基于深度学习的残缺冲击波信号构建方法

爆炸冲击波参数是评估弹药威力的主要依据之一,而在实际测试过程中,测试系统可能受破片或其他因素影响而导致损坏,从而无法捕获完整信号,影响了后续的毁伤评估。本文针对该问题提出了一种基于双向长短时记忆网络(BiLSTM)融合多头自注意力模块的方法对残缺的冲击波信号进行完整性构建,采用BiLSTM分析了冲击波信号的局部时序依赖关系,以多头自注意力模块捕捉信号中的频率信息,最终实现了时序信号与频率信息的融合,从而得到完整的冲击波信号。在一次信息采集过程中,所测得的信号数据通常只有数十组,从而导致了小样本问题,本文建立了以LSTM单元为生成器的GAN网络,对完整的冲击波信号进行扩充,增强了数据集容量。基于扩充数据集的构建实验结果表明,本文所提方法构建的完整信号与原始信号之间的MSE和MAE分别为0.0068和0.1462,优于LSTM、BiLSTM、CNN+BiLSTM等方法,本文所提方法可以满足构建残缺冲击波信号的实际需求。