基于调制信号的遮挡目标探测识别方法及生命探测设备技术

本申请公开了一种基于调制信号的遮挡目标探测识别方法及生命探测设备，该方法包括：对生物电位信号进行探测，得到探测信号；对得到的探测信号进行滤波和放大，得到调制信号；将调制信号置于对比学习系统中进行学习处理，实现未标记调制信号的有效特征表示。本申请的有益效果如下：能够区分出接收到的生物信号是不是人体发出的，通过对不同采集信号进行调制，并放入对比学习的系统中，提取信号在不同时候的频谱特性，从而实现对不同生物的信号进行区分，实现生命探测的功能，可以提高搜救工作的效率。作的效率。作的效率。

【技术实现步骤摘要】
基于调制信号的遮挡目标探测识别方法及生命探测设备


[0001]本申请涉及生命探测
，具体涉及一种基于调制信号的遮挡目标探测识别方法及生命探测设备。

技术介绍

[0002]生命信号的探测常用的有两种方式：接触式及非接触式。相比接触式的测量方法，非接触式的测量手段有很多优点：能对人体的生命信号进行较远距离的探测；能在不同天气和地形条件下进行测量；避免了佩戴电极片或者传感器问题，这对于延长监测时间是具有重要意义的，使得长期连续监测成为了可能。因此，非接触式的测量方式受到了越来越多的国家的重视，它可以实现对生命体的定位、数量识别以及生理信息的提取，在军事行动、反恐斗争、灾后伤员搜索、医疗健康监护等领域有着广泛的应用和重要的研究意义。
[0003]但是,在抗震救灾时，因为地下情况复杂，可能存在多种生物信号，现有的生命探测设备难以对不同的生物信号进行区分，这会导致误救，降低了搜救的效率。

