薛凌云，李　欣

(1.杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，浙江 杭州 310018；

2.杭州電子科技大學(xué)自動(dòng)化學(xué)院，浙江 杭州 310018)

?

基于TMR傳感器的冠字碼提取與識(shí)別算法

薛凌云1，李欣2

(1.杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，浙江 杭州 310018；

2.杭州電子科技大學(xué)自動(dòng)化學(xué)院，浙江 杭州 310018)

摘要：針對(duì)第5套人民幣冠字碼，采用TMR傳感器獲取冠字碼磁信號(hào)，經(jīng)小波變換對(duì)信號(hào)降噪，采用能量差法截取冠字碼有效磁信號(hào)，對(duì)其提取多個(gè)時(shí)域特征，構(gòu)建特征判據(jù)樣本庫(kù)，利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別冠字碼磁信號(hào)，實(shí)現(xiàn)真假幣分類。實(shí)驗(yàn)結(jié)果表明，所采集的不同面額紙幣的冠字碼磁信號(hào)穩(wěn)定飽和，小波變換對(duì)磁信號(hào)降噪效果良好，能量差法可以獲取完整、有效的冠字碼磁信號(hào)，BP神經(jīng)網(wǎng)絡(luò)算法運(yùn)算速度快、識(shí)別率達(dá)100%。

關(guān)鍵詞：冠字碼；小波變換；能量差；特征提取與選擇

0引言

隨著經(jīng)濟(jì)的發(fā)展，人民幣發(fā)行量和流通量不斷增加，假幣嚴(yán)重影響了日常生活和社會(huì)秩序[1]，因此鑒偽工作具有重要的應(yīng)用意義。在人民幣防偽標(biāo)志中，冠字碼是磁特征鑒別技術(shù)的重要標(biāo)志之一。在冠字碼檢測(cè)傳感器中，磁感應(yīng)線圈檢測(cè)靈敏度低、抗干擾性能差，銻化銦和非晶態(tài)合金絲傳感器溫度特性差、信號(hào)處理電路復(fù)雜[2]。而隧道磁電阻(Tunnel Magneto Resistance，TMR)具有靈敏度高、溫度特性好、輸出信號(hào)強(qiáng)等特點(diǎn)[3-5]，因此采用TMR傳感器檢測(cè)紙幣冠字碼磁信號(hào)。采用小波變換方法濾除所測(cè)磁信號(hào)噪聲，既可重現(xiàn)信號(hào)細(xì)節(jié)又可彌補(bǔ)上述濾波方法的不足[6]。由于時(shí)窗瞬時(shí)強(qiáng)度比法、能量比法等計(jì)算復(fù)雜度高，對(duì)噪聲敏感，截取精度低[7-10]，本文對(duì)濾波后信號(hào)采用能量差法準(zhǔn)確、高效截取有效信號(hào)，再提取信號(hào)時(shí)域特征，選擇并構(gòu)建特征判據(jù)樣本庫(kù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)識(shí)別冠字碼磁信號(hào)，與多數(shù)鑒偽設(shè)備僅能識(shí)別冠字碼信號(hào)有無(wú)或強(qiáng)弱的性能相比，算法提高了真?zhèn)螏艆^(qū)分能力。

1冠字碼信號(hào)預(yù)處理

1.1　小波變換降噪

利用小波變換技術(shù)對(duì)人民幣冠字碼磁信號(hào)降噪步驟如下：

1)選擇小波基db4、分解尺度4，對(duì)冠字碼信號(hào)進(jìn)行小波變換，得到各層小波系數(shù)wj,k；

2)小波變換降噪有硬閾值和軟閾值方法[11-12]，鑒于軟閾值小波估計(jì)系數(shù)整體連續(xù)性好、降噪效果平滑，故選擇軟閾值函數(shù)如下：

(1)

1.2　有效信號(hào)分割

冠字碼有效信號(hào)集中于檢測(cè)信號(hào)中段，需準(zhǔn)確截取有效信號(hào)，在盡可能涵蓋磁特征的同時(shí)將數(shù)據(jù)量壓縮到最小，以提高后續(xù)識(shí)別算法執(zhí)行效率。與能量比法相比，能量差法可準(zhǔn)確、高效截取信號(hào)[13]，即通過(guò)計(jì)算時(shí)窗前后能量差以確定信號(hào)的起止點(diǎn)，如下：

