一種基于聲震復合傳感器的運動目標識別方法
【專利摘要】本發明涉及一種基于聲震復合傳感器的運動目標識別方法，將聲音傳感器和震動傳感器復合在一起，組成聲震復合傳感器，同時采集環境中的聲響信號和震動信號，并根據聲響傳感器與震動傳感器的報警情況判斷當前環境風噪的大小，在風噪較小時采用聲響信號進行目標識別，在風噪較大時采用震動信號進行目標識別。本發明根據環境噪聲的情況選用不同的信號進行目標識別，不會因為噪聲大而導致分類失效，也不會因地質條件的不同而導致分類率不高。
【專利說明】—種基于聲震復合傳感器的運動目標識別方法【技術領域】
[0001]本發明涉及目標識別【技術領域】，特別是涉及一種基于聲震復合傳感器的運動目標識別方法。
【背景技術】
[0002]探測與識別運動目標是環境監視系統的重要功能之一。目標分類識別就是通過分析和處理目標信號的特征，將目標歸為事先劃定的某一類型。通常的做法是找出可分性能最好的一種特征，然后在該種特征的基礎上確定某個判決規則，使按該規則對測試對象進行分類時所造成的誤識率最小。
[0003]當前使用的運動目標識別方法主要包括基于圖像、聲音和震動等方式。在理想環境下，基于圖像的目標識別率可達到90%，然而其識別率容易受到環境和光線的影響，而且安裝成本和維護費用較高，不利于大范圍使用。基于震動的目標識別方法探測范圍遠、功耗低，但是目標的震動信號會隨著地質條件的變化而變化，某一組分類系數在一種地質條件下能取到良好的分類效果但是在另一種地質條件下分類效果會變差。基于聲音的目標識別方法成本低、分類率高、實施容易，但是當風力較大時分類會失效；在風力較小的環境下，基于聲音的目標識別方法的分類率較基于震動的方法好。但是當風力較大時，基于震動的目標識別方法就優于基于聲音的識別方法。

【發明內容】

[0004]本發明所要解決的技術問題是提供一種基于聲震復合傳感器的運動目標識別方法，能夠在各種不同的實際應用環境中都能實現較 好的分類結果。
[0005]本發明解決其技術問題所采用的技術方案是:提供一種基于聲震復合傳感器的運動目標識別方法，包括以下步驟:
[0006](I)利用聲震復合傳感器同時米集環境中噪聲、已知目標的聲響信號和震動信號，建立聲響、震動信號的樣本庫，并根據樣本庫統計環境中出現目標時信號電壓的閾值；
[0007](2)對樣本庫中目標信號進行N級小波包分解，得到樣本在各個頻段上的小波系數，其中頻段的個數為Nbands=/;
[0008](3)計算各個頻段上小波包系數的能量的倒譜，將倒譜作為目標的特征；
[0009](4)按照類別計算樣本庫中各類目標的適應度函數，將分類錯誤率作為優化目標，以梯度下降法為優化方法搜索最優的分類參數，并以最優的分類參數作為目標的震動分類系數和聲響分類系數；
[0010](5)當傳感器布署在實際環境中進行目標檢測識別時，聲震復合傳感器采集環境中的聲響信號和震動信號，將采集的電壓值與步驟(I)中設定的閾值進行比較，若連續M次都超過了閾值則發出報警，其中M>2 ；
[0011](6)根據聲響傳感器與震動傳感器的報警情況將系統劃分為四個狀態:即無報警狀態、震動報警且聲響不報警狀態、聲響報警且震動不報警狀態、聲響與震動都報警狀態；若系統處于震動報警且聲響不報警狀態，則選用震動信號和震動分類系數進行分類；若系統處于聲響與震動都報警狀態且其前一時刻的狀態為震動報警且聲響不報警狀態或無報警狀態時，則選用聲響信號和聲響分類系數進行分類；若系統處于聲響與震動都報警狀態且其前一時刻的狀態為聲響報警且震動不報警狀態時，則選用震動信號和震動分類系數進行分類；若系統處于無報警狀態或聲響報警且震動不報警狀態，則繼續閾值檢測。
[0012]所述步驟(I)中的聲震復合傳感器是將聲響傳感器和震動傳感器集成在一個節點上的傳感器。
[0013]在分類完成后根據步驟(2)和步驟(3)計算待分類目標的特征，并利用各類目標的分類系數計算待分類目標的適應度函數，哪類目標的適應度函數最大，待分類目標就判為哪類。
[0014]所述步驟(3)中小波包系數的能量和倒譜的計算方法為:
[0015]
【權利要求】
1.一種基于聲震復合傳感器的運動目標識別方法，其特征在于，包括以下步驟: (1)利用聲震復合傳感器同時采集環境中噪聲、已知目標的聲響信號和震動信號，建立聲響、震動信號的樣本庫，并根據樣本庫統計環境中出現目標時信號電壓的閾值； (2)對樣本庫中目標信號進行N級小波包分解，得到樣本在各個頻段上的小波系數，其中頻段的個數為Nbands=2 N ； (3)計算各個頻段上小波包系數的能量的倒譜，將倒譜作為目標的特征； (4)按照類別計算樣本庫中各類目標的適應度函數，將分類錯誤率作為優化目標，以梯度下降法為優化方法搜索最優的分類參數，并以最優的分類參數作為目標的震動分類系數和聲響分類系數； (5)當傳感器布署在實際環境中進行目標檢測識別時，聲震復合傳感器采集環境中的聲響信號和震動信號，將采集的電壓值與步驟(I)中設定的閾值進行比較，若連續M次都超過了閾值則發出報警，其中M>2 ； (6)根據聲響傳感器與震動傳感器的報警情況將系統劃分為四個狀態:即無報警狀態、震動報警且聲響不報警狀態、聲響報警且震動不報警狀態、聲響與震動都報警狀態；若系統處于震動報警且聲響不報警狀態，則選用震動信號和震動分類系數進行分類；若系統處于聲響與震動都報警狀態且其前一時刻的狀態為震動報警且聲響不報警狀態或無報警狀態時，則選用聲響信號和聲響分類系數進行分類；若系統處于聲響與震動都報警狀態且其前一時刻的狀態為聲響報警且震動不報警狀態時，則選用震動信號和震動分類系數進行分類；若系統處于無報警狀態或聲響報警且震動不報警狀態，則繼續閾值檢測。
2.根據權利要求1所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，所述步驟(I)中的聲震復合傳感器是將聲響傳感器和震動傳感器集成在一個節點上的傳感器。
3.根據權利要求1所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，在分類完成后根據步驟(2)和步驟(3)計算待分類目標的特征，并利用各類目標的分類系數計算待分類目標的適應度函數，哪類目標的適應度函數最大，待分類目標就判為哪類。
4.根據權利要求1所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，所述步驟(3)中小波包系數的能量和倒譜的計算方法為:

5.根據權利要求1所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，所述步驟(4)中目標的適應度函數的計算方法如下:
6.根據權利要求5所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，所述步驟(4)中分類錯誤率函數的計算方法為:
7.根據權利要求6所述的基于聲震復合傳感器的運動目標識別方法，其特征在于，所述步驟(4)中基于梯度的參數優化方法為:
【文檔編號】G01H17/00GK103473553SQ201310362837
【公開日】2013年12月25日 申請日期:2013年8月19日 優先權日:2013年8月19日
【發明者】黃景昌, 石君, 張鑫, 宋恩亮, 李寶清, 袁曉兵 申請人:中國科學院上海微系統與信息技術研究所