[发明专利]一种基于复合传感器自组网的运动目标分类识别方法

摘要

本发明公开一种基于复合传感器自组网的运动目标分类识别方法，通过对地面运动目标实际产生的磁阻和微震动信号的采集，完成目标分类识别功能。根据目标的磁阻和微震动信号的复合特征，将常见目标分类为徒手人员等六种类型。在部署的传感器网络系统上，首先确定两种传感器节点的目标感应电压阈值，然后将运动目标产生的特征信号转换成三值信号模式即{+1，0，-1}，由试验预先建立和构造目标分类识别的样本库。在采集系统采样到运动目标的两种实际信号时，将它们与样本库中的标准特征信号进行比较，算出它们之间的距离，距离最小者对应的目标类型作为分类识别的结果。方法的特点在于计算量小、实时性强、分类正确率高，用于多类运动目标的识别问题。

主权项

1.一种基于复合传感器自组网的运动目标分类识别方法，特征在于：无线自组织传感器网络系统在部署完毕后，每个网络节点通过对地面运动目标实际产生的磁阻信号和微震动信号的采集，提供目标分类识别的功能；根据目标的磁阻和微震动信号的复合特征，将常见的地面运动目标分类为徒手人员、武装人员(或携带金属体的人员)、小型车辆、客车、大型车辆和履带式车辆六种类型；目标分类方法的操作步骤如下：步骤一：阈值设计阈值是通过预先试验统计产生，计算方法如下：其中，基准值是在无目标通过且无干扰的情况下、网络节点的输出电路电压，波动值是在无目标通过而有干扰的情况下、网络节点的输出电路电压，间隔点数是两个基准值之间的波动值数据的个数；步骤二：峰值转换峰值转换过程是将运动目标经过每个网络节点时产生的实际信号，转换成三值模式：{+1，0，-1}；将运动目标经过每个网络节点时产生的实际信号的变化率与阈值进行比较，如果为正且大于阈值，则特征化为+1；如果为负且数量上大于阈值，则特征化为-1；如果斜率的数值小于或等于阈值，则特征化为0；步骤三：样本库构造通过试验预先采集运动目标产生的磁阻信号与微震动信号的样本，利用峰值转换过程将这些样本信号分别转换成峰值模式，形成两类标准特征信号，以此构造目标特征的样本库，实现六类目标的区分：①徒手人员，②武装人员(或携带金属体的人员)，③小型车辆，④客车，⑤大型车辆，⑥履带式车辆；步骤四：特征识别在传感器网络系统执行目标监测任务时，只要运动目标经过每个网络节点的附近，这个网络节点的数据采集组件就对运动目标产生的磁阻与微震动这两种信号进行现场采集，将采集的两类信号结果与样本库中的两类标准特征信号分别进行比较，分别算出它们之间的距离，两类距离相加求和，再比较何种目标类型的距离总和最小，则将最小距离总和的目标类型作为识别结果；所述的特征识别过程细节操作如下：在采用标准特征信号进行目标类型的识别时，将运动目标现场产生的实际信号与样本库中的标准特征信号进行比较计算：R＝|c₁-c_b1|+|c₂-c_b2|+…+|c₁₀-c_b10|其中，{c₁，c₂…c₁₀}是网络节点采集的运动目标现场产生的实际信号的三值模式数据，{c_b1，c_b2…c_b10}是样本库中的标准特征信号的数据，R是这两种数据之间的向量差值；当每个网络节点的数据采集组件采集到目标的磁阻信号与微震动信号时，算出差值R；假设R₁表示磁阻信号的差值比较结果，R₂表示微震动信号的差值比较结果，这两种信号的差值距离相加求和为(R₁+R₂)；如果某种目标类型对应的综合计算结果(R₁+R₂)的数值最小，则将它所对应的标准特征信号的目标类型作为分类识别的结果；传感器网络系统的监测中心计算机负责收集目标分类识别的情况，并保存到数据库。