[发明专利]基于深度学习的近地面目标声震信号分类识别系统及方法

说明书

本发明揭示了一种基于深度学习的近地面目标声震信号分类识别系统及方法，包括声震传感器阵列、样本数据库、特征提取模块、特征增强模块、声震信号识别模块、结果输出模块以及模型压缩和移植模块，将本发明的模型部署至嵌入式设备上，实现模型压缩和移植。本发明提供的基于深度学习的近地面目标声震信号分类识别系统及方法，利用样本数据库进行监督式学习，将待检测目标的声震信号送入计算系统，最终计算出目标的真实型号，协助部队进一步了解敌军走向和战场态势感知，能够实现将识别系统部署在嵌入式开发板中，极大提升了战场态势感知的速度和准确性。

技术领域

本发明涉及一种基于深度学习的近地面目标声震信号分类识别系统及分类识别方法，属于近地面目标声震信号分类识别技术领域。

背景技术

为实现对防区内态势的准确把握，须实时感知区域内可能出现的目标及其运动状态。态势感知的信息来源是区域中的各探测器节点，由探测器采集目标产生的多种物理场信号，依据不同的特征量区分不同的目标。采用多传感器的复合探测方式，充分利用每一种探测手段的优势、扬长避短；借助无线通信技术对区域中各节点的传感器进行信息融合处理，实现目标的联合探测、定位和跟踪，满足复杂环境下的探测需求。

以战场隐蔽侦察、战场态势感知等军事应用为背景，研究战场态势感知领域中所涉及的网络化近地面目标低功耗隐蔽探测技术，实现在隐蔽自身的前提下全向探测、不间断警戒、长期值守，借助基于深度学习的近地面目标声震信号分类识别系统及方法，是很有必要的。

发明内容

本发明的目的是：实现可抛撒布设并自动组网的多源小微传感器阵列并输出结果，提升战场态势感知过程中的准确性。

为了达到上述目的，本发明的一个技术方案是提供了一种基于深度学习的近地面目标声震信号分类识别系统，其特征在于，包括声震传感器阵列、样本数据库、特征提取模块、特征增强模块、声震信号识别模块、结果输出模块以及模型压缩和移植模块，其中：

声震传感器阵列：用于对待识别目标使用声震信号传感器阵列获取得到声震信号数据，将该声震信号数据进一步定义为原始数据；

样本数据库：用于对原始数据进行简单预处理后得到样本数据，并将样本数据存储在样本数据库中；

特征提取模块：用于提取原始数据的声震信号特征；

特征增强模块：在对由特征提取模块以及声震信号识别模块组成的模型进行训练时，对样本数据库中的声震信号特征进行数据增强；

声震信号识别模块：用于将声震信号特征进行卷积操作和注意力编解码变换后计算得到中待识别目标的信息；

结果输出模块：用于对声震信号识别模块获得的待识别目标的信息进行结果输出；

模型压缩和移植模块：将由特征提取模块以及声震信号识别模块组成的模型部署至嵌入式设备上，实现模型压缩和移植。

优选地，所述声震传感器阵列通过MEMS声传感器阵列和MEMS震动传感器获取声震信号数据。

优选地，所述结果输出模块连接有显示屏，用于实现待识别目标的信息的屏幕显示。

本发明的另一个技术方案是提供了一种基于前述近地面目标声震信号分类识别系统实现的基于深度学习的近地面目标声震信号分类识别方法，其特征在于，包括以下步骤：

S100、通过声震传感器阵列获取声震信号数据，将声震信号数据定义为原始数据；原始数据经过预处理之后送至已训练后的所述模型进行待识别目标的信息获取，在对所述模型进行训练时，原始数据经过预处理之后被传输至样本数据库；

S200、利用模型对经过预处理后的原始数据进行进行识别，包括以下步骤：

S201、提取原始数据的MFCC特征以及深度学习特征，进一步包括以下内容：