利用加速度信号时频域特征的枪击识别研究

作者：伍弘毅; 陈志聪^*; 吴丽君; 何虔恩

来源：电子测量与仪器学报, 2022, 36(05): 180-187.

DOI：10.13382/j.jemi.B2104873

• 射击检测
• 加速度传感器
• 机器学习
• 特征提取

当前枪支射弹可靠检测及精确计数是枪弹管控的难点之一。为提高基于加速度信号的射弹检测算法的精度和可靠性，提出一种新的射击信号时域特征提取方法—时域分段特征提取法，可避免时域特征过度依赖于加速度瞬时尖峰的问题。首先，提取了枪击加速度样本信号的时域和频域各类统计特征。然后，采用机器学习分类算法K近邻、逻辑回归、支持向量机以及决策树和随机森林进行枪击识别建模。最后，探索和比较各种单一特征对枪击事件识别模型性能的影响。实验结果表明，所提取的主波动域面积特征具有最优的区分度，能够在多数机器学习算法上达到99%以上的分类准确率。