(2)

冠字碼實(shí)際有效信號(hào)截取方案：

1)采用寬度N=50的矩形窗，從信號(hào)起點(diǎn)開(kāi)始，計(jì)算窗前后部分的能量差；

2)取移動(dòng)步長(zhǎng)N′=10，滑動(dòng)前移時(shí)窗，記錄每個(gè)時(shí)窗能量差和時(shí)窗中點(diǎn)；

3)取能量差的最值，最大值和最小值對(duì)應(yīng)的時(shí)窗中點(diǎn)分別為有效信號(hào)的起止點(diǎn)sp1和ep1，粗略提取冠字碼信號(hào)x′=x(sp1:ep1)；

4)以sp1為起點(diǎn)，計(jì)算信號(hào)x′前i個(gè)幅值的均值與第i+1個(gè)點(diǎn)的幅值之差的絕對(duì)值，即Δ(i)=abs(average(x′(i+1)-x′(1:i)))，令F(i)=a*Δ(i)且a=20；

2識(shí)別算法設(shè)計(jì)

2.1　特征提取與特征選擇

表1　冠字碼磁信號(hào)特征及判定閾值

2.2　BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

2.2.1構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

構(gòu)建3層BP網(wǎng)絡(luò)，拓?fù)浣Y(jié)構(gòu)如圖1所示，其輸入層、隱含層、輸出層神經(jīng)元個(gè)數(shù)分別為分n、p、q。由建立的特征樣本庫(kù)可得，n=4，q=2，隱含層設(shè)計(jì)如下：

(3)

圖1　BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

2.2.2訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)

根據(jù)上述構(gòu)建的網(wǎng)絡(luò)，設(shè)計(jì)訓(xùn)練流程如下：

2)選擇任意樣本k，基于其期望輸出，計(jì)算隱含層各神經(jīng)元的輸入與輸出；

3)計(jì)算實(shí)際輸出并和期望輸出比較獲得誤差函數(shù)，再對(duì)輸出層各神經(jīng)元計(jì)算偏導(dǎo)數(shù)；

5)隱含層與輸出層連接權(quán)值修正。依據(jù)：輸出層各神經(jīng)元，隱含層各神經(jīng)元輸出；

7)訓(xùn)練終止判斷。當(dāng)全局誤差滿足精度要求或訓(xùn)練次數(shù)達(dá)到設(shè)定值，則訓(xùn)練結(jié)束。否則，返回步驟3，進(jìn)入新一輪訓(xùn)練。

3實(shí)驗(yàn)驗(yàn)證和結(jié)果分析

3.1　小波降噪及波形分割效果

TMR傳感器采集的冠字碼磁信號(hào)如圖2(a)所示，小波變換降噪結(jié)果如圖2(b)所示，可見(jiàn)，小波變換降噪既可濾除噪聲，又可維持信號(hào)細(xì)節(jié)特征。利用能量差法在降噪后波形中截取有效信號(hào)，初次截取可對(duì)冠字碼實(shí)際有效信號(hào)起止點(diǎn)進(jìn)行粗略定位，二次截取在對(duì)信號(hào)起止點(diǎn)準(zhǔn)確定位的同時(shí)可對(duì)數(shù)據(jù)再次壓縮。初次截取波形和二次截取波形分別如圖2(c)和圖2(d)所示。

圖2　降噪前后和截取波形

3.2　識(shí)別算法驗(yàn)證

取100個(gè)樣本數(shù)據(jù)訓(xùn)練所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)，確定各層的權(quán)值和閾值，另取100個(gè)樣本數(shù)據(jù)進(jìn)行測(cè)試，測(cè)試結(jié)果如表2所示。由表2可知，假幣被全部檢出，準(zhǔn)確率達(dá)100%。

表2　BP網(wǎng)絡(luò)識(shí)別結(jié)果

4結(jié)束語(yǔ)

TMR傳感器同其他磁傳感器相比，所采集的人民幣冠字碼磁信號(hào)飽和、穩(wěn)定，小波變換降噪方法既可保留信號(hào)細(xì)節(jié)特征又可濾除噪聲，利用能量比法對(duì)冠字碼實(shí)際有效信號(hào)起止點(diǎn)定位，可準(zhǔn)確、高效截取有效信號(hào)，以信號(hào)的峰值、均方根值、脈沖個(gè)數(shù)、平均過(guò)零點(diǎn)等為特征的BP神經(jīng)網(wǎng)絡(luò)算法可有效區(qū)分真假幣，具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 劉琳.基于圖像和磁技術(shù)的人民幣鑒別儀[D].廣州：華南理工大學(xué)，2012：9-14.

