基于改进CEEMD和多域特征融合的1D-CNN降雹量级识别算法

来源：电子测量技术杂志2022年第17期北京时间：

作者：李 鹏，杨山山，徐文校，陈守静，于心远，徐永杰

单位：1.南京信息工程大学，江苏省气象探测与信息处理重点实验室，南京 210044; 2.南京信息工程大学，江苏省大气环境与装备技术协同创新中心，南京 210044; 3.无锡学院，无锡 214105

摘要：为便于分析冰雹对社会生产造成的灾害影响，需要对降雹量级进行分类统计，对降雹量级进行定量分析，不仅可以为灾害评估提供依据，还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解（CEEMD）重构算法，重构后的信号最大程度地保持原有时域特征，也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型，将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入，在中间层进行特征拼接，最后输出分类器，结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%，相比于原始数据与传统1D-CNN模型识别率提高了8.75%。

关键词：降雹量级;互补集合经验模态分解;特征提取;1D-CNN

基金资助：江苏省重点研发计划社会发展项目（BE2015692）、江苏省第11届六大高峰人才项目（2014- XXRJ-006）、无锡市社会发展科技示范工程项目（N20191008）资助