一种光声测量信号特征的识别模型建立方法及提取方法

摘要

本发明公开了一种光声测量信号特征的识别模型建立方法及提取方法，属于信号处理领域，包括：获得测量自不同种类的固体样品的多组一维时序光声测量信号，并标注出每组信号中的各特征信号所在的时域区间和类型，得到多个样本；将U‑Net模型中所有的卷积层、最大池化层和上采样均修改为1D形式，以建立一维U‑Net神经网络模型，用于预测一维时序光声测量信号中各类特征信号的时域分布概率曲线；将所有的样本划分为训练集、验证集和测试集，对一维U‑Net神经网络模型进行训练、验证和测试后，得到光声测量信号特征的识别模型。本发明能够有效解决现有的一维时序光声测量信号特征识别与提取方法的鲁棒性差、准确度低、无法区分不同膜层回声信号的技术问题。