[2]蔣峰,鮑丙豪,聞鳳連.基于非晶態(tài)合金絲傳感器的人民幣磁性安全線測(cè)量系統(tǒng)[J].儀表技術(shù)與傳感器,2010,(7):99-101.

[3]呂華,劉明峰,曹江偉,等.隧道磁電阻(TMR)磁傳感器的特性與應(yīng)用[J].磁性材料及器件,2012,3(3):1-4.

[4]EgelhoFF Jr W F,Pong P W T,Unguris J,et al.Critical challenges For picoTesla magnetic-tunnel-junction sensors[J].Sensors and Actualtors A,2009,155(2):217-225.

[5]Edelstein A.Advances in magnetometry[J].Journal oF Physics Condensed Matter,2007,19(16):165 217.

[6]王宏強(qiáng),尚春陽(yáng),高瑞鵬,等.基于小波系數(shù)變換的小波閾值去噪算法改進(jìn)[J].振動(dòng)與沖擊,2011,30(10):165-168.

[7]張偉,王彥春,李洪臣,等.地震道瞬時(shí)強(qiáng)度比法拾取初至波[J].地球物理學(xué)進(jìn)展,2009,24(1):201-204.

[8]左國(guó)平,王彥春,隋榮亮.利用能量比法拾取地震初至的一種改進(jìn)方法[J].石油物探,2004,43(4):345-347.

[9]張偉,王海,李洪臣,等.用變換時(shí)窗統(tǒng)計(jì)能量比法拾取地震初至波[J].物探與化探,2009,33(2):178-180.

[10]徐鈺,曾維輝,宋建國(guó),等.淺層折射波勘探中初至自動(dòng)拾取新算法[J].石油地球物理勘探,2012,47(2):218-224.

[11]杜繼永,黃國(guó)榮,程洪炳,等.基于改進(jìn)小波閾值法處理MEMS陀螺信號(hào)噪聲[J].電光與控制,2009,16(12):61-64.

[12]蘇麗,趙國(guó)良,張仁彥.基于改進(jìn)小波閾值法的平移不變心電信號(hào)去噪[J].哈爾濱工程大學(xué)學(xué)報(bào),2006,27(6):839-843.

[13]鄭江龍,許江.能量差法拾取直達(dá)波初至的應(yīng)用研究[J].工程地球物理學(xué)報(bào),2013,10(6):834-839.

Algorithm oF Serial Number Extraction and Recognition

Based on Tunnel Magneto Resistance Sensor

Xue Lingyun1， Li Xin2

(1.SchooloFLiFeInFormationandInstrumentEngineering，HangzhouDianziUniversity，HangzhouZhejiang310018，China;

2.SchooloFAutomation，HangzhouDianziUniversity，HangzhouZhejiang310018，China)

Abstract:According to the FiFth set RMB serial numbers， tunnel magneto resistance(TMR) is used to acquire the magnetic signal oF serial numbers， the approach oF wavelet transForm is adopted to reduce the signal noise， the method based on energy D-value is used to cut out the eFFective signal， to extract several time domain Features and build characteristic criterion sample library， BP neural network is used to recognize magnetic signal oF serial numbers and classiFy counterFeit and banknote. The study shows that the collected character magnetic signal oF diFFerent RMB is stable and saturate， the method oF wavelet transForm reduces the signal noise well， complete and eFFective magnetic signal can be acquired by using the method based on energy D-value， computing speed oF BP neural network algorithm is Fast and recognition currency is 100%．

Key words:serial number; wavelet transForm; the method based on energy D-value; Feature extraction and selection

中圖分類號(hào)：TP274

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9146(2015)03-0073-04

作者簡(jiǎn)介：薛凌云(1967-)，女，內(nèi)蒙古呼和浩特人，教授，智能信息處理.

收稿日期：2014-10-30

DOI:10.13954/j.cnki.hdu.2015.03.015