一种基于超声波与陀螺仪的侧信道安全通信方法

技术领域

本发明涉及安全无线通信领域，尤其涉及一种基于超声波与陀螺仪的侧信道安全通信方法。

背景技术

物联网(IoT)设备已经在各行各业得到了广泛的应用。为了让物联网设备相互学习和共享信息，提供连接的物联网网络是必要的。现有常用的物联网网络(如Wi-Fi、蓝牙和NFC近场通信技术等)主要适用于兼容的物联网设备，并且这类通信方案都需要加装特定的设备，增加了成本。

现有的高敏感信息通信方案主要基于用户认证和加密。然而，在网络共享的信息有被窃听风险的情况下，接收方识别或用户认证是不够的。最近的研究表明，窃听者可以推断智能家居设备的事件，例如，打开或关闭一个灯泡，并最终从加密数据中推断出用户活动。

因此，如何建立一对一或一对多的隐蔽通信通道以防御窃听是需要解决的问题。

有鉴于此，特提出本发明。

发明内容

本发明的目的是提供了一种基于超声波与陀螺仪的侧信道安全通信方法，能避免攻击者在物联网近场通信中窃取数据，实现安全、便捷、实时的单词级别物联网设备通信，进而解决现有技术中存在的上述技术问题。

本发明的目的是通过以下技术方案实现的：

一种基于超声波与陀螺仪的侧信道安全通信方法，包括：

步骤S1，通信的发送方收集各个接收方的陀螺仪硬件特性，所述陀螺仪硬件特性包括：共振频率和共振响应频段；并将基于机器学习的解码器分发给各个接收方；

步骤S2，发送方将待发送的单词信息转换成语音音频，进行编码得到编码信号，并基于目标接收方的陀螺仪硬件特性选择通信频段和进行超声波调制后将编码信号向目标接收方发送；

步骤S3，目标接收方收到所述发送方发送的编码信号后，利用自身的基于机器学习的解码器依次通过信号预处理和信号识别对所述编码信号进行解码得到每段信号所对应的单词信息。

与现有技术相比，本发明所提供的基于超声波与陀螺仪的侧信道安全通信方法，其有益效果包括：

将待发送单词对应的基频范围从20Hz到20,000Hz的音频信号编码在一个复杂的频率范围10Hz内，并使用机器学习技术对接收信号进行实时语义解码，当涉及到多个攻击者时，本发明解决了窃听的挑战，大量的评估表明，本发明可以实现单词级通信，准确率为95.5％，而非目标的准确率下降到1.69％。通信时延小于0.63秒。

具体的优点概括如下：

(1)本发明探索了在扬声器和目标陀螺仪之间创建一个秘密通信通道的可能性，窃听者很难从其中识别出完整的信息。本发明支持一对一和一对多的秘密通信。

(2)为了实现实时能力，本发明研究了单词级超声波到陀螺仪的通信，这是之前的研究没有公开的。

(3)本发明具有很强的鲁棒性，支持与配备陀螺仪的物联网设备进行即时通信。解码模块不需要收集昂贵的训练数据，而是以合成数据为条件，这有助于扩大词汇量。

(4)本发明具有较好的单词识别准确率，平均的单词识别准确率能达到95.5％，在不重新训练解码模型的情况下，新词(训练数据集外)的识别准确率至少可以达到90％。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的基于超声波与陀螺仪的侧信道安全通信方法的流程图。

图2为本发明实施例提供的基于超声波与陀螺仪的侧信道安全通信方法的具体流程图。

图3为本发明实施例提供的侧信道安全通信方法涉及的陀螺仪工作原理示意图。

图4为本发明实施例提供的侧信道安全通信方法中的编码和解码的流程图。

具体实施方式

下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，这并不构成对本发明的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

首先对本文中可能使用的术语进行如下说明：

术语“和/或”是表示两者任一或两者同时均可实现，例如，X和/或Y表示既包括“X”或“Y”的情况也包括“X和Y”的三种情况。

术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等)，应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。

术语“由……组成”表示排除任何未明确列出的技术特征要素。若将该术语用于权利要求中，则该术语将使权利要求成为封闭式，使其不包含除明确列出的技术特征要素以外的技术特征要素，但与其相关的常规杂质除外。如果该术语只是出现在权利要求的某子句中，那么其仅限定在该子句中明确列出的要素，其他子句中所记载的要素并不被排除在整体权利要求之外。

除另有明确的规定或限定外，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如：可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本文中的具体含义。

当浓度、温度、压力、尺寸或者其它参数以数值范围形式表示时，该数值范围应被理解为具体公开了该数值范围内任何上限值、下限值、优选值的配对所形成的所有范围，而不论该范围是否被明确记载；例如，如果记载了数值范围“2～8”时，那么该数值范围应被解释为包括“2～7”、“2～6”、“5～7”、“3～4和6～7”、“3～5和7”、“2和5～7”等范围。除另有说明外，本文中记载的数值范围既包括其端值也包括在该数值范围内的所有整数和分数。

下面对本发明所提供的基于超声波与陀螺仪的侧信道安全通信方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。

如图1所示，本发明实施例提供一种基于超声波与陀螺仪的侧信道安全通信方法，包括：

步骤S1，通信的发送方收集各个接收方的陀螺仪硬件特性，所述陀螺仪硬件特性包括：共振频率和共振响应频段；并将基于机器学习的解码器分发给各个接收方；

步骤S2，发送方将待发送的单词信息转换成语音音频，进行编码得到编码信号，并基于目标接收方的陀螺仪硬件特性选择通信频段和进行超声波调制后将编码信号向目标接收方发送；

步骤S3，目标接收方收到所述发送方发送的编码信号后，利用自身的基于机器学习的解码器依次通过信号预处理和信号识别对所述编码信号进行解码得到每段信号所对应的单词信息。

上述方法的步骤S1中，通信的发送方通过以下方式收集各个接收方的陀螺仪硬件特性，所述陀螺仪硬件特性包括：共振频率和共振响应频段，包括：

通信的发送方向各个接收方发送线性调制频率的超声波信号，使各个接收方的陀螺仪计算频率响应，得出各个接收方陀螺仪的共振频率和共振响应频段；

其中，所述共振频率是当陀螺仪收到的超声波信号具有超过静止时信号强度两倍的振幅，但小于0.5Hz的频率时，确定此时的超声波信号频率为共振频率；

所述共振响应频段是当陀螺仪收到超声波信号有振幅超过静止时信号强度两倍增强的频率，确定此时的超声波信号频率所在的频段为共振响应频段。

上述方法的步骤S2中，发送方按以下方式将待发送的单词信息转换成语音音频，进行编码得到编码信号，包括：

发送方将待发送的单词信息通过TTS转换成音频信号，从所述音频信号的语谱图中提取出每个单词基音的时频脊线，将时频脊线等比例放缩到1000～1010Hz的频段内得到放缩后语谱图，通过Griffin-Lim算法将放缩后语谱图转换成声音信号作为编码得到的编码信号。

上述方法的步骤S2中，发送方按以下方式基于目标接收方的陀螺仪硬件特性选择通信频段和进行超声波调制后将编码信号向目标接收方发送，包括：

基于各接收方的陀螺仪硬件特性的共振频率和共振响应频段为目标接收方选择对应的通信频段，只让目标接收方对应的设备能接收到发送方发送的完整编码信号，然后将编码信号从1000～1010Hz调制到所选择的通信频段上得到超声波信号，通过超声波信号将编码信号向目标接收方进行发送。

上述方法的步骤S2中，基于目标接收方的陀螺仪硬件特性的共振频率和共振响应频段按以下方式为目标接收方选择对应的通信频段，包括：

设目标接收方的陀螺仪的共振响应频段为f1～f2，共振频率fr在共振响应频段f1～f2的正中间，则在共振响应频段内去除fr-10～fr+10这个范围后，根据以下情况选择对应的通信频段；

若目标接收方与非目标接收方的陀螺仪硬件特性的共振频率的共振响应频段没有重叠，则选择目标接收方的共振响应频段作为通信频段，即f1～fr-10和fr+10～f2范围的通信频段；

若目标接收方与非目标接收方的陀螺仪硬件特性的共振频率的共振响应频段重叠不超过50％，则选择目标接收方未被覆盖的共振响应频段作为通信频段，即覆盖的范围在fr～f2范围，则选择f1～fr-10范围作为通信频段，覆盖的范围在f1～fr范围，则选择fr+10～f2范围作为通信频段；

若目标接收方与非目标接收方的陀螺仪硬件特性的共振频率的共振响应频段重叠超过50％，则选择非目标接收方的共振频率作为通信频段，设非目标接收方的共振频率为fr2，则选择通信频段为fr2-5～fr2+5。

上述方法的步骤S2中，采用振幅调制，将编码信号乘上高频载波来将编码信号从1000～1010Hz调制到所选择的通信频段上得到超声波信号。

上述方法的步骤S3中，目标接收方利用自身的基于机器学习的解码器按以下方式进行信号预处理，包括：

基于机器学习的解码器对收到的编码信号根据方差进行分段得到多段信号，每段信号对应单个单词，对每段信号均进行滤波和短时傅里叶变换处理，得出每段信号的语谱图，对语谱图进行归一化处理，得到单个单词的样本信号；

目标接收方利用自身的基于机器学习的解码器按以下方式进行信号识别，包括：

若用户使用系统已有的单词进行通信，接收到样本信号后，通过预先训练好的长短期记忆递归神经网络模型来识别单个单词的样本信号，得到样本信号所对应的单词信息；

或者，

若用户使用扩展新的单词进行通信，接收到样本信号后，通过预先训练好的三元组网络模型提取该样本信号的特征向量，与预先建立的单词特征库里的特征向量进行对比，以距离最小的特征向量对应的单词作为识别出的单词信息；

所述单词特征库通过以下方式建立：用预先训练好的三元组网络模型为每个单词的样本信号提取32维特征向量构成单词特征库，并将后续生成的新单词的特征向量加入单词特征库对单词特征库进行扩展。

上述方法的步骤S3中，长短期记忆递归神经网络模型由4层长短期神经网络和3层全连接层构成，4层长短期神经网络每层有512个长短期记忆神经网络单元，3层全连接层的神经元分别是512-1000-500-100，4层长短期神经网络会输出512维的特征向量，将这512维的特征向量输入三层全连接层网络中得到分类结果。

所述长短期记忆递归神经网络模型通过以下方式进行训练，包括：

训练过程中，根据陀螺仪共振的硬件原理，模拟出由超声波发送的每个单词由陀螺仪接收后输出的陀螺仪信号，根据陀螺仪信号模拟生成合成陀螺仪信号作为训练数据，对所述长短期记忆递归神经网络模型进行训练；

可以知道，上述长短期记忆递归神经网络模型的3层全连接层对应的是100个单词的分类，实际执行中可根据需要扩展到更多单词。

所述三元组网络模型的结构是由长短期记忆递归神经网络模型增加另外三层全连接层构成，能生成32维特征向量；所述长短期记忆递归神经网络模型与前述的长短期记忆递归神经网络模型结构相同。

所述三元组网络模型通过以下方式进行训练，包括：

训练过程中，根据陀螺仪共振的硬件原理，模拟出由超声波发送的每个单词由陀螺仪接收后输出的陀螺仪信号，根据模拟出的陀螺仪信号模拟生成合成陀螺仪信号作为训练数据，对所述三元组网络模型进行训练。

上述方法中，按以下方式根据陀螺仪共振的硬件原理，模拟出由超声波发送的每个单词由陀螺仪接收后输出的陀螺仪信号，根据陀螺仪信号模拟生成合成陀螺仪信号作为训练数据，根据信号模式模拟生成合成陀螺仪信号作为训练数据，包括：

随机设定多个不同的陀螺仪的共振频率和超声波的频率，并根据不同的陀螺仪的共振频率和超声波的频率模拟乘法器和低通滤波器来合成陀螺仪接收到发送每个单词的超声波信号的输出的陀螺仪信号；

具体的，根据图2所示陀螺仪的信号生成原理图可知，陀螺仪内部存在振子持续进行简谐运动，设其振动频率为fr，当陀螺仪发生偏转后，根据科里奥利力的原理，陀螺仪会发生垂直于简谐运动方向的位移，通过电磁探针就可以测量出位移距离，从而计算出角速度。为了消除陀螺仪自身简谐振动带来的干扰，陀螺仪会给输出信号加上一个乘法器，乘上简谐运动的余弦值，然后再通过低通滤波器，从而消除简谐运动的影响。当超声波的频率接近简谐运动频率fr时，信号通过乘法器后会多出一项低频分量，这个低频分量无法被低通滤波器消除，从而出现了超声波干扰。在这种情况下，只要设定陀螺仪的共振频率和超声波的频率，模拟乘法器和低通滤波器，就可以合成陀螺仪接收到信号的模态。由此得到理论上陀螺仪接收到发送每个单词超声波后输出的陀螺仪信号；

上述方式通过随机设定多个不同的陀螺仪的共振频率和超声波的频率来模拟不同设备差异性的数据，使得基于机器学习的解码器具有很强泛化性；

将得到的陀螺仪信号分别进行暂态特性处理、信号增强处理、陀螺仪噪声处理、频率响应和数据增强处理后得到作为训练数据的模拟生成合成陀螺仪信号。

上述方法中，所述暂态特性处理是陀螺仪共振需要能量累积的过程。当陀螺仪受到超声波干扰后，会先有一个信号逐渐增强的过程，再趋于稳定。这个过程对于不同陀螺仪会有不同的长度和大小。为了模拟不同陀螺仪的暂态情况，对陀螺仪信号随机选择前a％的信号，乘上一个从b等差递增到1的小数，b是随机选择的小数，0＜b＜1，以此模拟出不同陀螺仪信号的暂态特性；

所述信号增强处理是对所述陀螺仪信号乘上一个0.5～4的随机数来模拟陀螺仪信号增强特性；

所述陀螺仪噪声处理是向所述陀螺仪信号中添加高斯噪声来模拟陀螺仪噪声；

所述频率响应是在所述陀螺仪信号的频谱图的频率轴上乘以c等差增加到1的小数来模拟所述陀螺仪信号的频率响应，其中c是随机选择的小数，0＜c＜1；

上述合成陀螺仪数据的方案是通过理论模拟的，不是实际采集的。为了模拟不同陀螺仪的效果，每个合成的陀螺仪数据生成都是带有随机性的，上述生成过程中有随机数。将这样多种不同的合成陀螺仪数据构成初始训练数据集。

所述数据增强处理是在由多个合成陀螺仪信号组成的初始训练数据集上，在每个合成陀螺仪信号的时频图对应的二维矩阵上直接加上一个二维高斯噪声矩阵来模拟现实中接收的受到不可预测因素影响的陀螺仪信号。具体的，每个样本是一个时频图，也就是一个二维矩阵，在这个二维矩阵上直接加上一个二维高斯噪声矩阵，就可以实现数据增强的目的。

经数据增强处理后的多个合成陀螺仪数据构成最终训练数据集。由于根据陀螺仪信号模拟生成合成陀螺仪信号作为训练数据，使得本发明不需要从陀螺仪收集昂贵的数据，可以基于由理论MEMS共振分析生成的合成数据来训练和更新基于机器学习的解码器。

综上可见，本发明实施例的方法，通过建立一个隐蔽的安全信道来，实现了提供一种安全、便捷、实时的单词级别物联网设备通信解决方案。，其主要思想是利用物联网设备的物理特性，利用超声波作为外部激励，迫使微机电系统(MEMS)陀螺仪共振，本发明的通信信息是根据不同陀螺仪硬件特征进行特殊调制，实现高效、单词级和隐蔽的发送方的扬声器与接收方的陀螺仪通信，同时减轻窃听攻击。当涉及到多个攻击者时，本发明解决了窃听的挑战，大量的评估表明，本发明可以实现单词级通信，准确率为95.5％，而非目标的准确率下降到1.69％。通信时延小于0.63秒。

具体的优点概括如下：

(1)本发明探索了在扬声器和目标陀螺仪之间创建一个秘密通信通道的可能性，窃听者很难从其中识别出完整的信息。本发明支持一对一和一对多的秘密通信。

(2)为了实现实时能力，本发明研究了单词级超声波到陀螺仪的通信，这是之前的研究没有公开的。

(3)本发明具有很强的鲁棒性，支持与配备陀螺仪的物联网设备进行即时通信。解码模块不需要收集昂贵的训练数据，而是以合成数据为条件，这有助于扩大词汇量。

(4)本发明具有较好的单词识别准确率，平均的单词识别准确率能达到95.5％，在不重新训练解码模型的情况下，新词(训练数据集外)的识别准确率至少可以达到90％。

为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果，下面以具体实施例对本发明实施例所提供的基于超声波与陀螺仪的侧信道安全通信方法进行详细描述。

实施例1

本实施例提供一种基于超声波与陀螺仪的侧信道安全通信方法，能避免攻击者在物联网近场通信中窃取数据，通过本发明的方法，非目标接收方的陀螺仪很难从窃听通信中恢复完整的信息。

如图2所示，本发明通过陀螺仪的硬件特性来进行安全通信，整个过程包括：注册阶段、编码、解码三个步骤，具体为：

步骤S1，注册阶段：通信的发送方收集各个接收方的陀螺仪硬件特性，包括共振频率、共振响应频段，然后，发送方将解码器分发给各个接收方；

步骤S2，信息编码：信息编码主要包括音频信号生成、基于目标接收方的陀螺仪硬件特性选择通信频段和超声波调制两个部分，如图3所示；其中，

(21)音频信号生成：将单词信息通过TTS转换为音频信号，再将音频信号编码到1000～1010Hz的频段内形成编码信号；

(22)基于目标接收方的陀螺仪硬件特性选择通信频段：为每个目标接收方选择合适的通信频段，从而只让目标接收方接收到完整的编码信号，进而能实现一对一、一对多安全隐蔽通信；

(23)超声波调制：将编码信号从1000～1010Hz调制到所选择的通信频段上，通过超声波向目标接收方进行发送；

步骤S3，信号解码：信号解码分为信号预处理、信号识别两个部分，如图3所示；其中，

(31)信号预处理：对收到的信号根据方差进行分段、滤波和STFT；

(32)信号识别：通过预先训练好的长短期记忆递归神经网络(LSTM)模型来识别每段信号，从而得到每个信号所代表的单词信息。同时还提供了三元组网络模型进行信号识别的单词扩展的识别方案。

本发明将待发送单词对应的音频信号(其基频范围从20Hz到20,000Hz)编码在一个复杂的频率范围内(10Hz)，并使用机器学习技术对接收信号进行实时语义解码。更重要的是，本发明不需要从陀螺仪收集昂贵的数据，可以基于合成数据(由理论MEMS共振分析生成)来训练和更新解码模型。当涉及到多个攻击者时，本发明解决了窃听的挑战。大量的评估表明，本发明可以实现单词级通信，准确率为95.5％，而非目标的准确率下降到1.69％。通信时延小于0.63秒。

具体的优点概括如下：

(1)本发明探索了在扬声器和目标陀螺仪之间创建一个秘密通信通道的可能性，窃听者很难从其中识别出完整的信息。本发明支持一对一和一对多的秘密通信。

(2)为了实现实时能力，本发明研究了单词级超声波到陀螺仪的通信，这在以前没有得到很好的研究。

(3)本发明具有很强得鲁棒性，支持与配备陀螺仪的物联网设备进行即时通信。解码模块不需要收集昂贵的训练数据，而是以合成数据为条件，这有助于扩大词汇量。

(4)本发明具有较好的平均95.5％的单词识别准确率。在不重新训练解码模型的情况下，新词(训练数据集外)的识别准确率至少可以达到90％。

实施例2

本实施例提供一种基于超声波与陀螺仪的侧信道安全通信方法，具体各个阶段包括以下步骤，参见图2，包括：

步骤S1，注册阶段：通信的发送方收集各个接收方的陀螺仪硬件特性，包括共振频率、共振响应频段。接着发送方发送随机信息给接收方，接收方回复这些随机信息给发送方，以此来验证接收方硬件特性的正确性。最后，发送方将解码器分发给各个接收方。

步骤S2，信息编码：信息编码主要包括音频信号生成、通信频段选择和超声波调制两个部分，如图3所示。

(21)音频信号生成：为了能够将单词信息转换成超声波发送，首先将单词信息通过文本转语音技术(TTS)转换成音频，然后从语谱图中提取出每个单词基音的时频脊线。接着将时频脊线信息等比放缩到1000～1010Hz的频段内。最后通过Griffin-Lim算法将语谱图转换成声音信号。

(22)通信频段选择：本发明为了实现一对一、一对多安全隐蔽通信，需要为每个接收方选择合适的通信频段。由于每个陀螺仪的共振响应频段范围有限，所以存在三种情况：(1)接收方的共振响应频段没有重叠，那直接在目标接收方的共振响应频段内通信即可；(2)目标接收方和非目标接收方的共振响应频段重叠不超过50％，选择目标接收方未被覆盖的频段进行通信；(3)目标接收方和非目标接收方共振响应频段重叠超过50％，此时选择在非目标接收方的共振频率上进行通信，因为根据理论分析，共振频率上的通信极为低频，会被低频噪音所覆盖。

(23)超声波调制：音频信号生成后，信息在1000～1010Hz上，为了能够给目标陀螺仪通信，需要将信息从1000～1010Hz调制到选择的频段上。这里采用振幅调制，将信号乘上高频载波，即可快速得到超声波信号。

步骤S3，信号解码：信号解码分为信号预处理、信号识别两个部分，如图3所示。

(31)信号预处理：对收到的信号根据方差进行分段，给每段信号进行10Hz的高通滤波和短时傅里叶变换(STFT)，得到语谱图。然后对语谱图进行归一化，得到单个单词的信号样本。

(32)信号识别：本发明会通过提前训练好的长短期记忆递归神经网络(LSTM)模型来识别每段信号，从而得到每个信号所代表的单词信息。同时还提供了单词扩展的识别方案，通过三元组网络模型(Triplet)可以为每个单词的信号提取32维特征向量，构成单词特征库。用户需要扩展新的单词的时候，系统可以直接生成新单词的特征向量加入单词特征库。使用时接收到信号后，通过Triplet提取该信号的特征向量，与单词特征库里的向量进行对比，距离最小的就是识别出的单词。这两个模型的生成方式将在之后详细阐述。

识别模型的生成：识别模型是由模拟生成的数据训练的，通过分析陀螺仪共振的硬件原理，可以模拟出每个单词由陀螺仪接收后的信号模式。通过这种模拟生成数据来训练的长短期记忆递归神经网络(LSTM)模型不依赖具体硬件，具有更强的泛化性，可以达到95％以上的识别精度。Triplet模型是在长短期记忆递归神经网络(LSTM)模型的基础上增加了三层全连接层，从而生成32维特征向量。Triplet也是通过模拟生成数据来进行训练的，在不重新训练解码模型的情况下，Triplet对新词(训练数据集外)的识别准确率至少可以达到90％。

合成陀螺仪信号的生成：陀螺仪的信号生成原理如图2所示，通过该原理图，可以得到理论上陀螺仪接收到超声波后输出的信号。接着考虑陀螺仪信号的暂态特性、信号强度变化、噪音、频率响应等因素，生成贴近真实信号的合成数据：

(41)暂态特性：陀螺仪共振现象中，振幅的增强效果不会瞬间增加到最大，而是有个逐步增加、能量累积的过程。所以对信号前期一部分采样点乘上递增的小数，模拟这种暂态特性。

(42)信号增强：随着距离改变、信号源强弱的改变，都会使得信号出现整体的放大或缩小，所以对整个信号乘上一个随机数来模拟这种信号增强的特性。

(43)陀螺仪噪声：陀螺仪在静止的时候也会有噪声信号输出，向合成陀螺仪信号中添加高斯噪声来模拟这个特性。

(44)频率响应：根据共振的原理，越接近共振频率、振幅增强越大。这意味着陀螺仪对于不同频率的声波相应强度是不同的。本发明在频谱图的频率轴上乘以逐渐变大的小数，来模拟这个特性。

(45)数据增强：现实中接收信号也可能受到一些不可预测的因素影响，带来一些微小的改变。所以在合成的训练数据集上增加高斯噪声来模拟这个特性。

本领域普通技术人员可以理解：实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。