG Hong-jie[1] 作者单位： 中国科学院南京土壤研究所,土壤与农业可持续发展国家重点实验室,江苏,南京,210008中国科学院资源环境科学数据中心,北京,100101;南京农业大学资源与环境科学学院,江苏,南京,210095南京农业大学资源与环境科学学院,江苏,南京,210095华东师范大学教育部地理信息科学重点实验室,上海,62 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： ,30(2) 分类号： X87 关键词： 重金属 水稻 冠层反射 光谱特征 光谱临界值 Keywords： Heavy metal Paddy Canopy reflectance Spectral characteristics Spectral critical value 机标分类号： S51 X53 机标关键词： 农田重金属污染水稻冠层冠层反射光谱特征研究Heavy MetalsCanopyheavy metalsNDVI归一化植被指数correlation analysischlorophyll contentcanopy spectraremote sensingheavy metal contamination光谱特征参数vegetation indicesagricultural region显著相关敏感波段critical value 基金项目： 国家自然科学基金，中国博士后科学基金

地物反射波谱特征及高光谱成像遥感 第3篇

关键词：地物,反射波谱,高光谱成像,遥感

自1948年原苏联的克里诺夫出版了有关地物波谱特性研究以来,人们开展了大量的地物波谱特性的观测和研究.20世纪60年代美国为发射地球资源卫星曾全面地开展了地物波谱特性研究,20世纪70年代该项研究进入高潮.目前研究的波段基本覆盖了遥感所使用的波段,测量和研究的对象包括了自然界的植被、土壤、岩石、水体和人工建筑等地物.这些研究对认识遥感成像机理、遥感图像解译、遥感仪器最佳探测波段选择和遥感仪器研制等起到了推动作用.随着遥感应用的深入,遥感信息与地物相互作用的研究有了进一步发展;特别是成像光谱仪的应用,不仅显示了地物波谱特性研究的重要性,而且也推动了这一领域的研究.因为它可以获得图谱合一的信息,可以直接将地物波谱特性和遥感图像结合在一起,在图像分析和应用方面都取得了很好的结果.现代遥感技术的发展,不仅延伸了地物的成像波段范围,而且可以在需要的任何波段独立成像或连续成像,提高了地物光谱分辨力,有利于区别各类物质在不同波段的光谱响应特性,突出特定地物反射峰值波长的微小差异.开展地物可见光和近红外反射波谱特征分析研究是对遥感图像进行数据利用和评价的物理基础[1].

1 地物的反射类别及反射特性曲线

地物波谱特性是电磁辐射与地物相互作用的一种表现,可见光和近红外波段主要表现地物反射作用和地物的吸收作用.因此,地物反射波谱特征也就是指地物可见光和近红外波段波谱特征.

根据地表目标物体表面性质的不同,物体反射大体上可以分为3种类型,即镜面反射、漫反射、方向反射(实际物体的反射).

镜面反射是指物体的反射满足反射定律.当发生镜面反射时,对于不透明物体,其反射能量等于入射能量减去物体吸收的能量.自然界中真正的镜面很少,非常平静的水面可以近似认为是镜面.

漫反射,如果入射电磁波波长λ不变,表面粗糙度h逐渐增加,直到h与λ同数量级,这时整个表面均匀反射入射电磁波,入射到此表面的电磁辐射按照朗伯余弦定律反射,其反射辐照亮度是一个常数,这种反射面又叫朗伯面. 实际地物表面由于地形起伏,在某个方向上反射最强烈,称为方向反射,是介于镜面和朗伯面(漫反射)之间的一种反射.自然界中绝大多数地物的反射都属于这种类型的反射,又叫非朗伯面反射.它发生在地物粗糙度继续增大的情况下,反射具有各向异性,即实际物体面在有入射波时各个方向都有反射能量,但大小不同.

从空间对地面观察时,对于平面地区,并且地面物体均匀分布,可以看成漫反射;对于地形起伏和地面结构复杂的地区,为方向反射.图1示出了3种反射的情况.

反射率是物体的反射辐射通量与入射辐射通量之比,ρ=Er/E,这个反射率是在理想漫反射体的情况下,整个电磁波长的反射率.实际上由于物体固有的结构特点,对于不同波长的电磁波会产生有选择的反射,例如绿色植物的叶子由于表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织构成,如图2所示.入射到叶子上的太阳辐射透过上表皮,蓝、红光辐射能被叶绿素吸收进行光合作用;绿光也吸收了一大部分,但仍反射一部分,所以叶子呈现绿色;而近红外线可以穿透叶绿素,被多孔薄壁细胞组织所反射.因此,在近红外波段上形成强反射.

