题目：小麦碰撞声信号特征识别研究

粮食是人类赖以生存和发展的最基本的物质，粮食收获后，在储藏过程中经常会被害虫、霉菌、鼠类等生物侵害，从而引起粮食产量减少、质量下降等问题，甚至可能会对人体健康造成威胁，其中，由储粮害虫造成的危害及损失最为严重。
本文设计了一个采集、分析小麦碰撞声信号的装置，以小麦完好粒、虫害粒和霉变粒的碰撞声信号为研究对象，提出应用时域建模和希尔伯特-黄变换(Hilbert-Huang Transform简称HHT)方法分别分析3类小麦碰撞声的时域和频域特征，提取小麦碰撞声的多个有效特征。然后用BP神经网络对3类小麦碰撞声分类，取得了较好的识别效果。本文方法的应用研究可以为粮食检测提供新的科学依据。
本文的研究内容主要包括以下几个方面：
(1)介绍本论文的研究意义，简述国内外有关储粮害虫检测、储粮害虫声检测及碰撞声检测方法的研究现状及存在的问题。
(2)介绍本文实验的流程、硬件设计、软件设计以及使用的信号处理方法，其中详细介绍了碰撞声装置的制作过程及各个参数的设置。
(3)从时域角度进行特征提取。首先介绍时域建模的相关原理和实现过程，接着对原始信号进行一系列的处理，获得能够代表每类麦粒特征的新的信号序列；然后使用1stOpt软件对信号序列进行拟合，得到残差平方和、判定系数、拟合公式系数p1、p2和p3以及峰值幅值作为识别3类麦粒的有效特征。
(4)基于HHT方法，从频域角度进行特征提取。首先详细介绍HHT的基本原理，阐明希尔伯特变化、瞬时频率以及固有模态函数的数学定义，给出经验模态分解的具体步骤。对碰撞声信号进行希尔伯特黄变换后，提取高频带能量及高低频能量差等特征。经研究发现，在10 kHz~15 kHz的高频带，完好粒的能量最高，虫害粒(Insect Damaged Kernels 简称IDK)的高频带能量最低；完好粒、霉变粒碰撞信号的高频能量高于低频能量，且完好粒的高低频能量差异较大，IDK碰撞信号的高频能量低于低频能量。同时，提取碰撞声信号各阶IMF的最强IMF中心频率以及最强IMF强度和基于HHT的时频熵等特征。
(5)介绍BP神经网络的原理、拓扑结构，详细分析BP神经网络的参数选择。分别将时域建模和HHT方法提取的小麦碰撞声信号的多个特征作为BP神经网络的输入向量，对3类小麦分类，分别得到时域和频域2类特征提取方法检测小麦完好粒、IDK和霉变粒的识别率，识别结果均达到80%以上，证明本文提取小麦碰撞声特征的方法的可行性和有效性，为粮食检测方法的研究提供了新的思路。