[发明专利]基于改进型FB特征与GRNN网络的光纤周界防卫系统的信号识别方法

说明书

本发明公开了一种基于改进型FB特征及GRNN网络的光纤周界防卫系统的信号识别方法，事先采集不同类型传感事件的若干输出信号；利用端点检测算法获取信号的有效信号片段；提取每个信号片段的改进型FB特征作为训练样本，将其信号类型作为对应的输出标签；通过训练样本对GRNN进行训练，生成最优模型；对待识别信号同样进行端点检测，获取其有效信号片段，提取信号片段的改进型FB特征，作为测试样本；利用所生成GRNN最优模型对测试样本进行识别。通过添加梅尔滤波器组下信号功率的有效值信息改进FB特征，来凸显不同类别信号的差异；利用GRNN网络识别信号，需调节的参数少，模型易于训练。本发明信号识别率高，实时性好，有望满足光纤周界防卫系统的实际需要。

技术领域

本发明涉及一种信号识别方法，特别是一种基于改进型FB(Filter Bank，滤波器组)特征与GRNN(Generalized Regression Neural Network，广义回归神经网络)网络的光纤周界防卫系统的信号识别方法。

背景技术

光纤周界防卫系统由于具有远距离连续监测、抗电磁干扰等优势，在国防和民用领域都得到迅速发展。检测信号的识别率和识别时间是用于评估光纤周界防卫系统性能的主要参数。为了提高信号的识别准确性，缩短识别时间，相关学者提出了多种信号识别算法。目前，最为常见的是结合特征提取与机器学习算法的信号识别方法。有的方法识别率较高但识别类型较少，有的方法没有考虑环境噪声对信号的影响，识别条件过于理想，有的训练过程复杂，识别时间较长，实时性较差。因此，在噪声干扰下实现实时高效的信号识别是一个亟待解决的技术难题。

发明内容

本发明的目的在于克服已有技术存在的不足，提供一种基于改进型FB特征与GRNN网络的光纤周界防卫系统的信号识别方法，实现实时高效抗干扰的信号识别。本发明信号识别率高，实时性好，有望满足光纤周界防卫系统的实际需要。

为达到上述目的，本发明采用如下技术方案：

一种基于改进型FB特征与GRNN网络的光纤周界防卫系统的信号识别方法，包括如下步骤：

步骤1，事先采集光纤周界防卫系统不同类型传感事件的若干输出信号；

步骤2，利用端点检测算法获取所采集信号的有效信号片段；

步骤3，对每一个信号片段提取改进型FB特征，作为训练样本，将其信号类型作为对应的输出标签；

步骤4，通过训练样本及其标签对GRNN网络进行训练，调整参数，生成最优模型；

步骤5，对新采集的待识别信号同样进行端点检测，获取其有效信号片段，提取该信号片段的改进型FB特征，作为测试样本；

步骤6，利用所生成的GRNN最优模型对测试样本进行识别。

优选地，步骤3所述提取改进型FB特征，需要通过以下步骤实现：

1)对信号片段进行归一化处理，以消除不同信号的幅度差异；

2)对归一化后的信号片段逐帧加窗，使每一帧信号的两端都衰减为零；

3)计算信号片段的功率谱；

4)将信号片段的功率谱与梅尔尺度下的26个三角形滤波器形成的带通滤波器组相乘，得到梅尔滤波器组下的信号功率；

5)计算每一个滤波器下信号功率的均方根，得到信号功率的有效值，组成包含26个元素的一维向量，即为改进型FB特征。

优选地，在步骤1中，模拟并采集光纤周界防卫系统在晴天、雨天和刮风三种天气条件下，无扰动、晃动、敲击以及跑步传感事件对应的输出信号。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：