科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对不同类型的枪击加速度信号，采用深度学习的方法，提出一种新的兼顾精度和轻量化的时间序列(ENT)模型进行研究.该架构核心由注意力倒置残差模块与倒置残差模块组成，能够自动提取枪击加速度信号特征，对不同输入时间尺度更具鲁棒性.在识别精确率方面达到97.42%,超越传统枪击识别算法，在公开枪击数据集上与SVM、决策树、随机森林3种传统机器学习模型，以及FCN、 ResNet、 Inceptiontime、 Xceptiontime等4种时间序列深度学习模型对比.实验结果表明：ENT模型更加高效，识别精确率更高.
