【技术实现步骤摘要】
本专利技术涉及智慧交通，具体涉及一种移动对象振动信号增强方法。
技术介绍
1、光栅阵列传感技术相比于传统的光纤，具有精度高、可组成阵列实现分布式传感、长距离等优点，通过在道面下敷设特制的直埋式振动探测光缆，能够对车辆等移动对象产生的振动激励信号进行精准还原，实现移动对象“全时、全域、全天候”的振动信号感知。
2、在移动对象跟踪过程中，期望移动对象的振动信号是一条清晰、无混杂、单像素的线条，但当移动对象很大时，其振动信号呈现干扰多、信号粗的特点，另外，若一定区域内出现多个对象时，其振动信号呈现不清晰、混杂在一起的特点，针对以上问题，传统方法是对移动对象振动信号进行霍夫变换直线检测，以实现增强，但此类传统方法受阈值影响较大，难以设计出适应各类工况的参数，同时其仅能检测边缘直线，无法检测多个像素宽度的"粗直线"，导致该方法难以解决上述大移动对象、高密等复杂工况的信号增强问题。
技术实现思路
1、有鉴于此，有必要提供一种移动对象振动信号增强方法、电子设备及存储介质，用以解决现有技术中存在的针对大移动对象、高密等复杂工况移动对象的振动信号增强难的技术问题。
2、为了解决上述问题，一方面，本专利技术提供了一种移动对象振动信号增强方法，包括：
3、获取振动信号及其对应的标注信号，并将所述振动信号及所述标注信号作为样本对构建样本数据集；
4、构建初始生成对抗网络模型，所述初始生成对抗网络模型包括生成器和判别器，所述生成器用于对所述振动信号进行增强，所
5、构建所述生成器和所述判别器的损失函数；
6、将所述样本数据集输入所述初始生成对抗网络模型中，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练，直到达到预设的迭代次数，得到训练完备的生成器；
7、将待处理的振动信号输入所述训练完备的生成器中，得到振动轨迹信号。
8、在一些可能的实现方式中，获取振动信号及其对应的标注信号，包括：
9、基于传感元件获取各类工况下移动对象的振动信号；
10、基于所述振动信号对移动对象的轨迹进行人工标注，得到振动信号对应的标注信号。
11、在一些可能的实现方式中，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练，包括：
12、将振动信号输入所述生成器得到生成信号，将所述生成信号输入所述判别器得到生成信号为真或假的概率，将标注信号输入判别器得到标准信号为真或假的概率。
13、在一些可能的实现方式中，所述生成器的损失函数为：
14、lossg＝λ1lossgan+λ2lossfeat+λ3lossvgg+λ4lossl1
15、式中，lossg为生成器的损失，lossgan为生成信号为真的对抗损失，lossfeat为生成信号和标注信号的特征匹配损失，lossvgg为生成信号和标注信号经过vgg模型后特征之间的内容一致性损失，lossl1为生成信号和标注信号的最小绝对值误差损失，λ1、λ2、λ3和λ4分别为lossgan、lossfeat、lossvgg和lossl1的权重；
16、所述判别器的损失函数为：
17、
18、式中，lossd为生成器的损失，lossfake为生成信号为假的对抗损失，lossreal为标注信号为真的对抗损失。
19、在一些可能的实现方式中，所述样本数据集划分为训练集、验证集和测试集；
20、将所述样本数据集输入所述初始生成对抗网络模型中，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练，直到达到预设的迭代次数，得到训练完备的生成器，包括：
21、将所述训练集输入所述初始生成对抗网络模型中，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练；
22、每经过预设轮次的训练，将所述验证集输入该轮次生成对抗网络模型中的生成器，基于生成器的损失函数，计算该轮次生成器的损失，直到达到预设迭代次数停止训练，选取损失最小的生成器作为最优生成器；
23、将所述测试集输入所述最优生成器中，计算最优生成器的误差评价指标，基于所述误差评价指标对所述最优生成器的性能进行评价修正，确定训练完备的生成器。
24、在一些可能的实现方式中，所述生成器包括下采样层、注意力层和上采样层；
25、所述生成器用于对所述振动信号进行增强，包括：
26、基于所述下采样层对所述振动信号进行下采样降维，得到降维信号；
27、基于所述注意力层对所述降维信号的关键信息进行加强，得到添加注意力机制后的信号；
28、基于所述上采样层对所述添加注意力机制后的信号进行上采样升维，得到生成信号。
29、在一些可能的实现方式中，所述注意力层由通道注意力模块和空间注意力模块串联而成，所述通道注意力模块用于对所述降维信号的关键通道进行加强，所述空间注意力模块用于对所述降维信号的关键区域进行加强。
30、在一些可能的实现方式中，所述判别器包括多个尺度的子判别器，所述多个尺度的子判别器用于对所述生成信号的不同尺度特征信号与标注信号进行区分。
31、另一方面，本专利技术还提供了一种电子设备，包括存储器和处理器，其中，
32、所述存储器，用于存储程序；
33、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述移动对象振动信号增强方法的步骤。
34、另一方面，本专利技术还提供了一种计算机可读存储介质，存储有程序或指令，所述程序或指令被处理器执行时，实现上述移动对象振动信号增强方法的步骤。
35、采用上述实施例的有益效果是：本专利技术提供的一种移动对象振动信号增强方法，先获取振动信号及其对应的标注信号，并将振动信号及其对应标注信号作为样本对构建样本数据集，然后构建初始生成对抗网络模型，接着使用样本数据集对初始生成对抗网络模型进行训练，得到训练完备的生成器，最后将待处理的振动信号输入训练完备的生成器中，得到振动轨迹信号，实现了将移动对象不清晰的、非单像素的振动信号增强为清晰的、单像素的信号，极大促进了移动对象的精准跟踪。
本文档来自技高网...【技术保护点】
1.一种移动对象振动信号增强方法，其特征在于，包括：
2.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，获取振动信号及其对应的标注信号，包括：
3.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练，包括：
4.根据权利要求3所述的一种移动对象振动信号增强方法，其特征在于：所述生成器的损失函数为：
5.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，所述样本数据集划分为训练集、验证集和测试集；
6.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，所述生成器包括下采样层、注意力层和上采样层；
7.根据权利要求6所述的一种移动对象振动信号增强方法，其特征在于，所述注意力层由通道注意力模块和空间注意力模块串联而成，所述通道注意力模块用于对所述降维信号的关键通道进行加强，所述空间注意力模块用于对所述降维信号的关键区域进行加强。
8.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，所
9.一种电子设备，其特征在于，包括存储器和处理器，其中，
10.一种计算机可读存储介质，其特征在于，存储有程序或指令，所述程序或指令被处理器执行时，实现上述权利要求1至8中任意一项所述的移动对象振动信号增强方法的步骤。
...【技术特征摘要】
1.一种移动对象振动信号增强方法，其特征在于，包括：
2.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，获取振动信号及其对应的标注信号，包括：
3.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，以所述生成器和所述判别器的损失函数为目标函数进行迭代训练，包括：
4.根据权利要求3所述的一种移动对象振动信号增强方法，其特征在于：所述生成器的损失函数为：
5.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，所述样本数据集划分为训练集、验证集和测试集；
6.根据权利要求1所述的一种移动对象振动信号增强方法，其特征在于，所述生成器包括下采样层、注意力层和上采样层；
...【专利技术属性】
技术研发人员：涂群资，马俊杰，江山，
申请(专利权)人：武汉烽理光电技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。