反射波谱是某物体的反射率(或反射辐射能)随波长变化的规律,以波长为横坐标,反射率为纵坐标所得的曲线即称为该物体的反射波谱特性曲线,光谱反射率undefined.物体的反射波谱的特征主要取决于该物体与入射辐射相互作用的波长选择,即对入射辐射的反射、吸收和透射的选择性,其中反射作用是主要的.物体对入射辐射的选择性作用受物体的组成成分、结构、表面状态以及物体所处环境的控制和影响.

在漫反射的情况下,组成成分和结构是控制因素.如图3所示为4种地物的反射光谱特性曲线.从图3中曲线可以看到,雪的反射光谱与太阳光谱最相似,在蓝光0.49 μm附近有个波峰,随着波长增加反射率逐渐降低.沙漠的反射率在橙色0.6 μm附近有峰值,但在长波范围里比雪的反射率要高.湿地的反射率较低,色调发暗灰.小麦叶子的反射光谱与太阳的光谱有很大差别,在绿波处有个反射波峰,在红外部分0.7～0.9 μm附近有一个强峰值.

各种物体,由于其结构和组成成分不同,反射特性曲线的形状是不一样的,即便是在某波段相似,甚至一样,但在另外的波段还是有很大的区别的.例如图4所示的柑桔、番茄、玉米、棉花4种地物的反射特性曲线,在0.6～0.7 μm之间很相似,而其他波长(例如0.75～2.5 μm波段之间)的光谱反射特性曲线形状则不同,有很大差别.

2 常见的几种地物类型波谱特征

2.1 植被的反射波谱特性

由于植物均进行光合作用,所以各类绿色植物具有很相似的反射波谱特性,其特征是:在可见光波段0.55 μm(绿光)附近有反射率为10%～20%的一个波峰,两侧0.45 μm(蓝)和0.67 μm(红)则有2个吸收带.这一特征是由于叶绿素的影响造成的,叶绿素对蓝光和红光吸收作用强,而对绿色反射作用强.在近红外波段0.8 ～1.0 μm间有一个反射的陡坡,至1.1 μm附近有一峰值,形成植被的独有特征.这是由于植被叶的细胞结构的影响,除了吸收和透射的部分,形成的高反射率.

在中红外波段1.3～2.5 μm,以1.45、1.95 μm和2.7 μm为中心是水的吸收带,受到绿色植物含水量的影响,吸收率大增,反射率下降,形成低谷.而1.5～1.9 μm 光谱区反射率增大.绿色植物反射波谱曲线如图5所示[2].

植物波谱在上述基本特征下仍有细部差别,这种差别与植物种类、季节、病虫害影响、含水量多少有关系,如图6所示3种类型树木的光谱曲线比较.

2.2 土壤的反射波谱特性

自然状态下土壤表面的反射率没有明显的峰值和谷值,一般来讲土壤的光谱特性曲线与以下一些因素有关,即:土壤类别、含水量、有机质含量、砂、土壤表面的粗糙度、粉砂相对百分含量等.

土壤含水量增加,土壤的反射率就会下降,在水的各个吸收带(1.4 、1.9 、2.7 μm处附近区间),反射率的下降尤为明显.此外肥力也对反射率有一定的影响.由图7可以看出,土壤反射波谱特性曲线较平滑,因此在不同光谱段的遥感影像上,土壤的亮度区别不明显[2].

2.3 水体的反射波谱特性

水体对0.45～0.56 μm蓝绿光波段透射能力较强,一般深度可达10～20 m,清澈水体可达100 m的深度.同时,水体的反射也主要在蓝绿光波段,其他波段吸收率很强,特别在近红外、中红外波段有很强的吸收带,反射率几乎为零,因此在遥感中常用近红外波段确定水体的位置和轮廓,在此波段的黑白正片上,水体的色调很黑,与周围的植被和土壤有明显的反差,很容易识别和判读.但是当水中含有其他物质时,反射光谱曲线会发生变化.水含泥沙时,由于泥沙的散射作用,可见光波段发射率会增加,峰值出现在黄红区.如图8所示水中含有叶绿素时,近红外波段明显抬高,这些都是影像分析的重要依据.

2.4 岩石的反射波谱特性

岩石的反射波谱主要由矿物成分、矿物含量、物质结构等决定.影响岩石矿物波谱曲线的因素包括岩石风化程度、岩石含水状况、矿物颗粒大小、岩石表面光滑程度、岩石色泽等.几种岩石的反射波谱曲线如图9所示.在遥感探测中一般根据所测岩石的具体情况选择不同的波段.

2.5 城市道路、建筑物的反射波谱特性

在城市遥感影像中,通常只能看到建筑物的顶部或部分建筑物的侧面,特别是建筑材料所构成的屋顶.从图10中可以看出,铁皮屋顶表面成灰色,反射率较低而且起伏小,所以曲线较平坦.石棉瓦反射率最高,沥青粘砂屋顶,由于其表面铺着反射率较高的砂石而决定了其反射率高于灰色的水泥平顶.绿色塑料棚顶的波谱曲线在绿波段处有一反射峰值,与植被相似,但它在近红外波段处没有反射峰值,有别于植被的反射波谱.军事遥感中常用近红外波段区分在绿色波段中不能区分的绿色植被和绿色的军事目标.

