基于综合特征的光纤周界安防入侵事件识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于综合特征的光纤周界安防入侵事件识别方法及装置，所述识别方法包括：将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值，多个归一化功率值为并行输出；综合归一化功率值、以及整段扰动信号的时域过零率生成特征向量，即所述特征向量蕴含时、频域两方面信息；将特征向量馈入径向基函数神经网络即可实现入侵动作快速高精度识别。所述装置包括：模数转化器和DSP器件。本发明专利技术能够准确地区分四类入侵事件；相比于现有的高精度入侵事件识别分类器，本发明专利技术所提出的DMZI侵犯动作识别器在工作效率方面有明显优势。

Method and device for identifying optical fiber perimeter security intrusion events based on comprehensive characteristics

The invention discloses a fiber optic security features based on intrusion event recognition method and device, including the identification method: each channel will determine the starting point of the disturbance signal in all phase filter group frequency separation, the normalized power and calculate the output of each channel signal value, a normalized power value parallel output; comprehensive normalized power value, and the whole time disturbance signal zero crossing rate to generate feature vectors, namely the feature vector contains two aspects of time and frequency information; the feature vector in the radial basis function neural network can achieve high accuracy and fast recognition of intrusion action. The device comprises an analog-to-digital converter and an DSP device. The invention can accurately classify four kinds of intrusion events; compared with the existing high-precision intrusion events identification classifier, the DMZI intrusion action recognizer has obvious advantages in the work efficiency.

