[发明专利]用于无人值守传感器系统的人员目标识别方法

权利要求书

1.一种用于无人值守传感器系统的人员目标识别方法，其特征在于，其步骤包括：

步骤S1：数据预处理；将无人值守地面传感器设备获取的原始数据转换成两种形式的数据：时间序列数据和功率谱密度频谱数据；

步骤S2：循环神经网络训练；将步骤S1得到的两类数据分别作为训练样本，分别输入到两个不同的循环神经网络中训练；

步骤S3：并联循环神经网络识别信号；将步骤S2得到的训练生成的两个模型并联，其中一个循环神经网络模型输入功率谱密度频谱数据，用来判断是否有人走路；另一个循环神经网络模型输入时间序列数据，用来判断是否有人跑步，两个模型的结果作或运算，最后判断是否有人；

在步骤S1中，对原始信号进行低频段带通滤波，对信号再进行峰值区域提取，即提取以地震信号峰值为中心的时间序列；最后对信号作归一化处理，得到输入到一个循环神经网络的时间序列数据。

2.根据权利要求1所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，在步骤S1中，对原始信号进行低频段带通滤波时频段在18-26Hz；所述对信号再进行峰值区域提取，即提取以地震信号峰值为中心，时间长度为500ms的时间序列；所述对信号作归一化处理，范围在0至1000。

3.根据权利要求1所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，在步骤S1中，对原始数据使用Welch方法得到功率谱密度估计数据，得到输入到另一个循环神经网络的功率谱密度频谱数据。

4.根据权利要求2或3所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，所述原始数据只含静置信号和有人跑步信号。

5.根据权利要求4所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，将时间序列数据作为一个循环神经网络的训练样本；对训练样本贴标签，标签0是静置信号，标签1是有人跑步信号；循环神经网络训练迭代次数根据测试集准确率和损失函数值是否收敛来定。

6.根据权利要求4所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，将功率谱密度频谱数据作为另一个循环神经网络的训练样本；对训练样本贴标签，标签0是静置信号，标签1是有人走路信号；循环神经网络训练迭代次数根据测试集准确率和损失函数值是否收敛来定。

7.根据权利要求4所述的用于无人值守传感器系统的人员目标识别方法，其特征在于，两个循环神经网络的输出都是0-1值，对两个网络输出结果作或运算也是得到0-1值，其中0代表无人，1代表有人。