[發明專利]基于改進型FB特征與GRNN網絡的光纖周界防衛系統的信號識別方法

在審

• 申請號: 202111286560.4
• 申請日: 2021-11-02
• 公開（公告）號: CN114169360A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 方捻;陸海南;王陸唐
• 申請（專利權）人: 上海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G08B13/24;G08B21/18;G10L21/0208
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 何文欣

本發明公開了一種基于改進型FB特征及GRNN網絡的光纖周界防衛系統的信號識別方法，事先采集不同類型傳感事件的若干輸出信號；利用端點檢測算法獲取信號的有效信號片段；提取每個信號片段的改進型FB特征作為訓練樣本，將其信號類型作為對應的輸出標簽；通過訓練樣本對GRNN進行訓練，生成最優模型；對待識別信號同樣進行端點檢測，獲取其有效信號片段，提取信號片段的改進型FB特征，作為測試樣本；利用所生成GRNN最優模型對測試樣本進行識別。通過添加梅爾濾波器組下信號功率的有效值信息改進FB特征，來凸顯不同類別信號的差異；利用GRNN網絡識別信號，需調節的參數少，模型易于訓練。本發明信號識別率高，實時性好，有望滿足光纖周界防衛系統的實際需要。

技術領域

本發明涉及一種信號識別方法，特別是一種基于改進型FB(Filter Bank，濾波器組)特征與GRNN(Generalized Regression Neural Network，廣義回歸神經網絡)網絡的光纖周界防衛系統的信號識別方法。

背景技術

光纖周界防衛系統由于具有遠距離連續監測、抗電磁干擾等優勢，在國防和民用領域都得到迅速發展。檢測信號的識別率和識別時間是用于評估光纖周界防衛系統性能的主要參數。為了提高信號的識別準確性，縮短識別時間，相關學者提出了多種信號識別算法。目前，最為常見的是結合特征提取與機器學習算法的信號識別方法。有的方法識別率較高但識別類型較少，有的方法沒有考慮環境噪聲對信號的影響，識別條件過于理想，有的訓練過程復雜，識別時間較長，實時性較差。因此，在噪聲干擾下實現實時高效的信號識別是一個亟待解決的技術難題。

發明內容

本發明的目的在于克服已有技術存在的不足，提供一種基于改進型FB特征與GRNN網絡的光纖周界防衛系統的信號識別方法，實現實時高效抗干擾的信號識別。本發明信號識別率高，實時性好，有望滿足光纖周界防衛系統的實際需要。

為達到上述目的，本發明采用如下技術方案：

一種基于改進型FB特征與GRNN網絡的光纖周界防衛系統的信號識別方法，包括如下步驟：

步驟1，事先采集光纖周界防衛系統不同類型傳感事件的若干輸出信號；

步驟2，利用端點檢測算法獲取所采集信號的有效信號片段；

步驟3，對每一個信號片段提取改進型FB特征，作為訓練樣本，將其信號類型作為對應的輸出標簽；

步驟4，通過訓練樣本及其標簽對GRNN網絡進行訓練，調整參數，生成最優模型；

步驟5，對新采集的待識別信號同樣進行端點檢測，獲取其有效信號片段，提取該信號片段的改進型FB特征，作為測試樣本；

步驟6，利用所生成的GRNN最優模型對測試樣本進行識別。

優選地，步驟3所述提取改進型FB特征，需要通過以下步驟實現：

1)對信號片段進行歸一化處理，以消除不同信號的幅度差異；

2)對歸一化后的信號片段逐幀加窗，使每一幀信號的兩端都衰減為零；

3)計算信號片段的功率譜；

4)將信號片段的功率譜與梅爾尺度下的26個三角形濾波器形成的帶通濾波器組相乘，得到梅爾濾波器組下的信號功率；

5)計算每一個濾波器下信號功率的均方根，得到信號功率的有效值，組成包含26個元素的一維向量，即為改進型FB特征。

優選地，在步驟1中，模擬并采集光纖周界防衛系統在晴天、雨天和刮風三種天氣條件下，無擾動、晃動、敲擊以及跑步傳感事件對應的輸出信號。

本發明與現有技術相比較，具有如下顯而易見的突出實質性特點和顯著優點：