[發明專利]信號處理方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202010219441.6
• 申請日: 2020-03-25
• 公開（公告）號: CN111582020A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 陳曦
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 張美君

1.一種信號處理方法，其特征在于，包括：

獲取攜帶時間標簽的原始信號數據；

對所述原始信號數據進行預處理以得到待處理樣本數據；

對所述待處理樣本數據進行頻域轉換，得到與所述待處理樣本數據對應的信號特征；

采用改進Transformer模型對所述信號特征進行處理，得到原始分類模型；所述改進Transformer模型包括雙向LSTM層、池化層以及融合層；所述雙向LSTM層和所述池化層用于提取數據特征；所述融合層用于將所述雙向LSTM層和所述池化層提取的數據特征進行融合；

采用灰狼優化算法對所述原始分類模型進行優化，得到目標分類模型。

2.如權利要求1所述信號處理方法，其特征在于，所述對所述原始信號數據進行預處理以得到待處理樣本數據，包括：

根據預設的采樣段長度對所述原始信號數據進行采樣，得到至少一個原始樣本數據；

對每一所述原始樣本數據進行平滑處理，得到至少一個所述待處理樣本數據。

3.如權利要求1所述信號處理方法，其特征在于，所述對所述待處理樣本數據進行頻域轉換，得到與所述待處理樣本數據對應的信號特征，包括；

對所述待處理樣本數據進行分幀處理，得到至少一幀第一樣本數據；

對每一幀所述第一樣本數據進行加窗處理，得到至少一幀第二樣本數據；

對每一幀所述第二樣本數據進行短時傅里葉變換，得到每一幀第二樣本數據對應的時序能量譜；

將所述時序能量譜與梅爾濾波器組進行點積運算，得到所述梅爾濾波器組對應的對數能量；

對所述對數能量進行離散余弦變換，得到與所述待處理樣本數據對應的信號特征。

4.如權利要求3所述信號處理方法，其特征在于，所述對所述對數能量進行離散余弦變換，得到與所述待處理樣本數據對應的信號特征，包括：

對所述對數能量進行離散余弦變換，得到第一特征，所述第一特征對應至少一個特征值；

選取所述第一特征中前n個特征值作為每一所述待處理樣本數據對應的所述信號特征；所述n為大于零的整數。

5.如權利要求1所述信號處理方法，其特征在于，所述改進Transformer模型還包括多頭注意力層和輸出層；

所述采用改進Transformer模型對所述信號特征進行處理，得到原始分類模型，包括：

對每一幀所述信號特征進行位置嵌入處理，得到對應的待輸入數據；

獲取多頭注意力層對所述待輸入數據進行線性變換，得到所述多頭注意力層輸出的第一處理結果；

采用所述雙向LSTM層對所述第一處理結果進行特征提取，得到所述雙向LSTM層輸出的第二處理結果；

采用所述池化層對所述第一處理結果進行特征提取，得到所述池化層輸出的第三處理結果；

采用所述融合層對所述第二處理結果和所述第三處理結果進行融合，得到所述融合層輸出的所述目標特征；

將所述目標特征輸入到所述輸出層中進行分類處理，得到所述原始分類模型。

6.如權利要求5所述信號處理方法，其特征在于，所述改進Transformer模型還包括歸一丟棄層；

在所述將所述目標特征輸入到所述輸出層中進行分類處理，得到原始分類模型之前，所述信號處理方法還包括：

采用所述歸一丟棄層對所述目標特征進行歸一化以及單元丟棄處理，以更新所述目標特征。

7.如權利要求1所述信號處理方法，其特征在于，所述采用灰狼優化算法對所述原始分類模型進行優化，得到目標分類模型，包括：

采用灰狼優化算法對預設的待優化參數進行優化，得到所述目標分類模型；所述預設的待優化參數包括采樣段長度、時頻轉換特征參數和所述改進Transformer模型對應的模型參數中的至少一個。