一种太赫兹信号特征自动标注方法技术

本发明专利技术公开了一种太赫兹信号特征自动标注方法，包括：构建太赫兹信号数据集；建立多层结构太赫兹信号的自动标注网络；利用训练好的自动标注网络预测未标注的多层结构太赫兹信号，输出标注结果

【技术实现步骤摘要】
一种太赫兹信号特征自动标注方法


[0001]本专利技术涉及一种信号标注方法，具体涉及一种基于神经网络的太赫兹信号特征自动标注方法，属于太赫兹无损检测领域
。

技术介绍

[0002]太赫兹波是一种频率范围在
0.1
‑
10THz
的高频电磁波，与现有的红外散斑方法相比，太赫兹波具有更高的空间分辨率，能够测出物体在振动过程中各个位置的详细振动情况包括中心振动频率，二次谐波以及频率失真情况
。
与光学感知相比，太赫兹波的波长更长
。
这种特性使得太赫兹波能够穿过表面材料探知物体内部的细微机械振动，且物体振动越强烈，产生的能量场就越高
。
太赫兹时域光谱技术具有穿透性强
、
光谱指纹高效
、
能耗低
、
无害
、
环保
、
适用于非极性材料等优点，已被证明能够有效实现多层结构材料内部的缺陷和厚度的无损检测
。
[0003]依据太赫兹波在不同介质中的传播原理，太赫兹在不同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种太赫兹信号特征自动标注方法，其特征在于，包括以下步骤：步骤一
、
构建太赫兹信号数据集：
1.1)
通过太赫兹时域光谱技术对多层结构进行太赫兹检测，得到多层结构的太赫兹检测信号；
1.2)
计算信号的最值进而得到信号特征峰的位置，对太赫兹信号进行标注；
1.3)
将经过标注的太赫兹信号作为太赫兹信号数据集；步骤二
、
建立多层结构太赫兹信号的自动标注网络：自动标注网络由卷积神经网络模块
、
双向长短时网络模块和分类模块组成；所述卷积神经网络模块由空洞卷积网络层一
、
空洞卷积网络层二
、
普通卷积网络层一
、
普通卷积网络层二
、
归一化层一
、
归一化层二
、
归一化层三
、
最大值池化层一
、
最大值池化层二
、
最大值池化层三组成；所述双向长短时网络模块由双向长短时网络层一
、
双向长短时网络层二组成；所述分类模块由全连接层一
、
全连接层二
、
全连接层三和分类层组成；将步骤一构建的太赫兹信号数据集中的信号输入自动标注网络内进行训练；步骤三
、
利用步骤二训练好的自动标注网络预测未标注的多层结构太赫兹信号，输出标注结果
。2.
如权利要求1所述的一种太赫兹信号特征自动标注方法，其特征在于，所述步骤
1.1)
中，多层结构分别由介质一
、
介质二
、
介质三
、
介质四和介质五组成；介质一与介质二交界面处的特征峰为
Peak1
；介质二与介质三交界面处的特征峰为
Peak2
；介质三与介质四交界面处的特征峰为
Peak3
；介质四与介质五的界面反射特征峰为
Peak4。3.
如权利要求2所述的一种太赫兹信号特征自动标注方法，其特征在于，所述步骤
1.2)
中，对太赫兹信号进行人工标注：通过选取太赫兹信号的最值进而得到特征峰
Peak1
，在此基础上，标记特征峰
Peak2、Peak3
和
Peak4
的位置，然后通过不断的人工优化峰谷值选取结果，实现多层结构太赫兹检测信号的人工标注
。4.
如权利要求1所述的一种太赫兹信号特征自动标注方法，其特征在于，所述步骤二中，将步骤一太赫兹信号数据集中的信号输入构建的自动标注网络内进行训练，具体步骤如下：
2.1)
将所述步骤一太赫兹信号数据集中的太赫兹信号输入到卷积神经网络模块中，提取多层结构的太赫兹信号特征峰谷的时序特征；
2.2)
将通过卷积神经网络模块提取的多层结构太赫兹信号的高维特征输入双向长短时网络模块中，识别特征峰谷的时序位置；
2.3)
将双向长短时网络识别的包含特征峰谷的位置时序信息的信号特征输入到分类模块中，得到多层结构太赫兹检测信号的特征峰谷位置；
2.4)
通过交叉...

【专利技术属性】
技术研发人员：顾健，张丹丹，任姣姣，熊伟华，朱运东，杨昕，李丽娟，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：