[发明专利]一种基于声电磁互调的室内目标快速探测方法与系统在审

专利信息
申请号: 202210385718.1 申请日: 2022-04-13
公开(公告)号: CN115047448A 公开(公告)日: 2022-09-13
发明(设计)人: 孙海信;苏宇辰;周明章;谢卓钒;叶焜 申请(专利权)人: 厦门大学
主分类号: G01S13/88 分类号: G01S13/88;G01S13/04;G01S13/87;G01S15/04
代理公司: 厦门福贝知识产权代理事务所(普通合伙) 35235 代理人: 陈远洋
地址: 361000 福建*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 电磁 室内 目标 快速 探测 方法 系统
【权利要求书】:

1.一种基于声电磁互调的室内目标快速探测方法,其特征在于,包括以下步骤:

S1:利用声波信号对多个室内目标进行声学激励引发机械振动,从而使其产生声学激励信号,同时利用电磁波信号与所述声学激励信号进行声电磁的互相调制,生成声电磁回波;

S2:接收到所述多个室内目标中的每个目标的声电磁回波,在各个频段上,分别基于多普勒效应和幅度调制这两个维度对所述声电磁回波进行特征提取,从而提取出每个所述声电磁回波各自位于不同频段的多普勒特征和幅度特征;

S3:利用拼接法对所述位于不同频段的所述多普勒特征进行特征融合得到所述每个目标的多频段多普勒融合特征,同时利用拼接法对所述位于不同频段的所述幅度特征进行特征融合得到所述每个目标的多频段幅度融合特征;

S4:根据所述多频段多普勒融合特征和所述多频段幅度融合特征构建多个基于不同分类器的机器学习模型,利用不同的所述机器学习模型分别对每个所述声电磁回波进行分类得到不同的所述机器学习模型所对应的分类结果,再对所述分类结果进行决策融合,判断出每个所述声电磁回波对应的目标的类型。

2.根据权利要求1所述的方法,其特征在于,所述声波信号的声源级满足单向穿透性。

3.根据权利要求1所述的方法,其特征在于,所述S1具体包括:利用声波信号对多个室内目标进行声学激励引发机械振动,从而使其产生声学激励信号,将所述声学激励信号通过功率放大器后加入电磁波信号中对所述电磁波信号进行调制,得到声电磁回波。

4.根据权利要求1所述的方法,其特征在于,所述S2具体包括:

接收到所述多个室内目标中的每个目标的声电磁回波,对所述声电磁回波进行预处理后再进行傅立叶变换,得到每个所述声电磁回波的各个频段的频谱;

在各个频段上,分别基于多普勒效应和幅度调制这两个维度对所述声电磁回波进行特征提取,从而提取出每个所述声电磁回波各自位于不同频段的多普勒特征和幅度特征。

5.根据权利要求1所述的方法,其特征在于,基于多普勒效应对所述声电磁回波进行特征提取包括:

对所述声电磁回波中由于多普勒效应引起的对所述电磁波信号的相位调制进行分析,获取所述相位调制所产生的相位调制振幅。

6.根据权利要求1所述的方法,其特征在于,基于幅度调制对所述声电磁回波进行特征提取包括:

分别对所述声电磁回波中由于狭义相对论、路径损耗和雷达散射截面引起的对所述电磁波信号的幅度调制进行分析,分别得到狭义相对论引起的幅度调制振幅、路径损耗引起的幅度调制振幅和雷达散射截面引起的幅度调制振幅。

7.根据权利要求1所述的方法,其特征在于,所述S4具体包括:

S401:根据所述多频段多普勒融合特征和所述多频段幅度融合特征分别构建微多普勒特征库和多阶幅度特征库,根据所述微多普勒特征库和所述多阶幅度特征库对接收到的待测目标的声电磁回波进行初步匹配判断,得到初步判断结果;

S402:根据所述多频段多普勒融合特征和所述多频段幅度融合特征分别构建微多普勒特征库和多阶幅度特征库构建多个样本数据集,利用每个所述样本数据集分别基于不同的分类器进行集成学习,构建出不同的机器学习模型;

S403:利用所述不同的机器学习模型分别对所述待测目标的声电磁回波的所述多普勒特征和所述幅度特征进行分类识别得到对应的分类结果,对所述分类结果进行投票决策得到决策结果;

结合对不同接收点在同一时刻接收到的所述声电磁回波进行所述S401至所述S403后得到的所述初步判断结果和所述决策结果进行决策融合,从而判断出每个所述声电磁回波对应的目标的类型。

8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被计算机处理器执行时实施权利要求1至7中任一项所述的方法。

9.一种基于声电磁互调的室内目标快速探测系统,其特征在于,包括:

声电磁回波生成模块:配置用于利用声波信号对多个室内目标进行声学激励引发机械振动,从而使其产生声学激励信号,同时利用电磁波信号与所述声学激励信号进行声电磁的互相调制,生成声电磁回波;

声电磁回波特征提取模块:配置用于接收到所述多个室内目标中的每个目标的声电磁回波,在各个频段上,分别基于多普勒效应和幅度调制这两个维度对所述声电磁回波进行特征提取,从而提取出每个所述声电磁回波各自位于不同频段的多普勒特征和幅度特征;

特征融合模块:配置用于利用拼接法对所述位于不同频段的所述多普勒特征进行特征融合得到所述每个目标的多频段多普勒融合特征,同时利用拼接法对所述位于不同频段的所述幅度特征进行特征融合得到所述每个目标的多频段幅度融合特征;

分类决策模块:配置用于根据所述多频段多普勒融合特征和所述多频段幅度融合特征构建多个基于不同分类器的机器学习模型,利用不同的所述机器学习模型分别对每个所述声电磁回波进行分类得到不同的所述机器学习模型所对应的分类结果,再对所述分类结果进行决策融合,判断出每个所述声电磁回波对应的目标的类型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门大学,未经厦门大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210385718.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top