基于PCA-RF算法的大数干扰信号识别

针对瓦斯传感器在信号采集与传输时易受到大数干扰的问题,在实验模拟大数干扰的条件下,提出基于PCA-RF算法的大数干扰信号识别模型。对信号进行窗口化采样获得信号样本,对瓦斯突出信号和大数干扰信号进行时域特征分析并提取6个时域特征;用主成分分析法(PCA)对原始数据降维,选择累计贡献率最高的前3个主成分作为新的特征输入到随机森林(RF)算法中,以达到识别大数干扰信号的目的。结果表明:经主成分分析法降维后的随机森林(PCA-RF)可以有效识别大数干扰信号,与单一的RF算法、KNN算法相比,PCA-RF的准确度分别提高了4.6%、9.1%,与BP神经网络和SVM相比,准确度分别提高了18.2%、4.6%,PCA-RF的识别效果较好。