基于脚步诱发结构振动的人员特征身份识别研究

身份识别是安防领域一项重要工作,目前生物特征识别方法主要利用静态生理特征,利用脚步振动信号进行身份识别研究相对较少,本文提出利用行走过程中脚步诱发结构振动信号的差异性来识别人员。基于能量阈值法检测脚步事件与非脚步事件,对不同测试人员单一脚步事件在时域、频域方面共16个脚步特征参数进行了对比分析,研究发现可以将不同特征组合下参数差异性作为身份识别的依据。为了验证方法的有效性,采用支持向量机(support vector machine, SVM)作为分类工具,测试人数为10人数据样本500个情况下,选用16个脚步特征参数平均识别率为79.21%;采用皮尔逊相关系数法筛选出彼此不相关的10个脚步特征参数平均识别率为91%,相比于采用16个脚步特征参数平均识别率提高了11.79%;对比了在不同SVM核函数下分类工具对选取的10个脚步特征参数平均识别率的影响,结果采用线性核函数下平均识别率最高达到96%。结果表明,有效的脚步特征参数组合适用于小样本下的身份识别。

基于SAE-SVM算法的振动信号定位方法研究

针对传统振动信号短时能量检测法精度低、需手工参数选择等问题,提出了一种稀疏自编码器(SAE)网络,用于提取振动信号有效特征,并将其用于支持向量机(SVM),从而检测脚步振动信号。为了缓解了振动信号色散效应造成的信号失真问题,使用了小波分解(WT)方法,并基于实验分析优化了分解参数,然后基于广义互相关和到达时间差(TDoA)算法进行定位解算。实验结果表明,相比人工特征筛选,SAE-SVM算法的活动段检测精度可达96.8%,系统平均定位误差为0.82 m。