基于深度学习的残缺冲击波信号构建方法

摘要

爆炸冲击波参数是评估弹药威力的主要依据之一，而在实际测试过程中，测试系统可能受破片或其他因素影响而导致损坏，从而无法捕获完整信号，影响了后续的毁伤评估。本文针对该问题提出了一种基于双向长短时记忆网络（BiLSTM）融合多头自注意力模块的方法对残缺的冲击波信号进行完整性构建，采用BiLSTM分析了冲击波信号的局部时序依赖关系，以多头自注意力模块捕捉信号中的频率信息，最终实现了时序信号与频率信息的融合，从而得到完整的冲击波信号。在一次信息采集过程中，所测得的信号数据通常只有数十组，从而导致了小样本问题，本文建立了以LSTM单元为生成器的GAN网络，对完整的冲击波信号进行扩充，增强了数据集容量。基于扩充数据集的构建实验结果表明，本文所提方法构建的完整信号与原始信号之间的MSE和MAE分别为0.006 8和0.146 2，优于LSTM、 BiLSTM、 CNN+BiLSTM等方法，本文所提方法可以满足构建残缺冲击波信号的实际需求。

关键词

信号构建 / 冲击波 / 深度学习 / 双向长短时记忆网络 / 多头自注意力