一种边缘AI多模型算法的弱信号识别方法及系统与流程

本申请涉及信号处理与人工智能，尤其涉及一种边缘ai多模型算法的弱信号识别方法及系统。

背景技术：

1、在激光测距/激光告警/激光雷达等领域中，弱信号的识别处理是尤为关键的一环。传统处理方式主要是通过单一算法（如固定阈值法、恒虚警率法、互相关法及小波去噪）等方法进行弱信号的识别处理。这类方法高度依赖人工设定的参数（如阈值、滤波系数等），当环境噪声动态变化时，其自适应能力差，在极低信噪比环境下容易出现高虚警率或严重漏检，同时拉低了整个系统的探测灵敏度，使得系统的测程降低。

技术实现思路

1、本申请实施例提供一种边缘ai多模型算法的弱信号识别方法及系统，解决单一算法模型的误判，提升极低弱信噪比环境下的弱信号检测能力，提升系统探测灵敏度、提高系统测程。

2、本申请实施例提供一种边缘ai多模型算法的弱信号识别方法，包括：

3、响应于激光器发射的脉冲激光，对探测器输出的回波信号进行采样，获得回波序列s[n]，n=1,2,…,n，n为回波序列长度；

4、将所述回波序列s[n]分别输入至部署于边缘计算平台的m个轻量化识别模型，获得m个独立的识别结果，其中m≥2，每个识别结果包括类别标签和置信度分数；

5、依据预设策略对m个识别结果进行判定，得到最终识别结果；以及，当满足预设的拒绝条件时，触发拒绝判决，并执行兜底策略；

6、当最终识别结果为存在有效信号的情况下，基于对应的回波序列进行距离解算或告警输出。

7、本申请实施例提供一种边缘ai多模型算法的弱信号识别系统，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的边缘ai多模型算法的弱信号识别方法的步骤。

8、本申请实施例的方法的在同一边缘计算终端上，部署多个原理互补的轻量化ai识别模型，对同一串回波信号进行并行或串行推理，并通过投票决策机制融合各模型的输出，从而解决单一算法模型的误判，同时提升极低弱信噪比环境下的弱信号检测能力，进而提升系统探测灵敏度、提高系统测程。

9、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

1.一种边缘ai多模型算法的弱信号识别方法，其特征在于，包括：

2.如权利要求1所述的边缘ai多模型算法的弱信号识别方法，其特征在于，所述m个轻量化识别模型包括至少两种在识别原理上具有互补性的模型。

3.根据权利要求1所述的边缘ai多模型算法的弱信号识别方法，其特征在于，所述m个轻量化识别模型通过以下模型的任意组合构建，且至少包括一个基于深度学习的第一类模型和一个基于人工特征的第二类模型：

4.根据权利要求3所述的边缘ai多模型算法的弱信号识别方法，其特征在于，

5.根据权利要求1所述的边缘ai多模型算法的弱信号识别方法，其特征在于，依据预设策略对m个识别结果进行判定，得到最终识别结果rf，其中预设策略包括如下策略中的一种：

6.根据权利要5所述的边缘ai多模型算法的弱信号识别方法，其特征在于，当投票结果满足以下任一条件时，触发拒绝判定：

7.根据权利要6所述的边缘ai多模型算法的弱信号识别方法，其特征在于，还包括：

8.根据权利要1所述的边缘ai多模型算法的弱信号识别方法，其特征在于，还包括：

9.一种边缘ai多模型算法的弱信号识别系统，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的边缘ai多模型算法的弱信号识别方法的步骤。