【技術實現步驟摘要】
本專利技術涉及信號處理領域，尤其涉及一種基于人工智能的聲表面波無源無線傳感系統抗干擾方法。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、聲表面波(surface?acoustic?wave，以下簡稱saw)是一種由壓電材料激發、沿固體表面傳播的彈性聲波，因其聲波傳輸特性(如聲速、諧振頻率等)對周圍環境敏感，且器件可與天線一體化集成，故可實現無需外接電源、環境適應性強的無源無線的多參數傳感系統。saw傳感系統由射頻閱讀器(圖1中的讀出單元)和saw傳感單元兩部分構成，傳感單元又由傳感器和傳感天線構成，傳感器進一步包括壓電材料、叉指換能器(idt，interdigitaltransducer)、反射柵等。saw無源無線系統的工作原理與雷達類似，首先由閱讀器發射射頻問詢信號，傳感單元通過傳感天線(圖1中的應答天線)接收問詢信號、通過idt激勵起聲表面波傳輸諧振、并返回包含了周圍環境信息(溫度等)的射頻應答信號，然后閱讀器接收并解析應答信號，從而獲得傳感器周圍的環境信息。基于聲表面波諧振器的無源無線傳感技術由于結構簡單、無需電源、無需布線、可遠程讀取等優點，在工業環境監測領域得到了廣泛的應用，如實時監測機械設備的溫度、壓力、應力狀態以及時發現設備的異常情況。例如，在鋰離子電池儲能系統中，長時間運行會導致性能劣化，表現為容量衰減和內阻增加。這些劣化因素直接影響電池的使用壽命和安全性。通過基于saw的無源無線傳感技術，可以實現對鋰離子電池溫度和應變等狀態的實時監測，從而及時發現
3、現有的saw無源無線傳感系統主流的抗干擾方式主要為優化saw傳感器的設計與優化數據檢測算法。在傳感器物理結構方面，通過設計特殊的聲表面波結構，如改進壓電基片、叉指換能器、反射柵陣列以及天線或使用金屬有機框架等的特殊材料，來提高傳感器對特定干擾的抵抗能力。在優化檢測算法方面，采用重復查詢與改進自相關算法來進行去除白噪聲從而提高抗干擾能力，或者采用自相關算法與傅里葉變換，來消除初相位對頻率估計結果的影響從而增強抗干擾能力。但它們都主要只采用自相關算法等傳統信號處理算法，都依賴于特定的假設，并且對來自其他無線設備或環境的頻譜干擾的處理和對非線性失真的處理能力較低。還有通過奇異值分解技術進行信號矩陣的降噪從而獲得更好的抗干擾性能，這種方法不依賴于特定的假設，但對于大規模數據的計算復雜度較高，數據處理速度和效率較低。另外，還有使用壓縮感知來直接提升檢測精度，這種方法所需數據更少，計算復雜度較低，提升了數據處理速度和效率，但是并不能抗電磁干擾。還有采用基于自適應kalman濾波的算法進行抗干擾，但這種方法依賴于對測量噪聲的統計性質，且不能夠對噪聲、響應和干擾進行分類，只能進行錯誤數據的剔除。最后，還有使用ica方法實現對干擾信號和響應信號的分類，ica方法存在尺度和排序的模糊性，即分離出來的源信號的幅度和順序是不確定的，且對信號的非高斯型有較高的要求。使用神經網絡技術能夠較好地解決上述問題，但現有的使用人工智能算法中的遺傳算法優化bp神經網絡(back?propagationneural?net-works,bpnn)對saw傳感器測量數據進行擬合分析來驗證數據的準確性，并未對saw傳感器原始的物理回波信號進行分析，當遇到異常的測量數據時只能做丟棄處理，無法在干擾的環境中測得有效的真實信號。
技術實現思路
1、為了解決上述
技術介紹
中存在的技術問題，本專利技術提出一種基于人工智能的聲表面波無源無線傳感系統抗干擾方法，能夠有效區分信號與干擾，兼具高魯棒性、實用性、通用性與靈活性，同時最小化信息丟失。
2、本專利技術的目的通過如下的技術方案來實現：
3、一種基于人工智能的聲表面波無源無線傳感系統抗干擾方法，包括如下步驟：
4、步驟一：獲取不同頻率下包括噪聲、正常響應和干擾在內的各種聲表面波回波信號的射頻信號強度數據，并為聲表面波回波信號賦予不同的標簽；
5、步驟二：首先，將各種聲表面波回波信號的射頻信號強度數據進行預處理，使得所有數據長度一致；然后再進行數據的標準化處理，并對標準化后的數據進行獨熱編碼；最后對二維數據添加一個額外的通道數維度，使數據變成三維形式，即，三維數據的維度分別為樣本數、特征數、通道數，其中通道數為1；