城市中道路的主要铺面材料为水泥沙地和沥青两大类,少量部分有褐色地,如图11所示,它们的反射波谱特性曲线形状大体相似,水泥沙路在干爽状态下呈灰白色,反射率最高,沥青路反射率最低.

3 影响地物光谱反射特性变化的因素

有很多因素会引起反射率的变化,如:太阳位置、传感器位置、地理位置、地形、季节、气候变化、地面湿度变化、地物本身的变异、大气状况等.

太阳位置主要是指太阳高度角和方位角,如果太阳高度角和方位角不同,则地面物体入射照度也就发生变化.为了减小这2个因素对反射率变化的影响,遥感卫星轨道大多设计在同一地方时间通过当地上空,但由于季节的变化和当地经纬度的变化,造成太阳高度角和方位角的变化是不可避免的.传感器位置指传感器的观测角和方位角,一般空间遥感用的传感器大部分设计成垂直指向地面,这样影响较小,但由于卫星姿态引起的传感器指向偏离垂直方向,仍会造成反射率变化.

处在不同地理区域的同种地物具有不同的光谱效应,称之为空间效应.除不同地理区域地物本身的变异因素外,不同的地理位置,太阳高度角和方位角、地理景观等都会引起反射率变化,还有海拔高度不同,大气透明度改变也会造成反射率变化.

同一地物的反射波谱特性一般随时间季节变化,称之为时间效应,如图12所示的新雪和陈雪反射特性曲线等.即使在很短的时间内,由于各种随机因素的影响(包括外界的随机因素和仪器的响应偏差)也会引起反射率的变化.这种随机因素的影响还表现在同一幅影像中,但是这种因素的影像引起的光谱反射率变化,将在某一个区间中出现,如图13示出了大豆反射率变化的区间.图14所示,同一春小麦在花期、灌浆期、乳熟期、黄叶期的光谱测试所得的结果.可以看出,花期的春小麦反射率明显高于灌浆期和乳熟期.至于黄叶期,由于不具备绿色植物特征,其反射光谱近似于一条斜线.这是因为黄叶的水含量降低,导致在1.45、1.95、2.7 μm附近3个水吸收带的减弱.当叶片有病虫害时,将使反射率发生较大变化,也有与黄叶期类似的反射率.

4 地物反射波谱与高光谱成像

地物的波谱特征是遥感识别地物的重要依据,尤其是针对未来航空航天遥感中的成像波谱仪的重要性更加突出.因此开展各种地物的波谱特征测定和研究,不仅是遥感的基础性工作,而且是遥感应用研究中一个重要的内容.美国NASA 于19世纪70 年代初就初步建立了地球资源信息系统,包括植被、土壤、岩石和水体等2 000 余种地物的实验室反射波谱数据.从19世纪80 年代,我国许多遥感科学研究部门相继建立了10余个地物波谱库,在我国不同的遥感发展时期都起到了积极的推动作用.

现代遥感技术的发展,使得地物的成像范围不仅延伸到人们不可见的紫外和红外波长区,而且可以在需要的任何波段独立成像或连续成像.高光谱遥感的光谱分辨率高于百分之一波长达到纳米(nm)数量级,其光谱通道数多达数十甚至数百,使得遥感的波段宽度从早期的0.4 μm(黑白摄影)、0.1 μm(多光谱扫描)到5 nm(成像光谱仪).遥感器波段宽度窄化,针对性更强,可以突出特定地物反射峰值波长的微小差异;同时,成像光谱仪等的应用,提高了地物光谱分辨力,有利于区别各类物质在不同波段的光谱响应特性.如图15所示成像光谱仪的数据特点[3].

1983年,世界第一台成像光谱仪AIS-1在美国研制成功,并在矿物填图、植被生化特征等研究方面取得了成功,初显了高光谱遥感的魅力.此后,许多国家先后研制了多种类型的航空成像光谱仪.如美国的AVIRIS、DAIS,加拿大的FLI、CASI,德国的ROSIS,澳大利亚的HyMap等.在经过航空试验和成功运行应用之后,19世纪90年代末期终于迎来了高光谱遥感的航天发展.1999年美国地球观测计划(EOS)的Terra综合平台上的中分辨率成像光谱仪(MODIS)、号称新千年计划第一星的EO-1,欧洲环境卫星(ENVISAT)上的MERIS,以及欧洲的CHRIS卫星相继升空,宣告了航天高光谱时代的来临.中国也自行研制了更为先进的推帚式成像光谱仪(PHI),其在可见光到近红外光谱区具有244个波段,光谱分辨率优于5 nm.新的成像光谱系统不仅继续在地质和固体地球领域研究中发挥作用,而且在生物地球化学效应研究、农作物和植被的精细分类、城市地物甚至建筑材料的分类和识别方面都有很好的结果.

