[發明專利]基于聲振動信號的目標檢測與識別方法及系統

有效

• 申請號: 201611248676.8
• 申請日: 2016-12-29
• 公開（公告）號: CN106646587B
• 公開（公告）日: 2018-08-21
• 發明（設計）人: 喻樂;鄒琪琳;常宗杰;劉晶;屠東升
• 申請（專利權）人: 北京知覺科技有限公司
• 主分類號: G01V1/00
• 分類號: G01V1/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

1.一種基于聲振動信號的目標檢測與識別方法，其特征在于，所述方法包括：

利用M個或等效為M個光纖傳感器獲取預設節點位置且預設時間段內的振動信號，并保存所有預設節點位置的振動信號數據得到振動數據矩陣；M為非零自然數；

利用預加重方法對所述振動數據矩陣進行預處理以獲取K幀雙極性信號數據；

根據每幀雙極性信號數據的能量E和過零率Z從所述K幀雙極性信號數據選取包括目標信號的雙極性數據幀：獲取每幀雙極性信號數據內所有項數據的平方和即能量E以及每幀雙極性信號數據內各項數據穿過橫軸次數之和即過零率Z，并獲取每項數據的能量E和過零率Z之積；將上述每項數據的能量E和過零率Z之積與預設閾值比較，若積超過預設閾值則該幀雙極性信號數據內存在目標信號并保存；

利用小波變換方法從包括目標信號的雙極性數據幀中提取每類信號每一列的速度特征、能量分布特征和譜估計特征；

根據每一雙極性數據幀的速度特征、能量分布特征和譜估計特征以及對應加權值獲取一個較長的特征向量矩陣并對其降維處理；

根據雙極性信號數據幀及其速度特征、能量分布特征、譜估計特征和降維處理后的較長的特征向量獲取長短期選擇記憶神經網絡模型，并根據該模型輸出每一雙極性數據幀中振動信號類別。

2.根據權利要求1所述的目標檢測與識別方法，其特征在于，所述利用預加重方法對所述振動數據矩陣進行預處理以獲取K幀雙極性信號數據的步驟包括：

利用預加重公式對所述振動數據矩陣中每列數據進行濾波以得到對應的雙極性信號；

將預設數量的雙極性信號作為一幀雙極性信號數據從而得到K幀雙極性信號數據，并且相鄰兩幀雙極性信號數據中前一幀的后半幀為后一幀的前半幀；

利用漢明函數對上述K幀雙極性信號數據加窗。

3.根據權利要求1所述的目標檢測與識別方法，其特征在于，所述利用小波變換方法從包括目標信號的雙極性數據幀中提取每類信號每一列的速度特征、能量分布特征和譜估計特征的步驟包括：

對包括目標信號的雙極性數據幀做小波變換；

對小波變換后的雙極性數據幀的每層系數量化處理，并將量化后系數與設定閾值比較，將量化后系數小于設定閾值的當前層所有項數據置零；

逆小波變換重構去噪信號；

隨后去除每行數據最開始的一些零值，統計移除零的個數作為速度特征。

4.根據權利要求1所述的目標檢測與識別方法，其特征在于，所述利用小波變換方法從包括目標信號的雙極性數據幀中提取每類信號每一列的速度特征、能量分布特征和譜估計特征的步驟包括：

對包括目標信號的雙極性數據幀做小波變換；

計算小波變換不同層內的能量分布作為能量分布特征。

5.根據權利要求1所述的目標檢測與識別方法，其特征在于，所述利用小波變換方法從包括目標信號的雙極性數據幀中提取每類信號每一列的速度特征、能量分布特征和譜估計特征的步驟包括：

計算包括目標信號的雙極性數據幀的線性預測系數LPC特征；

利用牛頓-拉夫遜算法或者倒譜法計算線性預測系數LPC特征全極點模型中分母多項式A（z）的復根，根據所得復根確定共振峰；

計算所述共振峰的形狀統計量作為譜估計特征。

6.根據權利要求3~5任一項所述的目標檢測與識別方法，其特征在于，所述根據每一雙極性數據幀的速度特征、能量分布特征和譜估計特征以及對應加權值獲取一個較長的特征向量矩陣并對其降維處理的步驟包括：

分別定義每一雙極性數據幀的速度特征、能量分布特征和譜估計特征的加權值，計算每個預設節點的雙極性數據幀的加權聯合特征V_i，k；

將相同時刻的每個預設節點的加權聯合特征V_i，k進行聯合得到每個預設節點每類信號聯合特征V_k；

將M個預設節點的聯合特征V_k進行聯合得到每類信號特征V即較長的特征向量。