[发明专利]基于太赫兹波的识别方法、装置及存储介质

权利要求书

1.一种基于太赫兹波的识别方法，其特征在于，

所述方法包括：

获取不同的待测物，

分别放置所述待测物在太赫兹波背景下并且获取所述待测物相应的太赫兹频域波形数据，

根据所述太赫兹频域波形数据获取不同频率分量的M个振幅点，

M个所述振幅点作为所述待测物的原始数据，N个所述原始数据构建原始特征矩阵X，

其中，

计算原始特征矩阵X的协方差矩阵C，为特征均值，

获取所有特征点的特征均值，

根据特征均值对原始特征矩阵X的所有特征点进行零均值化处理，协方差矩阵C为，

对协方差矩阵C进行奇异值分解，计算协方差矩阵C的特征值及特征向量，

根据所述特征值及所述特征向量构建降维矩阵P，

根据所述特征值的大小对所述特征值对应的所述特征向量进行次序排列，

排列的所述特征向量建立特征向量矩阵Z，

选取所述特征向量矩阵Z的前K行构建降维矩阵P，K小于N且为正整数，

计算原始特征矩阵X与降维矩阵P的乘积为原始数据的降维数据，

选用所述降维数据作为一神经网络模型输入，用于获取所述神经网络模型的输出，

根据所述神经网络模型的输出，识别所述待测物；

其中，配置所述神经网络模型包括：

获取不同样本并且标注不同所述样本的标签，

分别获取所述样本的太赫兹频域波形数据，

根据所述太赫兹频域波形数据获取不同频率分量的样本点，

根据所述样本点构建样本数据，

根据若干所述样本数据构建样本特征矩阵，

选用主成分分析算法获取所述样本特征矩阵的样本降维矩阵，

选用所述样本降矩阵作为所述神经网络模型输入并且选用所述标签作为所述神经网络模型输出，

根据所述样本降矩阵及所述标签训练所述神经网络模型。

2.如权利要求1所述的基于太赫兹波的识别方法，其特征在于，

获取所述太赫兹频域波形数据配置为；

在一频点的所述太赫兹波背景下获取所述待测物的太赫兹时域波形数据；

对所述太赫兹时域波形数据进行快速傅里叶变换，获取所述太赫兹频率波形数据。

3.如权利要求1所述的基于太赫兹波的识别方法，其特征在于，

训练所述神经网络模型，配置为：

配置所述神经网络模型的输入层、隐含层及输出层；

随机配置输入层、隐含层及输出层的权值；

选用所述样本降矩阵作为所述神经网络模型的输入，用于获取所述神经网络模型的实际输出；

选用后向传递算法比较所述实际输出与所述标签，用于更新所述神经网络模型中输入层、隐含层及输出层的权值。

4.如权利要求3所述的基于太赫兹波的识别方法，其特征在于，

在比较所述实际输出与标签的偏差小于最小阈值后停止更新所述权值。

5.如权利要求1所述的基于太赫兹波的识别方法，其特征在于，

根据所述太赫兹频域波形数据获取吸收率、折射率及透射率；

组合所述原始数据、所述吸收率、所述折射率及所述透射率作为原始数据组合；

选用若干所述原始数据组合作为一配置的神经网络模型输入，用于获取所述神经网络模型的输出；

根据所述网络模型的输出，识别所述待测物。

6.一种存储介质，用于存储计算机指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5任意一项所述方法的步骤。