一种周界信号分类方法及装置制造方法及图纸

本申请提供一种周界信号分类方法及装置，所述周界信号分类方法先获取待分类信号数据，再根据待分类信号数据生成输入数据，其中，所述输入数据包括执行格拉姆角和场GASF处理结果和格拉姆角差场GADF处理结果。最后将输入数据神经网络模型，以输出分类概率。所述信号分类方法通过对输入神经网络模型的信号数据进行GASF处理和GADF处理，使得信号数据中的时序信息得到保留，从而增加神经网络模型分类特征数量，使神经网络模型能够更好地完成对信号的分类，提高对信号分类的准确率。提高对信号分类的准确率。提高对信号分类的准确率。

【技术实现步骤摘要】
一种周界信号分类方法及装置


[0001]本申请涉及信号处理
，尤其涉及一种周界信号分类方法及装置。

技术介绍

[0002]信号分类是一个信号处理过程，是通过分析信号的特征，确定信号所属的类别。例如，在周界防护系统中，通过采集周界区域内的目标物检测信号，并分析检测信号特点，从而区分人员入侵和自然因素导致的信号波动。由于在不同的应用领域中，信号的特征复杂程度也不同，部分应用场景下的信号具有较高的复杂程度，因此单纯的信号特征分析通常无法准确判断信号所属的类别。
[0003]为了实现对复杂信号的分类，可以在分类过程中使用神经网络模型。典型的神经网络模型是通过将训练信号数据输入网络模型中，获得模型输出结果。并根据模型数据结果与标签信息反向传播更新模型参数。经过多次训练，从而获得符合当前领域的神经网络模型。在进行信号分类时，可以将待分类信号以向量的形式输入到神经网络模型中，并通过神经网络模型输出待分类信号的分类概率，最终确定信号所述的类别。
[0004]可见，在上述分类过程中，待分类信号中的具体值需要通过排列构成向量数据。常用的网络模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种周界信号分类方法，其特征在于，包括：获取探测设备探测到的待分类信号，所述待分类信号为时序信号；根据所述待分类信号生成输入数据，所述输入数据包括执行格拉姆角和场GASF处理结果和格拉姆角差场GADF处理结果；获得所述待分类信号对应的入侵分类概率，所述入侵分类概率是将所述输入数据输入神经网络模型获得的输出结果，其中，所述神经网络模型包括基于3D卷积层的输入层，基于2D卷积网络、池化层和分类器的中间层以及基于全连接网络的输出层。2.根据权利要求1所述的周界信号分类方法，其特征在于，根据所述待分类信号生成输入数据包括：根据所述待分类信号数据生成规范数据，所述规范数据是通过执行规范化处理将所述待分类信号数据的具体值转换至设定范围内获得的数据；将所述规范数据映射至极坐标；计算所述极坐标上所述规范数据对应的任意两点之间的三角和与三角差，以获得所述GASF处理结果和GADF处理结果。3.根据权利要求2所述的周界信号分类方法，其特征在于，按照下式计算所述极坐标上所述规范数据对应任意两点之间的三角和与三角差，以获得所述GASF处理结果和GADF处理结果：结果：其中，GASF为GASF处理结果；GADF为GADF处理结果；为所述规范数据中第i个规范数据在极坐标上的极角；i为所述待分类信号数据中所包含的具体值的序号。4.根据权利要求1所述的周界信号分类方法，其特征在于，获得所述待分类信号对应的入侵分类概率的步骤包括：生成组合数据，所述组合数据是使用所述3D卷积层将所述GASF处理结果和GADF处理结果进行组合获得的数据；通过所述2D卷积网络和池化层对所述组合数据执行缩减处理；将处理后的组合数据通过所述分类器获得所述分类概率；通过所述全连接网络输出所述分类概率。5.根据权利要求4所述的周界信号分类方法，其特征在于，所述生成组合数据还包括：设定所述3D卷积层的参数，所述3D卷积层的参数包括卷积核大小、步长以及填充值；将所述输入数据输入所述3D卷积层，以转换所述输入数据中的深度转化为设定值...

【专利技术属性】
技术研发人员：邵起明，郑明吉，邓楠，
申请(专利权)人：奇点新源国际技术开发北京有限公司，
类型：发明
国别省市：