一种基于声震复合传感器的运动目标识别方法
【专利摘要】本发明涉及一种基于声震复合传感器的运动目标识别方法，将声音传感器和震动传感器复合在一起，组成声震复合传感器，同时采集环境中的声响信号和震动信号，并根据声响传感器与震动传感器的报警情况判断当前环境风噪的大小，在风噪较小时采用声响信号进行目标识别，在风噪较大时采用震动信号进行目标识别。本发明根据环境噪声的情况选用不同的信号进行目标识别，不会因为噪声大而导致分类失效，也不会因地质条件的不同而导致分类率不高。
【专利说明】—种基于声震复合传感器的运动目标识别方法【技术领域】
[0001]本发明涉及目标识别【技术领域】，特别是涉及一种基于声震复合传感器的运动目标识别方法。
【背景技术】
[0002]探测与识别运动目标是环境监视系统的重要功能之一。目标分类识别就是通过分析和处理目标信号的特征，将目标归为事先划定的某一类型。通常的做法是找出可分性能最好的一种特征，然后在该种特征的基础上确定某个判决规则，使按该规则对测试对象进行分类时所造成的误识率最小。
[0003]当前使用的运动目标识别方法主要包括基于图像、声音和震动等方式。在理想环境下，基于图像的目标识别率可达到90%，然而其识别率容易受到环境和光线的影响，而且安装成本和维护费用较高，不利于大范围使用。基于震动的目标识别方法探测范围远、功耗低，但是目标的震动信号会随着地质条件的变化而变化，某一组分类系数在一种地质条件下能取到良好的分类效果但是在另一种地质条件下分类效果会变差。基于声音的目标识别方法成本低、分类率高、实施容易，但是当风力较大时分类会失效；在风力较小的环境下，基于声音的目标识别方法的分类率较基于震动的方法好。但是当风力较大时，基于震动的目标识别方法就优于基于声音的识别方法。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种基于声震复合传感器的运动目标识别方法，能够在各种不同的实际应用环境中都能实现较 好的分类结果。
[0005]本发明解决其技术问题所采用的技术方案是:提供一种基于声震复合传感器的运动目标识别方法，包括以下步骤:
[0006](I)利用声震复合传感器同时米集环境中噪声、已知目标的声响信号和震动信号，建立声响、震动信号的样本库，并根据样本库统计环境中出现目标时信号电压的阈值；
[0007](2)对样本库中目标信号进行N级小波包分解，得到样本在各个频段上的小波系数，其中频段的个数为Nbands=/;
[0008](3)计算各个频段上小波包系数的能量的倒谱，将倒谱作为目标的特征；
[0009](4)按照类别计算样本库中各类目标的适应度函数，将分类错误率作为优化目标，以梯度下降法为优化方法搜索最优的分类参数，并以最优的分类参数作为目标的震动分类系数和声响分类系数；
[0010](5)当传感器布署在实际环境中进行目标检测识别时，声震复合传感器采集环境中的声响信号和震动信号，将采集的电压值与步骤(I)中设定的阈值进行比较，若连续M次都超过了阈值则发出报警，其中M>2 ；
[0011](6)根据声响传感器与震动传感器的报警情况将系统划分为四个状态:即无报警状态、震动报警且声响不报警状态、声响报警且震动不报警状态、声响与震动都报警状态；若系统处于震动报警且声响不报警状态，则选用震动信号和震动分类系数进行分类；若系统处于声响与震动都报警状态且其前一时刻的状态为震动报警且声响不报警状态或无报警状态时，则选用声响信号和声响分类系数进行分类；若系统处于声响与震动都报警状态且其前一时刻的状态为声响报警且震动不报警状态时，则选用震动信号和震动分类系数进行分类；若系统处于无报警状态或声响报警且震动不报警状态，则继续阈值检测。
[0012]所述步骤(I)中的声震复合传感器是将声响传感器和震动传感器集成在一个节点上的传感器。
[0013]在分类完成后根据步骤(2)和步骤(3)计算待分类目标的特征，并利用各类目标的分类系数计算待分类目标的适应度函数，哪类目标的适应度函数最大，待分类目标就判为哪类。
[0014]所述步骤(3)中小波包系数的能量和倒谱的计算方法为:
[0015]
【权利要求】
1.一种基于声震复合传感器的运动目标识别方法，其特征在于，包括以下步骤: (1)利用声震复合传感器同时采集环境中噪声、已知目标的声响信号和震动信号，建立声响、震动信号的样本库，并根据样本库统计环境中出现目标时信号电压的阈值； (2)对样本库中目标信号进行N级小波包分解，得到样本在各个频段上的小波系数，其中频段的个数为Nbands=2 N ； (3)计算各个频段上小波包系数的能量的倒谱，将倒谱作为目标的特征； (4)按照类别计算样本库中各类目标的适应度函数，将分类错误率作为优化目标，以梯度下降法为优化方法搜索最优的分类参数，并以最优的分类参数作为目标的震动分类系数和声响分类系数； (5)当传感器布署在实际环境中进行目标检测识别时，声震复合传感器采集环境中的声响信号和震动信号，将采集的电压值与步骤(I)中设定的阈值进行比较，若连续M次都超过了阈值则发出报警，其中M>2 ； (6)根据声响传感器与震动传感器的报警情况将系统划分为四个状态:即无报警状态、震动报警且声响不报警状态、声响报警且震动不报警状态、声响与震动都报警状态；若系统处于震动报警且声响不报警状态，则选用震动信号和震动分类系数进行分类；若系统处于声响与震动都报警状态且其前一时刻的状态为震动报警且声响不报警状态或无报警状态时，则选用声响信号和声响分类系数进行分类；若系统处于声响与震动都报警状态且其前一时刻的状态为声响报警且震动不报警状态时，则选用震动信号和震动分类系数进行分类；若系统处于无报警状态或声响报警且震动不报警状态，则继续阈值检测。
2.根据权利要求1所述的基于声震复合传感器的运动目标识别方法，其特征在于，所述步骤(I)中的声震复合传感器是将声响传感器和震动传感器集成在一个节点上的传感器。
3.根据权利要求1所述的基于声震复合传感器的运动目标识别方法，其特征在于，在分类完成后根据步骤(2)和步骤(3)计算待分类目标的特征，并利用各类目标的分类系数计算待分类目标的适应度函数，哪类目标的适应度函数最大，待分类目标就判为哪类。
4.根据权利要求1所述的基于声震复合传感器的运动目标识别方法，其特征在于，所述步骤(3)中小波包系数的能量和倒谱的计算方法为:
5.根据权利要求1所述的基于声震复合传感器的运动目标识别方法，其特征在于，所述步骤(4)中目标的适应度函数的计算方法如下:
6.根据权利要求5所述的基于声震复合传感器的运动目标识别方法，其特征在于，所述步骤(4)中分类错误率函数的计算方法为:
7.根据权利要求6所述的基于声震复合传感器的运动目标识别方法，其特征在于，所述步骤(4)中基于梯度的参数优化方法为:
【文档编号】G01H17/00GK103473553SQ201310362837
【公开日】2013年12月25日 申请日期:2013年8月19日 优先权日:2013年8月19日
【发明者】黄景昌, 石君, 张鑫, 宋恩亮, 李宝清, 袁晓兵 申请人:中国科学院上海微系统与信息技术研究所