高光谱成像技术是将由物质成分决定的地物光谱与反映地物存在格局的空间影像有机地结合起来,对空间影像的每一个像素都可赋予对它本身具有特征的光谱信息.高光谱图像的分类和识别,主要是基于地物光谱特征的分类识别和基于统计的分类识别2种方法.其中基于地物光谱特征的分类识别,是利用光谱库中已知的光谱数据,采用匹配算法来鉴别和识别图像中地物类型.这种方法既可采用全波长的比较和匹配,也可用感兴趣的光谱特征或部分波长的光谱或光谱组合参量进行匹配,达到分类和识别的目的.

5 结 束 语

20多年来,高光谱遥感已发展成一个颇具特色的前沿技术,并孕育形成了一门成像光谱学的新兴学科门类.它的出现和发展将人们通过遥感技术观测和认识事物的能力带入了又一次飞跃,续写和完善了光学遥感从全色经多光谱到高光谱的全部影像信息链.由于高光谱遥感影像提供了更为丰富的地球表面信息,其应用领域已涵盖地球科学的各个方面,在地质找矿和制图、大气和环境监测、农业和森林调查、海洋生物和物理研究等领域发挥着越来越重要的作用.地物目标反射波谱特征分析研究,除了可以提供遥感图像设计与成像依据外,还可为农业生产、资源调整、灾害预报与评估、工程建设、环境监测、城市发展等提供更加快速可靠的信息服务和辅助决策,因此,蕴含着巨大的经济效益和社会效益.

参考文献

[1]浦瑞良.高光谱遥感及其应用[M].北京:高等教育出版社,2000.

[2]贾海峰,刘雪华.环境遥感原理与应用[M].北京:清华大学出版社,2006.

反射和反射弧 第4篇

布置任务 当你的手指无意间碰到灼热的物体时，会立即缩回手臂，这一反应使你及时避开了造成伤害性刺激的物体。人体通过神经系统对刺激做出的规律性反应，叫做反射上述反应就是一个具体的反射过程，可叫做‘缩手反射”。

第2节            反射和反射弧

反射是神经活动的基本方式

完成某一反射过程的结构，叫做反射弧。每一反射弧都由五个部分组成：感受器、传入神经元、神经中枢、传出神经元效应器。感受器受到刺激后即产生冲动，由传入神经元将冲动传导到神经中枢（如缩手反射的感受器就在受刺激部位的皮肤里; 神经中枢再发出冲动，由传出神经元将冲动传达到效应器，使效应器作出反应（如缩手反射的效应器就是手臂相应的肌肉）。神经中枢则是反射弧位于中枢神经内的有关联系结构。这种联系结构大多要在传人与传出神经元之间加入若干“中间神经元”来联络，但也有的反射弧神经中枢上没有中间神经元，只是借传入神经元轴突末端与传出神经元树突或胞体来联系，例如，“膝反射’就是这种“两神经元反射”。

反射除了能通过骨骼肌运动对刺激作出反应之外，还能够通过平滑肌和腺体的活动来调节相应内脏器官的功能状态。例如当膀胱内尿液积累达到一定量时，会使膀胱壁内感受器感受到刺激，进而通过神经调节使膀胱壁平滑肌收缩、尿道内四周围控制尿道开放的肌肉舒张，尿液就从膀胱经尿道排出体外，这叫做排尿反射。又如，当口腔内一些感受器受到食物等造成的刺激时，也会通过神经调节使唾液腺分泌唾液，这称为唾液分泌反射。总之，神经系统就是通过每一个具体的反射活动来实现其调节功能的，反射是神经调节的基本方式。

反射可分为非条件反射和条件反射

非条件反射是生来就已建立的先天性反射。引起非条件反射的刺激称为非条件刺激。例如，由于食物等刺激直接作用于口腔黏膜上的感受器，引起唾液分泌反射，就属于非条件反射。条件反射是在出生以后个体生活中逐渐形成的后天性反射。引起条件反射的刺激叫做条件刺激。像经过训练后，狗能对铃声做出分泌唾液的反应，这就属于条件反射，此时的铃声就是条件刺激。

如果要使已经建立的条件反射长时间保持下去，还需要经常使非条件刺激与之结合。否则，已建条件反射将逐渐减弱。甚至消失。当然，条件反射还可以改建或

重建。这些都说明。条件反射不像非条件反射那么固定，而是有着相当的“可塑性，这些特点对于人或动物适应环境的能力来说，显然要比非条件反射有着更为积极的意义。

条件反射的神经中枢远比一段非条件反射的要复杂。进一步的实验研究还证明，人和高等动物的许多非条件反射在大脑皮层以下（脑干或脊髓）的各个中枢即可完成，而条件反射则一般要在神经系统的最高级中枢—大脑皮层参与下才能实现。

