[发明专利]磁信号识别方法

说明书

本发明提供了一种磁信号识别方法，该方法包括：提取样本纸币的样本磁信号，根据所述样本磁信号，确定磁信号阈值；若实时的磁信号均符合所述磁信号阈值的数值范围，则第一结果为有效磁信号；将样本纸币的样本磁信号带入网络模型进行迭代训练，得到训练参数数组；根据训练参数数组，确定最终网络模型，将待测纸币的磁信号输入至最终网络模型，得到识别结果，若识别结果大于预设的理想阈值y_sd(t_o)，则第二结果为有效磁信号；若第一结果、第二结果均为有效磁信号，则待测纸币的磁信号最终结果为有效磁信号。本技术通过双层识别方法，能够更精确对纸币的磁信号的有效性进行识别。

技术领域

本发明涉及信号识别技术领域，尤其是涉及一种磁信号识别方法。

背景技术

钞票是一种重要的价值符号，如何对钞票图像的磁信号进行有效性识别成为亟待解决的技术问题。

在钞票磁信号的识别装置中，由于摩钞、走钞等各种问题，会出现磁信号采样倾斜的现象。另外磁信号在采样过程中由于振动、磁信号干扰等原因，会导致基波中掺杂谐波和噪声干扰，使信号识别存在困难。因此在磁特征前对磁信号的有效处理是后续纸币识别的关键。本申请提出了将倾斜磁信号扭正、磁信号去干扰等方法，准确还原磁信号标准波形。

此外，钞票上的磁信号特征分为两种，一种是特定的磁编码特征，包括磁码幅值、磁码宽度、磁码间距等。另一种是钞票图像的表磁特征，扫描出来的磁信号没有特定的信号特征。美元磁信号就是满篇幅的图像表磁特征，本申请主要对美元的磁信号的有效性进行识别。

对于美元这种图像表磁特征的磁信号处理，使用现有的信号处理、逻辑判断等方式会出现抗干扰能力弱，判断准确率低，性能较差等问题。本申请提出一种将现有信号处理方法与改进的BP(Back Propagation，误差反向传播)神经网络进行信号检测相结合的方式。本申请对磁信号强度、磁信号分布做整体判断，然后使用改进的BP神经网络对磁信号特征进行准确识别。

发明内容

本发明的目的在于提供一种磁信号识别方法，以精确地对美元的磁信号进行识别。

第一方面，一种磁信号识别方法，所述方法包括：步骤S102，提取样本纸币的样本磁信号，根据所述样本磁信号，确定样本纸币各个特征区域的磁信号阈值；步骤S104，若待测纸币的各个特征区域的实时的磁信号均符合所述磁信号阈值的数值范围，则待测纸币的磁信号的第一结果ResultSignal为有效磁信号；步骤S106，将样本纸币的样本磁信号Data-Result[u,v]带入改进的误差反向传播神经网络模型进行迭代训练，得到训练参数数组；其中，所述训练参数数组包括：谐波权重ω、谐波频率k、谐波相位步骤S108，根据所述训练参数数组，确定最终网络模型，将待测纸币的磁信号输入至最终网络模型，得到识别结果，若识别结果大于预设的理想阈值y_sd(t_o)，则待测纸币的磁信号的第二结果ResultNetwork为有效磁信号；步骤S110，若第一结果、第二结果均为有效磁信号，则待测纸币的磁信号最终结果为有效磁信号。

进一步地，步骤S102包括：S102-1：采集N张样本纸币的初始磁信号Data[u,v]；其中，N＝2000-5000；S102-2：将样本纸币的初始磁信号进行预处理，得到样本磁信号Data-Result[u,v]；S102-3：按照预设的划分规则，将Data-Result[u,v]划分为P个磁特征区域；S102-4：根据统计学原理以及预设的阈值确定规则，确定P个特征区域的磁信号阈值，其中，所述磁信号阈值包括：磁信号强度阈值、磁信号周期阈值和磁信号斜率阈值。

进一步地，步骤S104包括：S104-1：采集待测纸币的初始磁信号；