[發明專利]基于模糊模式識別和遺傳算法的墻后人體多狀態目標的檢測方法

在審

• 申請號: 201710146214.3
• 申請日: 2017-03-13
• 公開（公告）號: CN106970383A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 王為;王丹
• 申請（專利權）人: 天津師范大學
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S7/41
• 代理公司: 天津市杰盈專利代理有限公司12207
• 代理人: 朱紅星

1.一種基于模糊模式識別算法和遺傳算法的墻后人體多狀態的目標檢測算法，其特征在于它是通過提取接收信號的特征參數和墻后多種狀態構成隸屬度函數集；選擇高斯函數作為子隸屬度函數，采用遺傳算法優化子隸屬度函數中的均值與方差，構造隸屬度函數集；通過模糊模式識別理論建立墻后人體目標預測函數，根據最大隸屬度原則可以明顯的識別出被測數據屬于墻后的哪一類狀態，主要包括：

（1）提取特征參數：

進行墻后人體識別的狀態有6種，每一種狀態都有相應的特征參數，主要為接收信號的峰度K，偏度S，能量G_r，最大幅度值r_max，方差以及協方差cov，能量指接收信號的總能量，方差表征接收信號的波動程度，波形形狀主要選擇了峰度和偏度參數，其中峰度為信號的四階矩，反應了分布曲線頂峰的尖平程度，偏度參數使用信號的三階矩表示，描述了取值分布對稱性，每一種狀態的特征參數定義如下：

（2）構建隸屬度函數集

選擇高斯函數作為子隸屬度函數，高斯函數定義如下：

其中a為均值，b為方差，這兩個參數均可以由遺傳算法得到，隸屬度函數集共包括36個子隸屬度函數，需要優化的參數共72個，隸屬度函數集如下：

（3）建立目標預測函數

將a,b分別帶入相應的子隸屬度函數中得到隸屬度函數集F,將F代入目標預測公式得到預測函數

Y為1*6的矩陣，Y中元素為[Y₁,Y₂,Y₃,Y₄,Y₅,Y₆]根據最大隸屬度原則,若

則判斷該組數據屬于墻后相應的類別。

2.權利要求1所述基于模糊模式識別和遺傳算法的墻后人體多狀態目標檢測在用于災害救援以及反恐探測方面的應用。

3.權利要求2所述的應用，其中的災害救援以及反恐探測指的是：對掩埋下有生命體的目標進行探測與救援或在挾持人質的反恐中保證人質的人身安全。