边、曹台潜山储层地震反射特征研究 第5篇

1 区域地质概况

边、曹台潜山位于渤海湾盆地辽河坳陷大民屯凹陷东北部的法哈牛潜山带。潜山地层由太古宇鞍山群变质岩组成, 后期受郯庐断裂影响使基底向西逆冲, 分别形成边台潜山带和曹台潜山带[3]。

深大断裂将潜山横向上分割成多个山头, 并进一步碎裂形成多个复杂断块。广泛发育的下第三系暗色泥岩提供优良的油源条件。早期断层对油气的运移起到通道作用, 晚期断层对油气造成封闭作用并控制潜山含油边界。外动力地质作用使潜山形成多种储集空间类型, 主要为裂缝和孔隙两大类, 以裂缝性储层为主。

2 储层特征

2.1 储层岩石类型

变质岩原生孔隙不发育, 但经过改造能形成裂缝等次生孔隙而成为储集岩。岩石力学实验结果表明, 裂缝发育与角闪石、黑云母等暗色矿物含量的多少有关。随着暗色矿物含量减少及石英、长石等浅色矿物含量的增加, 岩石裂缝密度增大, 孔隙度增大, 形成储层的潜力更大[4]。因此, 边、曹台潜山变质岩中储层岩石类型主要为浅色矿物含量较高的浅粒岩类、混合岩类以及片麻岩类。

2.2 储集空间

潜山储集空间分为孔隙型和裂隙型两大类。孔隙型分为变晶间孔、溶蚀孔隙、破碎粒间孔隙三类;缝隙型分为构造缝、溶解缝、张开的节理缝三类。其中构造裂缝、破碎粒间孔和溶蚀成因的孔、缝为该区主要的储集空间。

3 地震反射特征

3.1 储层精细标定

众所周知, 地震反射波中包含着地质体的多种信息, 地震反射波的不同响应往往对应地质体岩性、含油气性等参数的变化。标定中, 将完钻井的岩性数据和测井解释数据进行数字化处理, 加载到landmark软件中, 在合成记录的面板里显示。通过反射系数贡献值面板可以清楚的观察不同岩性段和储层所引起的反射系数异常, 及对反射同相轴的贡献程度, 从而更好的建立地质体与地震反射之间的联系。

3.2 地震反射特征

潜山内幕油藏认识目前是世界性的课题。本文依托辽河油田丰富的潜山油藏和高品质的地震资料, 对边、曹台潜山储层地震反射特征进行了探索研究。

3.2.1 潜山顶面地震反射波组特征

潜山岩性结构的不同造成地震剖面上反映出多样的波组反射特征。边台地区的北部潜山地层上覆火山岩。火山岩厚薄分布不均, 对下覆地层造成屏蔽, 使边台北部潜山顶部地层反射品质差, 呈亚平行、较差连续、中低频、弱振幅反射特征。而边台南部反射相对较清楚, 呈平行、较高连续、中低频、弱振幅反射特征。

曹台潜山南部构造上位于相对稳定的台阶, 潜山顶界地震反射稳定性好, 呈平行、连续、中低频、强振幅反射特征。北部构造活动强烈, 断裂发育规模大, 期次复杂, 潜山顶界反射品质相对较差, 呈亚平行、差连续、中高频、弱振幅反射特征。整体上潜山顶界地层易于识别、追踪。

3.2.2 潜山内部地震反射波组特征

地震资料显示潜山内部反射整体比较杂乱。边台潜山顶部以空白反射及弱反射为主, 下部反射同相轴层次增多, 连续性较差, 且伴随有变形、错断现象。曹台地区潜山内部主要呈亚连续、中高频、中振幅反射特征。以曹18井南部断层为界, 地震属性南、北差异较大, 南部反射层次杂乱, 北部含油区显示频率相对较低, 而潜山带东西反射特征基本一致。

3.3 油井产能与地震反射的关系

统计研究区内40口产能井, 将生产井段及产能资料标定到震剖面上, 建立产能大小与地震有无强反射的对应关系, 试图分析产能与地震反射的相关性。观察得出:

(1) 高产井30口, 有8口井在地震上无强反射;低产井10口, 有4口井在地震上无强反射。

反映出高产井在地震剖面上, 一般为强反射特征, 低产井在地震剖面上, 一般为弱反射或空白反射特征。该特征的资料吻合率为70%。

(2) 同相轴有错段、不连续或变形产量更高, 表明潜山内部断裂复杂, 储层裂缝发育。

4 部署效果

在综合地质研究基础之上, 通过潜山内幕岩性储层标定与地震反射特征研究, 对该区潜山油藏进行评价, 于2012年部署水平井10口, 目前已完钻8口导眼井, 油气显示率为100%。

