申请/专利权人：沈阳工业大学

申请日：2021-04-29

公开（公告）日：2024-04-12

公开（公告）号：CN113286311B

主分类号：H04W16/20

分类号：H04W16/20;H04W16/22;H04B17/318;H04B17/391

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.09.07#实质审查的生效;2021.08.20#公开

摘要：本发明公开了基于多传感器融合的分布式周界安防环境感知系统，该系统的具体实现步骤为步骤一：建立多传感器感知单元；步骤二：通过将微控制器连接传感器，分别对各个传感器进行数据采集；步骤三：总结实验结果，提出改进方法；步骤四：将步骤二中得到的一部分采集数据建立样本标签，制作数据集；步骤五：构造多传感器融合算法，模型采用1维卷积进行特征提取，多层感知器进行分类预测；将步骤四中带标签数据放入模型进行样本训练；步骤六：将步骤五中得到的模型转译，配合着步骤二中得到的另一部分采集数据，完成加载权重数据并进行分类预测。对比传统的信号分析算法，其泛化能力更好，对于复杂环境的感知准确度能提高一个数量级的精度。

主权项：1.基于多传感器融合的分布式周界安防环境感知系统，其特征在于：该系统的具体实现步骤包括：步骤一：建立多传感器感知单元；步骤二：通过将微控制器连接传感器，分别对各个传感器进行数据采集；步骤三：总结实验结果，提出改进方法；步骤四：将步骤二中得到的一部分采集数据建立样本标签，制作数据集；步骤五：构造多传感器融合算法，模型采用1维卷积进行特征提取，多层感知器进行分类预测；将步骤四中带标签数据放入模型进行样本训练；步骤六：将步骤五中得到的模型转译，配合着步骤二中得到的另一部分采集数据，完成加载权重数据并进行分类预测；并通过不断的迭代训练，最终得到理想的模型及权重数据，降低系统的误报漏报率；步骤五具体为：在ARM内核微控制器引入神经网络，建立适用于时间序列数据的特征提取和分类网络模型，运用大数据训练的方式得出权重文件，再将模型转译成微控制器能运行的C程序，最后移植到微控制内部，对新的传感器数据进行推理运算，得出分类预测结果；所述的神经网络建立过程包括：1）构建特征提取网络：①、输入数据为3轴数据，每轴为1s的数据，采样频率设置为20Hz，数据量为60；②、卷积层1，设卷积核长度为10，通道为3，步长为1，卷积后数据由20×3变为11×1；14个卷积核，输出11×14；③、卷积层2，设卷积核长度为10，通道为14，步长为1，卷积后数据由11×14变为2×1；14个卷积核，输出2×14；④、全局平均池化，每个通道取平均值，14个通道，输出14个数值；⑤、Dropout层：为防止过拟合，随机丢弃50%的数据，最后剩余7个值，作为多层感知机的输入；2）构建分类网络：隐藏层和隐藏神经元设计：多层感知器只建立一层隐藏层，隐藏层的神经元个数为11个；输出层为2分类，故有2个神经元；3）激活函数：采用改进的ReLU函数RReLU，随机纠正线性单元，负值的斜率在训练中是随机的，在之后的测试中变为固定；在训练环节中，aji是从一个均匀的分布U（l，u）中随机抽取数值；其公式如下： （2）。

全文数据：

权利要求：

百度查询： 沈阳工业大学 基于多传感器融合的分布式周界安防环境感知系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD