薛凌云，李　欣

(1.杭州電子科技大學生命信息與儀器工程學院，浙江 杭州 310018；

2.杭州電子科技大學自動化學院，浙江 杭州 310018)

?

基于TMR傳感器的冠字碼提取與識別算法

薛凌云1，李欣2

(1.杭州電子科技大學生命信息與儀器工程學院，浙江 杭州 310018；

2.杭州電子科技大學自動化學院，浙江 杭州 310018)

摘要：針對第5套人民幣冠字碼，采用TMR傳感器獲取冠字碼磁信號，經(jīng)小波變換對信號降噪，采用能量差法截取冠字碼有效磁信號，對其提取多個時域特征，構建特征判據(jù)樣本庫，利用BP神經(jīng)網(wǎng)絡識別冠字碼磁信號，實現(xiàn)真假幣分類。實驗結果表明，所采集的不同面額紙幣的冠字碼磁信號穩(wěn)定飽和，小波變換對磁信號降噪效果良好，能量差法可以獲取完整、有效的冠字碼磁信號，BP神經(jīng)網(wǎng)絡算法運算速度快、識別率達100%。

關鍵詞：冠字碼；小波變換；能量差；特征提取與選擇

0引言

隨著經(jīng)濟的發(fā)展，人民幣發(fā)行量和流通量不斷增加，假幣嚴重影響了日常生活和社會秩序[1]，因此鑒偽工作具有重要的應用意義。在人民幣防偽標志中，冠字碼是磁特征鑒別技術的重要標志之一。在冠字碼檢測傳感器中，磁感應線圈檢測靈敏度低、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、信號處理電路復雜[2]。而隧道磁電阻(Tunnel Magneto Resistance，TMR)具有靈敏度高、溫度特性好、輸出信號強等特點[3-5]，因此采用TMR傳感器檢測紙幣冠字碼磁信號。采用小波變換方法濾除所測磁信號噪聲，既可重現(xiàn)信號細節(jié)又可彌補上述濾波方法的不足[6]。由于時窗瞬時強度比法、能量比法等計算復雜度高，對噪聲敏感，截取精度低[7-10]，本文對濾波后信號采用能量差法準確、高效截取有效信號，再提取信號時域特征，選擇并構建特征判據(jù)樣本庫，運用BP神經(jīng)網(wǎng)絡識別冠字碼磁信號，與多數(shù)鑒偽設備僅能識別冠字碼信號有無或強弱的性能相比，算法提高了真?zhèn)螏艆^(qū)分能力。

1冠字碼信號預處理

1.1　小波變換降噪

利用小波變換技術對人民幣冠字碼磁信號降噪步驟如下：

1)選擇小波基db4、分解尺度4，對冠字碼信號進行小波變換，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　有效信號分割

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

(2)

冠字碼實際有效信號截取方案：

1)采用寬度N=50的矩形窗，從信號起點開始，計算窗前后部分的能量差；

2)取移動步長N′=10，滑動前移時窗，記錄每個時窗能量差和時窗中點；

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

4)以sp1為起點，計算信號x′前i個幅值的均值與第i+1個點的幅值之差的絕對值，即Δ(i)=abs(average(x′(i+1)-x′(1:i)))，令F(i)=a*Δ(i)且a=20；

2識別算法設計

2.1　特征提取與特征選擇

表1　冠字碼磁信號特征及判定閾值

2.2　BP神經(jīng)網(wǎng)絡設計

2.2.1構建BP神經(jīng)網(wǎng)絡

構建3層BP網(wǎng)絡，拓撲結構如圖1所示，其輸入層、隱含層、輸出層神經(jīng)元個數(shù)分別為分n、p、q。由建立的特征樣本庫可得，n=4，q=2，隱含層設計如下：

(3)

圖1　BP神經(jīng)網(wǎng)絡拓撲結構圖

2.2.2訓練BP神經(jīng)網(wǎng)絡

根據(jù)上述構建的網(wǎng)絡，設計訓練流程如下：

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

3)計算實際輸出并和期望輸出比較獲得誤差函數(shù)，再對輸出層各神經(jīng)元計算偏導數(shù)；

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

7)訓練終止判斷。當全局誤差滿足精度要求或訓練次數(shù)達到設定值，則訓練結束。否則，返回步驟3，進入新一輪訓練。

3實驗驗證和結果分析

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如圖2(a)所示，小波變換降噪結果如圖2(b)所示，可見，小波變換降噪既可濾除噪聲，又可維持信號細節(jié)特征。利用能量差法在降噪后波形中截取有效信號，初次截取可對冠字碼實際有效信號起止點進行粗略定位，二次截取在對信號起止點準確定位的同時可對數(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　識別算法驗證

取100個樣本數(shù)據(jù)訓練所構建的BP神經(jīng)網(wǎng)絡，確定各層的權值和閾值，另取100個樣本數(shù)據(jù)進行測試，測試結果如表2所示。由表2可知，假幣被全部檢出，準確率達100%。

表2　BP網(wǎng)絡識別結果

4結束語

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飽和、穩(wěn)定，小波變換降噪方法既可保留信號細節(jié)特征又可濾除噪聲，利用能量比法對冠字碼實際有效信號起止點定位，可準確、高效截取有效信號，以信號的峰值、均方根值、脈沖個數(shù)、平均過零點等為特征的BP神經(jīng)網(wǎng)絡算法可有效區(qū)分真假幣，具有較好的應用價值。

參考文獻

[1] 劉琳.基于圖像和磁技術的人民幣鑒別儀[D].廣州：華南理工大學，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量系統(tǒng)[J].儀表技術與傳感器,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,尚春陽,高瑞鵬,等.基于小波系數(shù)變換的小波閾值去噪算法改進[J].振動與沖擊,2011,30(10):165-168.

[7]張偉,王彥春,李洪臣,等.地震道瞬時強度比法拾取初至波[J].地球物理學進展,2009,24(1):201-204.

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

[9]張偉,王海,李洪臣,等.用變換時窗統(tǒng)計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,等.淺層折射波勘探中初至自動拾取新算法[J].石油地球物理勘探,2012,47(2):218-224.

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

[12]蘇麗,趙國良,張仁彥.基于改進小波閾值法的平移不變心電信號去噪[J].哈爾濱工程大學學報,2006,27(6):839-843.

[13]鄭江龍,許江.能量差法拾取直達波初至的應用研究[J].工程地球物理學報,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：TP274

文獻標識碼：A

文章編號：1001-9146(2015)03-0073-04

作者簡介：薛凌云(1967-)，女，內蒙古呼和浩特人，教授，智能信息處理.

收稿日期：2014-10-30

DOI:10.13954/j.cnki.hdu.2015.03.015