[发明专利]一种基于毫米波雷达的粮库粮食在线水分监测方法

权利要求书

1.一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于:

将毫米波雷达放置于粮库的储粮堆中按五点采样规则，进行探测采样获得每个采样点的ADC采样的原始回波数据发送至上位机中进行数据预处理，然后将预处理后的数据Dc输入至粮食水分含量分类网络进行分类预测，输出每个采样点的水分预测含量并在上位机中显示和储存结果；

所述数据预处理为所述ADC采样的原始回波数据经过调频脉冲周期均值采样操作后获得采样数据Dt；同时，ADC采样的原始回波数据经过傅里叶变换频域特征提取操作后得到频域特征，再经过调频脉冲周期均值采样操作后获得采样数据Df；然后将采样数据Dt和采样数据Df在调频脉冲数维上进行数据拼接获得所述预处理后的数据Dc；

所述粮食水分含量分类网络包括依次连接的基于TCN时域卷积网络和多层感知机。

2.根据权利要求1所述的一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于：

所述调频脉冲周期均值采样具体为：利用公式(1)计算每16个调频脉冲周期数同一采样点的均值：

其中，为每16个调频脉冲周期的采样点均值，S_n为每个计算均值的周期内第n个调频脉冲周期对应采样点的值；

所述ADC采样的原始回波数据中每个类别每帧的原始数据维度为256*4*512，经公式(1)后得到16*4*512维度的处理后数据，然后对16*4*512维度的处理后数据在通道维(4)和采样点维(512)进行拼接和展开操作获得所述采样数据Dt。

3.根据权利要求2所述的一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于：

所述傅里叶变换频域特征提取为对所述ADC采样的原始回波数据按照公式(2)对512个采样点进行有限长离散傅里叶变换得到256*4*512维度的处理后数据；

其中，X(m)代表离散傅里叶变换后的数据，x(n)代表ADC采样的数字信号，N为进行离散傅里叶变换的周期点数。

4.根据权利要求3所述的一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于：

所述粮食水分含量分类网络的训练过程为：收集N组水分含量呈等差排列的粮食样品，采用毫米波雷达采集每组粮食样品的100帧原始回波数据，将每组的水分含量作为该组的100帧原始回波数据的标签，从而构建训练和测试使用的数据集；然后将数据集经过所述数据预处理获得的所述预处理后的数据Dc，将预处理后的数据Dc按照8:2的比例进行随机划分为训练数据集D_train和测试数据集D_test；

使用训练数据集D_train对所述粮食水分含量分类网络进行训练，损失函数采用均方误差，网络参数学习采用Adam优化器；网络参数学习率Learning_rate设置为0.00025，每个batch输入16组数据，迭代1000个epoch进行训练；

每间隔100个epoch在测试数据集D_test上进行测试，使用MSE损失函数来计算预测误差，若当前测试数据集D_test上计算MSE为历史最小值，保存当前网络参数模型文件；完成1000个epoch的训练以及测试步骤后，取历史上在测试数据集D_test上计算所得最小MSE值对应的网络模型参数文件为所述粮食水分含量分类网络的网络参数模型文件。

5.根据权利要求4所述的一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于：

所述TCN时域卷积网络为粮食水分含量分类网络的第一层，过滤器数为64、每个卷积层的内核大小为3、使用的残差块堆栈数为2、扩张列表为[1、2、4、8...2ⁿ]；

所述多层感知机为粮食水分含量分类网络的第二层至第五层，第二层至第四层均为全连接层，且每层后均跟随有ReLU激活函数，第二层输入维度为32*1024，输出维度为1024；第三层输入维度为1024，输出维度为256；第四层输入维度为256，输出维度为64；第五层为网络输出层，激活函数采用Softmax，输入维度为64，输出维度为10。

6.根据权利要求5所述的一种基于毫米波雷达的粮库粮食在线水分监测方法，其特征在于：

所述毫米波雷达设于玻璃材质的圆筒内，将毫米波雷达的发射天线所在平面朝向圆筒外部的粮食，毫米波雷达与圆筒的四壁均分离；

所述五点采样规则为将储粮堆分为上、中、下三个储粮层，每个储粮层按50平方米取近似的正方形，分别在正方形的左上、左下、右上、右下以及中间取五个采样点，将所述毫米波雷达分别设于五个采样点。