依据高产井段的地震反射特征统计规律, 优选完钻井测井解释油层发育段, 指导部署水平井段, 取得较好效果。其中曹623H井, 曹625H井, 曹626H水平段均在同相轴有明显错段处, 单井最高日产油达28吨, 是同区块直井产量的3倍, 为该区顺利上报2600万吨新增探明石油地质储量提供了有力的依据。

5 结束语

通过研究得出以下几点认识:

(1) 不同岩石类型的潜山, 其储集含油性能不同。随着暗色矿物含量的减少, 浅色矿物含量的增加, 岩石形成裂缝潜力增加, 储层含油性变好。潜山储集空间分为孔隙型和缝隙型两大类, 以构造裂缝、破碎粒间孔和溶蚀成因的孔、缝为主。

(2) 裂缝发育程度及储层含油性的差异造成地震资料的不同响应特征。高产井段在地震剖面上一般为强反射特征, 低产井一般为弱反射或空白反射特征;同相轴有错段、不连续或变形现象, 储层裂缝发育, 产能高。

(3) 在高品质地震资料的支持下, 潜山储层精细标定技术与地震反射特征研究在井位部署、储量上报中发挥着十分重要的作用。

参考文献

[1]张方礼, 李晓光, 陈振岩.辽河油田勘探开发研究院优秀论文集[M].北京:石油工业出版社, 2006:20-22[1]张方礼, 李晓光, 陈振岩.辽河油田勘探开发研究院优秀论文集[M].北京:石油工业出版社, 2006:20-22

[2]邢志贵, 朱长山, 阎凤琴, 等.辽河坳陷变质岩及火山岩油气储层图册[M].辽宁沈阳:辽宁科学技术出版社, 1991:18-152[2]邢志贵, 朱长山, 阎凤琴, 等.辽河坳陷变质岩及火山岩油气储层图册[M].辽宁沈阳:辽宁科学技术出版社, 1991:18-152

[3]马玉龙, 牛仲仁.辽河油区勘探与开发[M].北京:石油工业出版社, 1997:118-129[3]马玉龙, 牛仲仁.辽河油区勘探与开发[M].北京:石油工业出版社, 1997:118-129

反射率特征 第6篇

高压水射流技术是近些年迅速发展起来的一项新技术, 适合在易燃易爆的危险环境中进行作业, 作为目前唯一的一种冷切割加工手段, 在切割地雷方面有它独特的优势。为了对其功能进行完善, 本文提出一种利用高压水射流探测地雷的方法。高压水射流在探测冲击靶物时存在的反馈环会导致流场的自激振荡和离散频率的噪声, 即冲击单音 (靶物反射声) [1,2], 这主要与靶物本身的特性有关。高压水射流冲击时还会扰动空气介质产生噪声, 这与高压水射流本身有关。在确定高压水射流自身特性的情况下, 利用高压水射流技术进行探雷, 采用的是高压水射流冲击靶物时产生的冲击单音, 而且随着冲击靶物的不同, 噪声中所包含的特征也会发生变化, 因此, 可以将该特性用于对某些特殊靶物的探测, 如地雷。由靶物反射声的形成机理可知, 靶物反射声信号是非平稳性复杂信号, 因此, 在强噪声背景下, 研究有效的特征提取方法就成为应用高压水射流探测靶物的关键。

由于语音信号与靶物反射声信号之间存在一定的相似性, 可以从语音信号识别中借鉴方法。语音信号识别常用的特征参数有线性预测系数、线性预测倒谱系数和Mel频率倒谱系数[3]等。Mel频率倒谱系数因能够精细地模拟人耳的听觉特性而得到广泛应用, 但Mel频率倒谱系数在高频部分的细节分辨能力存在欠缺, 因而这种方法也有不足之处。小波包变换[4,5,6,7]是对信号进行多层次划分, 与小波变换相比, 其对信号的高频部分做了进一步的细分。小波包变换具有较高的时频分辨率, 而且其变换特性类似于人耳耳蜗的频率响应特性。但在利用小波包变换对原始靶物反射声信号进行特征提取时, 是对原始信号整个频段进行平均划分, 这样就使得其在低频部分的人耳听觉特性下降。本文根据靶物反射声信号的特点, 对地雷探测过程中常见的地雷、石块、砖块和木块进行探测, 采用基于Mel频率倒谱和小波包变换倒谱特征融合的特征提取方法提取2种单一特征系数线性合并成一组新的特征向量, 并输入到基于最小二乘支持向量机 (LS-SVM) [8,9]所建立的一对多分类模型进行识别。

