基于复小波及动态神经网络的植物电信号研究-南京农业大学学报.PDF

－ 　 南京农业大学学报　 ２０１７ꎬ４０(３):５５６ ５６３ ｈｔｔｐ:/ / ｎａｕｘｂ.ｎｊａｕ.ｅｄｕ.ｃｎ 　 Ｊｏｕｒｎａｌ ｏｆ ＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ ＤＯＩ:１０.７６８５/ ｊｎａｕ.２０１６１１０１４ － 高子淋ꎬ王佳平ꎬ张帅堂ꎬ等. 基于复小波及动态神经网络的植物电信号研究[Ｊ]. 南京农业大学学报ꎬ２０１７ꎬ４０(３):５５６ ５６３. 基于复小波及动态神经网络的植物电信号研究 高子淋ꎬ王佳平ꎬ张帅堂ꎬ邹修国∗ (南京农业大学工学院/ 江苏省智能化农业装备重点实验室ꎬ江苏 南京 ２１００３１) 摘要:[目的]针对植物电信号数量级小、易受干扰的问题ꎬ提出了双树复小波变换(ＤＴ￣ＣＷＴ)结合双变量收缩消噪及不带 输入变量的非线性自回归神经网络(ＮＡＲ)模型ꎬ旨在能将植物电信号用于研究温室内植物生长模型ꎮ [方法]在屏蔽环境 下获取生长状况良好的鸟巢蕨植株的电信号ꎮ 采用双树复小波变换将电信号进行分解ꎬ利用层间小波系数具有相关性的 特点ꎬ将分解后的小波系数进行双变量收缩消噪ꎮ 通过对植物电信号进行自相关分析ꎬ确定迟滞阶数ꎮ 再通过ＮＡＲ 网络 训练消噪信号ꎮ [结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少ꎮ 消噪后的植物电信号前序９８个样本 点的自相关系数均大于０.８ꎬ迟滞阶数９８ꎮ 采用本模型对消噪后的电信号进行预测时相关系数为０.９７３ꎬ均方误差(ＭＳＥ)为 ２ ０.５９３ ｍｖ ꎮ 相比于软阈值消噪与硬阈值消噪ꎬ本模型的消噪方法信噪比(ＳＮＲ)最大ꎬＭＳＥ最小ꎮ 对碧玉、白鹤芋２种植物 ２ －２ ２ × 应用本模型ꎬ决定系数分别为０.９７５和０.９７２ꎬＭＳＥ分别为０.１１２ ｍｖ 和４.４５９ １０ ｍｖ ꎮ [结论]植物电信号２个相邻时刻 间具有很强的关联性ꎬ消噪过程对虚部树的影响更大ꎬ双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号 的原始信息ꎮ 本模型具有可推广性ꎮ 关键词:双变量收缩ꎻ双树复小波变换ꎻＮＡＲ动态神经网络ꎻ植物电信号 － － － 中图分类号:Ｓ１２６　 　 　 　 文献标志码:Ａ　 　 　 　 文章编号:１０００ ２０３０(２０１７)０３ ０５５６ ０８ Ｓｔｕｄｙ ｏｆ ｐｌａｎｔ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ ｂａｓｅｄ ｏｎ ｃｏｍｐｌｅｘ ｗａｖｅｌｅｔ ａｎｄ ｄｙｎａｍｉｃａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ＧＡＯＺｉｌｉｎꎬＷＡＮＧＪｉａｐｉｎｇꎬＺＨＡＮＧ ＳｈｕａｉｔａｎｇꎬＺＯＵ Ｘｉｕｇｕｏ∗ (Ｃｏｌｌｅｇｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ/ Ｊｉａｎｇｓｕ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