买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明一种基于LSTM网络的超声闸门自适应追踪方法，涉及超声检测领域。首先进行网络模型构建；其次对数据集进行预处理；然后采用基于LSTM的超声闸门自适应追踪网络模型进行训练；最后采用高通滤波、FSST变换、计算信号短时能量的时频域处理方法对网络模型进行优化。该本发明解决了超声回波自动定位效率低、精度差的问题，实现了超声信号高效准确定位，优于传统RNN模型。采用高通滤波、FSST变换、计算信号短时能量的方法实现了网络模型优化，减小了干扰波形影响，提高了超声信号分类准确率。

主权项：1.一种基于LSTM网络的超声闸门自适应追踪方法，其特征在于，首先进行基于LSTM的超声闸门自适应追踪网络模型构建；其次对数据集进行预处理；然后对网络模型进行训练；最后采用高通滤波、FSST变换、计算信号短时能量的时频域处理方法对网络模型进行优化；具体步骤如下：第一步，网络模型构建构建基于LSTM的超声闸门自适应追踪网络模型，该网络由一个序列输入层，一个LSTM层、一个全连接层，一个Softmax层和输出层构成；该网络输入为超声时序信号，输出为等长的标签序列，通过不同的标签注释区分感兴趣区域与非感兴趣区域；为获得用于训练的标签序列，需要对每个超声时序信号的超声回波区间添加标签；区域标签只包含了感兴趣区域首尾两点的序列坐标，而LSTM网络将用超声时序信号采样点所属区域的标签名称来标注每个信号采样点；因此，将区域标签转换为包含针对每个超声时序信号采样点的各个标签的序列；一个完成转换后的标签序列被网络模型分为两类，其中一类为感兴趣的回波区间，标签为“Echoes”；另一类为非感兴趣区域，设置标签为“na”；第二步，数据预处理将超声时序信号及其对应的标签序列拆分为包含若干个采样信号段；由于超声时序信号幅值有正负，为保留符号信息，对超声时序信号进行标准化处理，标准化处理的公式为： 其中，x'为标准化后超声幅值，xi为时刻i的幅值，μ为数据的平均值，σ为数据的标准差；将完成拆分及标准化后超声时序信号和标签序列分别作为LSTM网络的输入集和输出集；第三步，模型训练将多组不同零件的实测超声时序信号作为数据集；将数据集随机分为训练组和测试组，使用训练集样本利用反向传播算法对模型进行训练，训练过程中不断通过优化求解器更新网络各层权值，以使网络预测的标签序列与真实标签序列足够接近；设计的网络模型使用Adam算法作为优化求解器，损失函数为交叉熵函数；分别设置初始学习率、迭代次数、迭代学习率、最小批尺寸；第四步，应用高通滤波优化网络模型对超声时序信号做快速傅里叶变换分析，设计对应截止频率的高通滤波器，以减小激励信号的影响；第五步，基于FSST变换优化网络模型使用傅里叶同步压缩变换计算每个超声时序信号采样的频谱，并输入网络，使网络同时学习时域和频域特征；首先，计算超声时序信号的短时傅里叶变换；对于换能器接收到的超声时序信号表示为： 其中，n为回波数量，ai为第i个回波的幅值系数，为i个回波的相位调制，与回波的飞行时间有关，ηt为加性噪声；对超声时序信号st进行短时傅里叶变换，其时频谱为：St,ω＝∫sugu-te-jωudu3其中，su为换能器接收到的超声回波信号，gu为窗函数，t为窗函数的中心时刻，ω为角频率；随后，估计回波信号在t时刻的瞬时频率，其值为St,ω对相位的导数： 最后，根据瞬时频率，沿频率方向同步压缩到频率中心： 将傅里叶同步压缩变换结果的实部和虚部视为两个单独的特征，两个分量做标准化处理后同时输入LSTM网络中；修改长短期记忆网络架构，使其可接受每个采样的FSST频谱；将序列输入层的输入尺寸修改为与频率数量相同，其余参数不变；第六步，基于时域分析法优化网络模型计算信号的短时能量，通过信号段能量大小的显著差异来区分真实的回波和干扰回波；信号的短时能量： 其中，ωn-m为窗函数，N为窗长；当窗函数为矩形窗时，信号的短时能量为： 修改网络接受短时能量加入输入集，对网络进行训练；选定矩形窗，设置窗长，计算每段信号短时能量值并馈送至网络输入；使用含有多次回波的超声时序信号数据集对修改后的网络进行测试。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于LSTM网络的超声闸门自适应追踪方法