1 基本原理

1.1 Mel频率倒谱系数

由参考文献[1-2]介绍的反馈声形成机理可知, 高压水射流靶物反射声信号属于非平稳性复杂信号, 要想用该信号来有效识别靶物材质, 必须有适合于该信号特点的特征提取方法, 以获得足够反映该信号的细节特征。Mel频率倒谱系数在声音特征提取中有着广泛的应用, 其根据外来不同频率声音会引起人内耳基础膜不同位置振动的原理, 引入了能够反映人听觉感知特性的Mel频率滤波器组。它将人耳的非线性听觉感知特性和声音的产生机制相结合, 以较低的谱向量维数反映人类听觉系统对语音的幅频感知特性, 更精细地模拟了人耳对信号频域信息的分析功能, 在噪声环境下表现出较强的鲁棒性。因此, 本文将Mel频率倒谱系数作为特征之一进行提取, 其计算过程如下。

(1) 对输入的反射声信号进行分帧 (每帧为512个数据点, 帧移为160个数据点) 和加窗处理, 设帧信号为x (n) , 窗函数为ω (n) , 得到短时信号:

式中:N为窗函数中的数据点数。

目前常用的窗函数为Hamming窗:

(2) 进行FFT (Fast Fourier Transform, 快速傅里叶变换) 将y (n) 转换成频域信号y (m) , 计算频谱幅度的平方得到短时能量谱w (m) 。

(3) 用式 (3) 将w (m) 由频率轴转换到Mel频率尺度:

式中:f为实际频率。

(4) 将M个通道的三角形滤波器组加到Mel坐标上, 根据反射声信号幅度谱y (n) 求得第k个三角形滤波器的输出为

式中:o (l) , c (l) , h (l) 分别为第l个三角形滤波器的下限、中心和上限频率, 它们之间的关系为

(5) 对所有滤波器输出求对数得到对数功率谱, 再经过DCT (Discrete Cosine Transform, 离散余弦变换) , 得到L个Mel频率倒谱系数:

(6) 对输出的L阶Mel倒谱系数进行归一化处理:

1.2 小波包变换倒谱系数

小波包变换是多分辨分析的推广, 其兼顾了小波变换的各项优点, 能够为信号提供一种更为精细的分析方法, 并能够根据被分析信号的特征, 自适应地选择相应频带, 使之与信号频谱相匹配。它同时对信号的低频和高频部分进行多层次划分, 将信号按任意的时频分辨率分解到不同的频带上, 而且小波包变换在各频段的恒品质因数特性与人耳听觉对信号的加工特点一致。本文利用小波包变换对原始靶物反射声信号进行分解和重构, 提取每一层重构信号的倒谱系数组成特征向量。其具体计算过程如下。

(1) 对输入的原始反射声信号进行分帧 (每帧512个数据点, 帧移为160个数据点) 、加窗处理得到短时信号f (x) , x=0, 1, , n;再进行N层小波包分解和重构, 得到2N个子频带反射声信号。

(2) 对各子频带信号进行FFT变换, 将其转换成频域信号, 计算频谱幅度的平方, 得到短时能量谱。

(3) 由于每个子频带中分量的作用在人耳中是叠加的, 所以, 将每个子频带内的能量进行叠加, 得到第i个子频带的输出功率谱x′ (i) 。

(4) 对每个子频带的输出求对数, 得到对数功率谱, 再经过DCT变换到倒谱域, 即可得到小波包变换倒谱系数 (Wavelet Package Cepstrum Coefficients, WPCC) :

式中:m为WPCC的个数, m=1, 2, , 2N。

(5) 对输出的m阶WPCC进行归一化处理:

1.3 Mel频率倒谱与小波包变换倒谱特征融合

由于在实际探测过程中靶物材质的种类多, 不同材质的靶物反射声信号所具有的特征频率段的分布也不同。在单独采取Mel频带划分时, 因其对原始信号的低频区域 (300~1 000 Hz) 特别关注[6], 所以给予了较大的权值。然而对于靶物反射声而言, 这种放置滤波器的方法存在问题, 有可能会出现在原始信号的噪声频段权值过大, 而在主要特征信息集中的频段权值较小, 这样就减弱了其提取有用特征的能力, 从而影响利用该特征参数进行识别的性能。

针对上述问题, 本文结合上述2种特征提取方法的优势, 提出了基于Mel频率倒谱与小波包变换倒谱特征融合的特征提取方法:利用小波包先将原始的靶物反射声信号划分为区分度较大的低频和高频两部分, 低频段提取Mel频率倒谱系数作为特征值, 高频段则用小波包进行细分, 计算获得WPCC特征值, 将2组特征值重新组合成一组新特征向量, 并将特征向量输入分类器进行识别。组合后的新特征向量为