6、步驟三：構建注意力機制的一維cnn神經網絡分類模型，所述一維cnn神經網絡分類模型包括一層一維卷積層和注意力機制模塊；所述一維卷積層用于提取射頻信號強度數據的時頻特征，卷積核的大小為1，填充為1，步幅為1，用于增強特征提取的非線性能力；所述注意力機制模塊對一維卷積層提取的時頻特征進行加權平均；
7、采用步驟二得到的數據對所述一維cnn神經網絡分類模型進行訓練；
8、步驟四：采集新的聲表面波回波信號，將其進行和步驟二相同的處理后，輸入訓練后的一維cnn神經網絡模型，模型輸出新的聲表面波回波信號的類別。
9、進一步地，僅包括噪聲的不同頻率下的聲表面波回波信號的標簽為1，包含噪聲和正常響應的聲表面波回波信號的標簽為0，僅包含噪聲和干擾的聲表面波回波信號的標簽為2。
10、進一步地，所述步驟二中，將各種聲表面波回波信號的射頻信號強度數據進行預處理，使得所有數據長度一致，具體包括：
11、對數據缺失值，優先選用眾數填充，眾數不存在的情況下使用中位數進行填充；
12、針對長度超出預設閾值的數據則進行截斷處理。
13、進一步地，所述一維cnn神經網絡分類模型包括一層一維卷積層和注意力機制模塊之外，還包括一維卷積層二、最大池化層、丟棄層一、一維卷積層三、丟棄層二、展平層、全連接層一、丟棄層三和全連接層二；
14、所述最大池化層用于降低特征維度，同時保留最重要的信息；
15、所述丟棄層一、丟棄層二和丟棄層三用于訓練過程中隨機關閉一部分神經元，防止模型過擬合；
16、所述展平層用于將多維的時頻特征轉換為一維的特征向量；
17、所述全連接層一和全連接層二用于對聲表面波回波信號進行高級表示和分類。
18、一種基于人工智能的聲表面波無源無線傳感系統，該系統包括聲表面波傳感單元、閱讀器、射頻電纜、上位機；
19、所述聲表面波傳感單元用于接收問詢信號和發射帶有環境信息的聲表面波信號；
20、所述閱讀器用于接收所述聲表面波傳感單元接收的信號并將其轉換為可處理的數據；
21、所述射頻電纜用于實現閱讀器的硬件與閱讀器天線之間的信號傳輸；
22、所述上位機部署訓練后的注意力機本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，僅包括噪聲的不同頻率下的聲表面波回波信號的標簽為1，包含噪聲和正常響應的聲表面波回波信號的標簽為0，僅包含噪聲和干擾的聲表面波回波信號的標簽為2。
3.根據權利要求1所述的基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，所述步驟二中，將各種聲表面波回波信號的射頻信號強度數據進行預處理，使得所有數據長度一致，具體包括：
4.根據權利要求1所述的基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，所述一維CNN神經網絡分類模型包括一層一維卷積層和注意力機制模塊之外，還包括一維卷積層二、最大池化層、丟棄層一、一維卷積層三、丟棄層二、展平層、全連接層一、丟棄層三和全連接層二；
5.一種基于人工智能的聲表面波無源無線傳感系統，其特征在于，該系統包括聲表面波傳感單元、閱讀器、射頻電纜、上位機；
6.根據權利要求1所述的基于人工智能的聲表面波
...【技術特征摘要】
1.一種基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，僅包括噪聲的不同頻率下的聲表面波回波信號的標簽為1，包含噪聲和正常響應的聲表面波回波信號的標簽為0，僅包含噪聲和干擾的聲表面波回波信號的標簽為2。
3.根據權利要求1所述的基于人工智能的聲表面波無源無線傳感系統抗干擾方法，其特征在于，所述步驟二中，將各種聲表面波回波信號的射頻信號強度數據進行預處理，使得所有數據長度一致，具體包括：
4.根據權利要...
【專利技術屬性】
技術研發人員：朱國朋，魏永靜，呂新荃，盧奕，馬愷，張璞，韓光明，王立君，王世豪，任廷鑫，劉煒，王曉勇，田安琪，江穎潔，趙子昊，李麗，陳美欣，周閱，金浩，
申請(專利權)人：國網山東省電力公司信息通信公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。