基于变焦生成对抗网络的惯性传感器信号增强方法及系统技术方案

本发明专利技术公开了一种基于变焦生成对抗网络的惯性传感器信号增强方法及系统，涉及惯性传感器信号增强领域。该方法包括：构建无监督变焦生成对抗网络；构建弱监督变焦生成对抗网络；所述弱监督变焦生成对抗网络包括编码器和解码器；当低成本传感器信号与高成本传感器信号之间无相似语义信息时，采用所述无监督变焦生成对抗网络中的训练好的高成本信号生成器对所述低成本传感器信号进行增强；当低成本传感器信号与高成本传感器信号之间具有相似语义信息时，采用训练好的弱监督变焦生成对抗网络对所述从低成本传感器信号进行增强。本发明专利技术能够实现低成本传感器信号质量的显著增强。能够实现低成本传感器信号质量的显著增强。能够实现低成本传感器信号质量的显著增强。

【技术实现步骤摘要】
基于变焦生成对抗网络的惯性传感器信号增强方法及系统


[0001]本专利技术涉及惯性传感器信号增强
，特别涉及一种基于变焦生成对抗网络的惯性传感器信号增强方法及系统。

技术介绍

[0002]在未来的信息化、智能化社会，无处不在的传感器系统将成为社会高效运行的基石。智能机器人、智能家居、智能驾驶等智能化系统都将依赖于各式各样传感器所构成的网络。因此，从某种程度上讲，传感器的精度将决定未来人类社会的智能化程度。作为最有代表性的传感器之一，MEMS惯性传感器因其体积小、易佩戴、功耗低、成本低、易批量生产等优势被广泛应用于航空航天、智能驾驶、人机交互、导航定位等领域。事实上，市场上常见的惯性传感器单价可以低至0.2
‑
0.5元不等，因此具有广阔的市场前景。然而低成本传感器虽然可以大规模生产，造价低廉，但其信号中往往包含复杂的噪声形式和误差漂移。