2 实验验证与结果分析

为了验证基于Mel频率倒谱与小波包变换倒谱特征融合的特征提取方法在高压水射流靶物材质识别中的实际效果, 设计了一套用于模拟高压水射流探测靶物材质的实验装置。实验装置由前混合磨料射流设备、ZL-301声音传感器、前置信号调理器、数据采集卡和计算机组成。根据参考文献[10]中的优化结果选取各参数:喷嘴直径为0.6mm, 射流压力为 (7.5±0.5) MPa, 靶距为150mm, 入射角为90°, 探测速度约为100 mm/s, 采样率为15kHz。选择地雷探测过程中常见的砖块、木块、石块和地雷 (模拟塑料) 4种靶物进行验证实验。

具体实验步骤如下。

(1) 将4种靶物分别放置于水射流装置平台进行模拟探测实验, 采集到4组原始靶物反射声信号, 信号波形如图1所示。分别提取每组靶物反射声信号的7 200个数据点并分为20个样本, 进行特征值提取后, 将数据用于训练基于LS-SVM的一对多分类模型。同样再对4种靶物进行一次模拟探测, 得到4组原始靶物反射声信号, 每组分别选取28 320个数据, 分为80个样本, 提取特征值后作为测试样本输入基于LS-SVM的一对多分类模型进行实验验证。

(2) 利用步骤 (1) 中获得的训练与测试样本, 分别利用Mel倒谱特征和小波包变换倒谱特征提取方法提取特征值。选取Mel频率倒谱系数输出个数为16, 滤波器组个数为24;WPCC输出个数为16, 分解层数为4;用2种特征提取方法得到的特征向量都为16维特征向量。将获得的训练用和测试用特征样本向量输入到基于LS-SVM的分类模型进行训练与测试, 测试结果见表1。

由表1可知, 利用Mel频率倒谱系数和WPCC单一特征作为特征向量时, 平均识别率分别为72.5%和75%。靶物石块的识别率相对另外3种靶物的识别率较低。

%

(3) 利用小波包变换将步骤 (1) 中获得的原始靶物反射声信号分解为2M个子频带, 综合考虑靶物材质的识别率和算法的实时性, 选取M=5。选取前X层作为低频部分, 后面的32-X层作为高频部分。重构低频部分信号并提取Mel频率倒谱系数作为特征值。为了与单一特征向量在同一维数有可比性, 选取Mel倒谱系数的个数为8, 滤波器组个数为24。重构高频部分信号后提取WPCC作为特征值, 取WPCC个数为8, 小波包分解层数为3, 然后将2组特征值按式 (11) 线性合并, 得到一组新的16维特征向量。选取X为不同值, 同样利用步骤 (1) 中的训练和测试样本提取该组合特征值, 输入到基于LS-SVM的一对多分类模型进行训练和测试, 结果见表2。

由表2可知, 利用小波包变换将原始靶物反射声信号划分为32个频率层, 在选取的低频部分的层数X值不同时, 靶物材质的识别率也有很大不同, 当X=20时4种靶物的平均识别率最高。

3 结论

(1) 利用Mel频率倒谱与小波包变换倒谱特征融合的特征提取方法, 可以在小样本的情况下对靶物反射声信号的特征值进行有效提取, 实验结果显示, 基于特征融合的特征提取方法较单一的特征提取方法的平均识别率分别高出10.312 5%, 7.812 5%。

(2) 在对原始靶物反射声信号进行高低频区间划分时, 低频部分的层数X选取不同值时, 利用基于特征融合的特征提取方法获得的识别率不同, 当X=20时平均识别率达到最高, 为82.812 5%。

参考文献

[1]POWELL H B.The sound-producing oscillations of round under expanded jets impinging on normal plates[J].Accoust Soc Am, 1988, 83 (2) :515-533.

[2]POWELL H B.Experiments concerning tones produced by axisymmetric choked jet impinging on flat plates[J].Sound Vib, 1993, 168 (2) :307-326.

[3]韩纪庆, 张磊, 郑铁然.语音信号处理[M].北京:清华大学出版社, 2004:85-86.

[4]黄博, 高勇.基于倒谱特征和小波包特征熵的直升机声目标识别[J].探测与控制学报, 2007, 29 (6) :15-18.

[5]王艳, 李智.基于最佳小波包基的边海防声目标识别[J].四川大学学报:工程科学版, 2011, 43 (增刊1) :151-154.

[6]杨洪涛, 王从东, 张东速, 等.高压水射流反馈声信号特征值提取方法的研究[J].中国机械工程, 2010, 21 (20) :2434-2437.

[7]AVCI E, AKPOLAT Z H.Speech recognition using a wavelet packet adaptive network based fuzzy inference system[J].Expert Systems with Applications, 2006, 31 (3) :495-503.

[8]SUYKENS J A K, DE BRABANTER J, LUKAS L, et al.Weighted least squares support vector machines:robustness and sparse approximation[J].Neurocomputing, 2002, 48 (1-4) :85-105.

[9]RIFKIN R, MUKHERJEE S, TAMAYO P, et al.An analytical method for multiclass molecular cancer classification[J].SIAM Review, 2003, 45:706-723.