技术实现思路

[0004]本申请实施例的目的是提供一种基于调制信号的地下目标探测识别系统及方法，其能够区分出接收到的生物信号是不是人体发出的，通过对不同采集信号进行调制，并放入对比学习的系统中，提取信号在不同时候的频谱特性，从而实现对不同生物的信号进行区分，实现生命探测的功能，从而可以解决
技术介绍
中涉及的至少一个技术问题。
[0005]为了解决上述技术问题，本申请是这样实现的：
[0006]本申请实施例提供了一种基于调制信号的遮挡目标探测识别方法，包括：
[0007]步骤S1：对生物电位信号进行探测，得到探测信号；
[0008]步骤S2：对得到的探测信号进行滤波和放大，得到调制信号；
[0009]步骤S3：将调制信号置于对比学习系统中进行学习处理，实现未标记调制信号的有效特征表示，包括：
[0010]步骤S31：将接收到的第n调制信号表示为以下序列的形式:
[0011][0012]其中，I、Q分别对应于水平和垂直坐标；N是调制信号的个数；
[0013]步骤S32：设置正样本以及负样本，通过在对比学习系统中学习，使得正样本中的不同表示更加接近，负样本距离更加远；其中，正样本对应的是同一种生物的心电信号，而负样本则是实验中涉及的其余生物的心电信号；
[0014]步骤S33：在对比的形式上，给定一批数量大小为B的信号，在特征表示中对每个信号实例执行两个表示，产生2B个数据样本对于特定的信号样本x
i
，在编码器和投影头之后，将两种不同的表示投影到表示空间中，信号特征表示如下:
[0015][0016][0017]其中，f
c
、f
s
对应的是序列编码器，以便于进行后续的特征提取，网络包含四个残差连接，并在最后一层使用全局平均池；g
c
、g
s
对应的是投影头，将序列的特征表示投影到特定的表示空间中；在将IQ序列投影到表示空间中之后，执行相同的归一化处理，得到结果如下:
[0018][0019][0020]用归一化之后的特征信号进行互相关矩阵的运算，表示如下:
[0021][0022]该矩阵是沿着具有相同输出维度的两个不同网络之间的批次维度计算的互相关矩阵；m、n是特征向量z的索引值，m，n∈[1，D]，D是每一个特征向量的维数；因此，模态水平对比的损失表示为:
[0023][0024]其中L1的第一项表示为不变项，而第二项表示为具有减少冗余的项；λ是一个常数，λ>0，用于衡量第一项和第二项的重要性；在模态级特征表示中，使用投影空间中的热星座图和IQ序列的表示向量来计算互相关矩阵，迫使同一样本的不同表示更接近，而不同样本彼此远离；
[0025]步骤S34：对于某个信号样本x
s
，使用随机序列数据扩充来获得x
Sa
，x
S
和x
Sa
是实例级辅助特征表示部分中的相互正的例子；在训练过程中，批次中的任何其他样本都可以用作x
S
和x
Sa
的反例；更多的负面例子可以用来更好地区分不同的样本，并获得更好的模型表示；
[0026]步骤S35：为了添加更多的负样本对，设置队列存储，将在辅助分支中获得的表示向量依次添加到队列中，并且使用队列方法将负样本对从一个批次的大小扩展到队列容量的大小，同时数据量保持不变，将样品与不同批次的阴性样品进行比较，包括：
[0027]步骤S351：对信号进行序列扩充，并且在几批更新之后，由于队伍设置，产生B+Q样本数据，即数据样本在一个批次中，是正样本对，其余2B
‑
1+(Q
‑
B)＝B+Q
‑
1是的负样本对；
[0028]步骤S352：对于特定的信号样本在编码器和投影头之后，将其投影到表示空间上，以提取获得特征和
[0029]步骤S353：使用余弦相似度在该表示空间上计算两个特征向量的相似度；
[0030]步骤S354：对于给定的信号序列，基于余弦相似性的对比度损失的形式表示为:
[0031][0032]其中，τ是温度参数，温度超差集中在负情况样本之间的模型更新，也就是说，两个样本之间的距离越近，对它们的惩罚就越多；由于需要识别所有的正样本对，因此在原序列和扩增序列上分别计算对比度损失，如下所示:
[0033][0034]可选的，在步骤S1中，采用生命探测设备对生物电位信号进行探测，得到探测信号。
[0035]可选的，在步骤S2中，对得到的探测信号进行采用带通滤波器进行滤波，带通滤波器的截止频率为500HZ。
[0036]可选的，在步骤S2中，放大倍数为1000倍以上。
[0037]可选的，在步骤S353中，两个特征向量的相似度计算如下:
[0038][0039]其中，k1、k2∈{s，sa}，i∈[1，B]，j∈[1，B+Q]。
[0040]可选的，在步骤S3中，整个学习分为模态级特征表示和实例级辅助特征表示，使用互相关矩阵在模态级特征表示部分中对两种模态进行对准，此外，还添加一个辅助分支以形成序列的实例级特征表。
[0041]本申请实施例还提供了一种生命探测设备，用于实现所述的方法。
[0042]本申请的有益效果如下：能够区分出接收到的生物信号是不是人体发出的，通过对不同采集信号进行调制，并放入对比学习的系统中，提取信号在不同时候的频谱特性，从而实现对不同生物的信号进行区分，实现生命探测的功能，可以提高搜救工作的效率。
附图说明
[0043]图1是本申请实施例提供的基于调制信号的遮挡目标探测识别方法的流程框图；
[0044]图2是本申请实施例提供的人体一般的心电图。
具体实施方式
[0045]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于调制信号的遮挡目标探测识别方法，其特征在于，包括：步骤S1：对生物电位信号进行探测，得到探测信号；步骤S2：对得到的探测信号进行滤波和放大，得到调制信号；步骤S3：将调制信号置于对比学习系统中进行学习处理，实现对标记调制信号的有效特征表示，并做到对信号的特征进行提取，包括：步骤S31：将接收到的第n调制信号表示为以下序列的形式:其中，I、Q分别对应于水平和垂直坐标；N是调制信号的个数；步骤S32：设置正样本以及负样本，通过在对比学习系统中学习，使得正样本中的不同表示更加接近，负样本距离更加远；其中，正样本对应的是同一种生物的心电信号，而负样本则是实验中涉及的其余生物的心电信号；步骤S33：在对比的形式上，给定一批数量大小为B的信号，在特征表示中对每个信号实例执行两个表示，产生2B个数据样本对于特定的信号样本x
i
，在编码器和投影头之后，将两种不同的表示投影到表示空间中，信号特征表示如下:码器和投影头之后，将两种不同的表示投影到表示空间中，信号特征表示如下:其中，f
c
、f
s
对应的是序列编码器，以便于进行后续的特征提取，网络包含四个残差连接，并在最后一层使用全局平均池；g
c
、g
s
对应的是投影头，将序列的特征表示投影到特定的表示空间中；在将IQ序列投影到表示空间中之后，执行相同的归一化处理，得到结果如下:表示空间中；在将IQ序列投影到表示空间中之后，执行相同的归一化处理，得到结果如下:用归一化之后的特征信号进行互相关矩阵的运算，表示如下:该矩阵是沿着具有相同输出维度的两个不同网络之间的批次维度计算的互相关矩阵；m、n是特征向量z的索引值，m，n∈[1，D]，D是每一个特征向量的维数，因此，模态水平对比的损失表示为:其中I1的第一项表示为不变项，而第二项表示为具有减少冗余的项；λ是一个常数，λ>0，用于衡量第一项和第二项的重要性；在模态级特征表示中，使用投影空间中的热星座图和IQ序列的表示向量来计算互相关矩阵，迫使同一样本的不同表示更接近，而不同样本彼此远离；
步骤S34：对于某个信号样本x
S
，使用随机序列数据扩充来获得x
Sa
，x
S...

【专利技术属性】
技术研发人员：肖竹，熊恩培，蒋洪波，杨科华，汪勇军，熊用，
申请(专利权)人：湖南大学深圳研究院，
类型：发明
国别省市：