技术实现思路

[0003]基于此，本专利技术的目的是提供一种基于变焦生成对抗网络的惯性传感器信号增强方法及系统，实现低成本传感器信号质量的显著增强。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种基于变焦生成对抗网络的惯性传感器信号增强方法，包括：
[0006]构建无监督变焦生成对抗网络；所述无监督变焦生成对抗网络包括：高成本信号生成器、低成本信号生成器以及判别器；所述高成本信号生成器中设置有变焦机制；
[0007]构建弱监督变焦生成对抗网络；所述弱监督变焦生成对抗网络包括编码器和解码器；所述弱监督变焦生成对抗网络中设置了多重辅助任务以约束低成本传感器信号与高成本传感器信号的语义信息一致性；
[0008]当低成本传感器信号与高成本传感器信号之间无相似语义信息时，采用所述无监督变焦生成对抗网络中的训练好的高成本信号生成器对所述低成本传感器信号进行增强；
[0009]当低成本传感器信号与高成本传感器信号之间具有相似语义信息时，采用训练好的弱监督变焦生成对抗网络对所述从低成本传感器信号进行增强。
[0010]可选地，所述高成本信号生成器的训练过程如下：
[0011]获取真实低成本传感器信号样本和真实高成本传感器信号样本；
[0012]将所述真实低成本传感器信号样本输入至所述高成本信号生成器中，得到第一虚拟高成本传感器信号；
[0013]将所述第一虚拟高成本传感器信号输入至低成本信号生成器，得到第一虚拟低成本传感器信号；
[0014]根据所述真实低成本传感器信号样本与所述第一虚拟低成本传感器信号之间的误差对所述高成本信号生成器进行初始优化；
[0015]将所述真实高成本传感器信号样本输入至所述低成本信号生成器，得到第二虚拟
低成本传感器信号；
[0016]将所述第二虚拟低成本传感器信号输入至初始优化后的高成本信号生成器，得到第二虚拟高成本传感器信号；
[0017]通过所述判别器对所述第一虚拟高成本传感器信号和所述第二虚拟高成本传感器信号进行判别；
[0018]通过所述判别器的判别结果对初始优化后的高成本信号生成器进行再次优化。
[0019]可选地，所述变焦机制，具体包括：
[0020]从原始信号流中提取不同尺度的真实低成本传感器信号样本；所述不同不同尺度的真实低成本传感器信号样本包括本征尺度的真实低成本传感器信号样本和大于本征尺度的真实低成本传感器信号样本；
[0021]将本征尺度的真实低成本传感器信号样输入至所述高成本信号生成器，
[0022]将大于本征尺度的真实低成本传感器信号样本降采样至本征尺度后输入至不同的高成本信号生成器；
[0023]根据两个高成本信号生成器的输出结果优化高成本信号生成器。
[0024]可选地，在所述弱监督变焦生成对抗网络的训练过程，当辅助任务与主任务的学习方向一致时，放大辅助任务损失，当辅助任务与主任务的学习方向不一致时缩小辅助任务损失，抑制辅助任务对主任务的负面影响；所述学习方向一致通过一致性损失进行判断；所述一致性损失为主任务的原始特征和辅助任务的拷贝特征之间损失；所述拷贝特征是通过对原始特征进行拷贝得到的。
[0025]可选地，所述辅助任务损失包括：输入端浅层特征的辅助任务损失、输入端中层特征的辅助任务损失、输入端深层特征的辅助任务损失、输出端浅层特征的辅助任务损失、输出端浅层特征的辅助任务损失和输出端浅层特征的辅助任务损失；所述输入端为所述编码器；所述输出端为所述解码器；所述浅层特征为靠近数据端的特征；所述深层特征为远离数据端的特征；所述中层特征为介于所述浅层特征和所述深层特征之间的特征。
[0026]可选地，所述辅助任务的总损失L
Auxiliary
的计算公式如下：
[0027][0028]其中，为输入端浅层特征的辅助任务损失；为输入端中层特征的辅助任务损失；为输入端深层特征的辅助任务损失；为输出端浅层特征的辅助任务损失；为输出端中层特征的辅助任务损失；为输出端深层特征的辅助任务损失；为输入端浅层特征的一致性损失；为输入端中层特征的一致性损失；为输入端深层特征的一致性损失；为输出端浅层特征的一致性损失；为输出端中层特征的一致性损失；为输出端深层特征的一致性损失。
[0029]本专利技术还提供了一种基于变焦生成对抗网络的惯性传感器信号增强系统，包括：
[0030]无监督变焦生成对抗网络构建模块，用于构建无监督变焦生成对抗网络；所述无监督变焦生成对抗网络包括：高成本信号生成器、低成本信号生成器以及判别器；所述高成本信号生成器中设置有变焦机制；
[0031]弱监督变焦生成对抗网络构建模块，用于构建弱监督变焦生成对抗网络；所述弱监督变焦生成对抗网络包括编码器和解码器；所述弱监督变焦生成对抗网络中设置了多重辅助任务以约束低成本传感器信号与高成本传感器信号的语义信息一致性；
[0032]第一信号增强模块，用于当低成本传感器信号与高成本传感器信号之间无相似语义信息时，采用所述无监督变焦生成对抗网络中的训练好的高成本信号生成器对所述低成本传感器信号进行增强；
