[发明专利]基于太赫兹波的识别方法、装置及存储介质

说明书

本发明公开一种基于太赫兹波的识别方法、装置及存储介质。其中，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振幅点；根据所述振幅点构建原始数据；选用若干所述原始数据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；根据所述神经网络模型的输出，识别所述待测物。本发明能够通过构建神经网络模型，对太赫兹波背景下的物体进行识别。

技术领域

本发明涉及机械学习领域，具体而言，涉及一种基于太赫兹波的识别方法、装置及存储介质。

背景技术

在CN104965233A的公开文献中提及多频太赫兹检测系统。

由于不同频率的太赫兹波经被测物体的透射和/或散射和/或吸收后，其强度变化是不同的；那么该系统通过不同频率的探测器分别在不同频率下获取强度变化的太赫兹光后产生电信号，再通过该电信号进行成像。系统的成像能够用于实现对被测物体的识别；

对如上述成像中被测物体的识别一般是人工判断或在高对比度的成像下通过图像技术实现。

发明内容

本发明实施例至少提供一种基于太赫兹波的识别方法，能够通过构建神经网络模型，对太赫兹波背景下的物体进行识别。

上述实施例的具体实现，如下所述。

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，