江苏大学学报(自然科学版)

作者：高向上1，杨卫东1,2,3，沈二波1

单位：1. 河南工业大学 信息科学与工程学院， 河南 郑州 450001； 2. 河南工业大学 河南省粮食光电探测与控制重点实验室， 河南 郑州 450001； 3. 河南工业大学 粮食信息处理与控制教育部重点实验室， 河南 郑州 450001）<br />

关键词：&nbsp;粮食水分,信道状态信息,小型化,振幅,宽度学习系统

基金：河南省自然科学杰出青年基金资助项目（222300420004）； 国家自然科学基金资助项目（62172141，61772173）； 河南省重大公益专项（201300210100）； 河南省留学人员科研择优项目（21240003）<br />

为实现粮食水分的低成本快速准确测量，将小型化的信道状态信息(channel state information，CSI)采集设备用于粮食水分检测，采用随机森林和主成分分析两种特征选择算法对CSI的振幅指标进行特征子载波提取，基于选择的特征子载波对10种粮食水分进行分类，考虑到之后其移动化场景中的应用受限于功耗以及算力，选取结构较为简洁、运算速度较快、算力要求不高的宽度学习系统(broad learning system，BLS)应用于CSI数据的处理，同时与传统的卷积神经网络(convolutional neural network，CNN)在精确度和训练时间两个方面进行对比，最后动态地增加宽度学习系统的增强节点.试验结果表明：主成分分析（principal component analysis,PCA）算法最大限度地消除了CSI数据中的冗余信息，BLS相较于卷积神经网络不仅获得了更快的速度而且在准确率方面也优于CNN算法，因此PCA-BLS组合获得了最佳的分类效果；增加增强节点的数量后，训练时间虽然有所延长，但在一定程度上提高了识别准确率.

来源：2024年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2024年第4期