[0033]第二信号增强模块，用于当低成本传感器信号与高成本传感器信号之间具有相似语义信息时，采用训练好的弱监督变焦生成对抗网络对所述从低成本传感器信号进行增强。
[0034]可选地，还包括：高成本信号生成器训练模块，所述高成本信号生成器训练模块具体包括：
[0035]信号样本集获取单元，用于获取真实低成本传感器信号样本和真实高成本传感器信号样本；
[0036]第一输入单元，用于将所述真实低成本传感器信号样本输入至所述高成本信号生成器中，得到第一虚拟高成本传感器信号；
[0037]第二输入单元，用于将所述第一虚拟高成本传感器信号输入至低成本信号生成器，得到第一虚拟低成本传感器信号；
[0038]第一优化单元，用于根据所述真实低成本传感器信号样本与所述第一虚拟低成本传感器信号之间的误差对所述高成本信号生成器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，包括：构建无监督变焦生成对抗网络；所述无监督变焦生成对抗网络包括：高成本信号生成器、低成本信号生成器以及判别器；所述高成本信号生成器中设置有变焦机制；构建弱监督变焦生成对抗网络；所述弱监督变焦生成对抗网络包括编码器和解码器；所述弱监督变焦生成对抗网络中设置了多重辅助任务以约束低成本传感器信号与高成本传感器信号的语义信息一致性；当低成本传感器信号与高成本传感器信号之间无相似语义信息时，采用所述无监督变焦生成对抗网络中的训练好的高成本信号生成器对所述低成本传感器信号进行增强；当低成本传感器信号与高成本传感器信号之间具有相似语义信息时，采用训练好的弱监督变焦生成对抗网络对所述从低成本传感器信号进行增强。2.根据权利要求1所述的基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，所述高成本信号生成器的训练过程如下：获取真实低成本传感器信号样本和真实高成本传感器信号样本；将所述真实低成本传感器信号样本输入至所述高成本信号生成器中，得到第一虚拟高成本传感器信号；将所述第一虚拟高成本传感器信号输入至低成本信号生成器，得到第一虚拟低成本传感器信号；根据所述真实低成本传感器信号样本与所述第一虚拟低成本传感器信号之间的误差对所述高成本信号生成器进行初始优化；将所述真实高成本传感器信号样本输入至所述低成本信号生成器，得到第二虚拟低成本传感器信号；将所述第二虚拟低成本传感器信号输入至初始优化后的高成本信号生成器，得到第二虚拟高成本传感器信号；通过所述判别器对所述第一虚拟高成本传感器信号和所述第二虚拟高成本传感器信号进行判别；通过所述判别器的判别结果对初始优化后的高成本信号生成器进行再次优化。3.根据权利要求2所述的基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，所述变焦机制，具体包括：从原始信号流中提取不同尺度的真实低成本传感器信号样本；所述不同不同尺度的真实低成本传感器信号样本包括本征尺度的真实低成本传感器信号样本和大于本征尺度的真实低成本传感器信号样本；将本征尺度的真实低成本传感器信号样输入至所述高成本信号生成器，将大于本征尺度的真实低成本传感器信号样本降采样至本征尺度后输入至不同的高成本信号生成器；根据两个高成本信号生成器的输出结果优化高成本信号生成器。4.根据权利要求1所述的基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，在所述弱监督变焦生成对抗网络的训练过程，当辅助任务与主任务的学习方向一致时，放大辅助任务损失，当辅助任务与主任务的学习方向不一致时缩小辅助任务损失，抑制辅助任务对主任务的负面影响；所述学习方向一致通过一致性损失进行判断；所述一致性
损失为主任务的原始特征和辅助任务的拷贝特征之间损失；所述拷贝特征是通过对原始特征进行拷贝得到的。5.根据权利要求4所述的基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，所述辅助任务损失包括：输入端浅层特征的辅助任务损失、输入端中层特征的辅助任务损失、输入端深层特征的辅助任务损失、输出端浅层特征的辅助任务损失、输出端浅层特征的辅助任务损失和输出端浅层特征的辅助任务损失；所述输入端为所述编码器；所述输出端为所述解码器；所述浅层特征为靠近数据端的特征；所述深层特征为远离数据端的特征；所述中层特征为介于所述浅层特征和所述深层特征之间的特征。6.根据权利要求5所述的基于变焦生成对抗网络的惯性传感器信号增强方法，其特征在于，所述辅助任务的总损失L
Auxiliary
的计算公式如下：其中，为输入端浅层...

【专利技术属性】
技术研发人员：赵毅，王一峰，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：