摘要：目前,针对震动信号的目标检测与识别方法已得到广泛而深入的研究,但对距离较远、目标信号幅值与背景噪声幅值相近或相等的行人等目标的探测精度无法达到较高水平。针对该问题,从时域信号特征提取与学习的角度出发,提出一种基于深度学习的目标检测与识别方法,通过提取行人行走及跑步信号的峰值序列,将该序列输入循环神经网络进行训练,从而得到可准确检测与识别行人震动信号的网络模型。实验结果表明,该方法对远距离(≥30 m)行人目标的识别精度可达到93%以上。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社