【技术实现步骤摘要】
基于综合特征的光纤周界安防入侵事件识别方法及装置
本专利技术涉及数字信号处理
，尤其涉及一种基于综合特征的光纤周界安防入侵事件识别方法及装置。
技术介绍
随着光导纤维和光纤通信技术的不断成熟，光纤传感器得到了快速发展。基于光纤传感技术的周界安防系统[1][2][3]也在安防领域逐渐被人们重视。与传统的红外线[4]、电子围栏[5]等安防系统相比，光纤传感系统能够对直接触及或间接传递给光纤的各种扰动进行实时监控，灵敏度更高，因而更具有实用价值。作为一种相位调制的光纤传感器，双Mach-Zehnder干涉仪(dualMach-Zehnderinterferometer，DMZI)分布式光纤传感系统[6][7]在检测扰动事件方面具有高灵敏度和响应速度快等优点，而且还可以实时定位。目前，DMZI分布式光纤传感器已经广泛应用于各类安防领域[8][9][10][11]。在各类安防应用中，急需解决高效、精确地识别入侵事件的问题，因为目前仍然没有一种入侵事件识别方法能够兼顾分类的准确性和高效性，而该问题的解决关键在于信号处理算法的设计。具体说来，就是要在完成端点检测[12][13]后，进一步设计出一种简练、恰当的入侵信号特征描述方法，并结合相应的模式分类措施，有效识别出各类入侵动作[14][15][16]。其中，文献[14]提出的小波识别法虽然其特征向量可通过多级分解得到的不同频带的能量来表征[17]，但是其计算量会随小波分解层数的增加而变大，另外，该特征向量仅考虑了频域特征，缺少足够丰富的时域信息，故识别准确率较低，仅能识别3类入侵事件；而文献[16]提出的经验模式分解(EmpiricalModeDecomposition，EMD)方法需逐个求取分解过程中的固有模态函数(IntrinsicModeFunction，IMF)的峭度值，对这些峭度值组合得到的特征向量进行分类，即可高精度地识别4类常见动作，然而这些IMF需经历多次复杂的迭代才能获得，故识别效率不高、且影响实用性。
技术实现思路
本专利技术提供了一种基于综合特征的光纤周界安防入侵事件识别方法及装置，本专利技术能够准确地区分四类入侵事件；相比于现有的高精度入侵事件识别分类器，本专利技术所提出的DMZI侵犯动作识别器在工作效率方面有明显优势，详见下文描述：一种基于综合特征的光纤周界安防入侵事件识别方法，所述识别方法包括以下步骤：将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值，各通道输出信号为并行输出；综合归一化功率值以及整段扰动信号的时域过零率生成特征向量，即所述特征向量蕴含时、频域两方面信息；将特征向量馈入径向基函数神经网络即可实现入侵动作快速高精度识别。其中，所述将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值具体为：将确定扰动起始点的信号并行馈入到全相位滤波器组，该全相位滤波器组包含Q个子FIR滤波器g0,...,gQ-1，计算出滤波输出yq(n)的Q个归一化功率值Eq。其中，所述综合归一化功率值、以及整段扰动信号的时域过零率生成特征向量的步骤具体为：计算信号x(n)的整体过零率，将该值与Q个归一化功率值Eq做综合得到长度为Q+1的综合特征向量F＝[E0,E1,...,EQ-1,ZCR]。其中，所述全相位滤波器组具体为：gq(n)＝ωc(n)hq(n),q＝0,...,Q-1.其中，gq(n)为子FIR滤波器系数；ωc(n)为双窗卷积窗；hq(n)为滤波器系数；q为变量，表示第q个子滤波器；Q为滤波器组所含子滤波器个数。其中，所述将特征向量馈入径向基函数神经网络即可实现入侵动作快速高精度识别具体为：通过将未标记分类的特征向量馈入训练好的径向基函数神经网络，借助已优化后的网络参数，算出输出值Z1,...,ZP，取输出值的最大值来确定当前输入特征向量的所属分类。其中，所述方法还包括：通过4个输出值Z1,...,ZP实现对攀爬、敲击、晃动和盗剪的事件的精确识别。一种基于综合特征的光纤周界安防入侵事件识别方法的识别装置，所述装置包括：模数转化器和DSP器件，将信号送入模数转化器采样得到样本序列x(n)，以并行数据输入的形式进入DSP器件，同时设定滤波器阶数N、频率向量H中0与1的个数e和m；经过DSP器件的处理得到特征向量，最终由神经网络识别不同的入侵动作。本专利技术提供的技术方案的有益效果是：1、在DMZI光纤传感系统中实现模式识别分类，而且具有很高的准确度；通过试验验证了本专利技术具有高精度和高效率的特点，相比基于EMD的模式识别方法具有更高的优越性。2、构造精简的综合特征向量，实现对各类入侵事件全面的描述；本专利技术同时结合了入侵事件的频域和时域特征，全面精确描述每类入侵事件的特点；同时，本专利技术所提出的特征向量十分精简，只用了4个元素就可以对4类事件进行精确描述，这为后续高精度高效率的模式分类奠定基础。3、可避免因周边环境自然扰动(下雨、刮风、非侵犯性振动)引起的虚警。这是因为，周边环境自然扰动的功率主要分布在低频区域，而本专利技术在配置全相位滤波器组的多路频率向量时，已经把低频率向量元素设置为零，故周边环境自然扰动对最终混合特征向量没有贡献，从而避免了虚警现象的发生。附图说明图1为DMZI分布式光纤传感系统的原理图；图2为DMZI分布式光纤传感系统入侵事件识别流程图；图3为入侵事件识别器设计流程图；图4为滤波器组衰减曲线示意图；其中，(a)为本专利技术滤波器组的衰减曲线；(b)为基于经典频率采样法的滤波器组衰减曲线。图5为RBF神经网络结构图；图6为滤波器组处理结果示意图；其中，(a)为攀爬；(b)为敲击；(c)为晃动；(d)为剪切。图7为四种入侵事件的平均特征向量示意图；其中，(a)为攀爬围栏；(b)为敲击光缆；(c)为晃动光缆；(d)为盗剪。图8为本专利技术的硬件实施图；图9为DSP内部程序流图。表1为两种方法的实验精度对比图；表2为两种方法的处理时间对比图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。实施例1本专利技术实施例以双Mach-Zehnder分布式光纤传感系统为背景，提出一种基于综合特征的入侵事件识别方法，参见图1，该方法包括以下步骤：101：对输入的扰动信号进行端点检测，判断扰动起始点；102：将确定扰动起始点的信号馈入全相位滤波器组[18][19][20]的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值；103：综合归一化功率值、以及整段扰动信号的时域过零率(Zero-CrossingRate，ZCR)生成特征向量；104：将特征向量馈入径向基函数(Radialbasisfunction，RBF)神经网络[21][22]即可实现入侵动作快速高精度识别。综上所述，本专利技术实施例由于采用综合特征向量同时考虑了入侵事件的频域、时域信息，使其能够准确地区分四类入侵事件，相比于现有的高精度入侵事件识别分类器，在工作效率方面有明显优势；所采用的全相位滤波器组采用并行流水线的方式进行工作，使得各子滤波器间的通道间干扰很小，为准确提取特征向量提供了可能。实施例2下面结合具体的计算公式、实例对实施例1中的方案进行本文档来自技高网...

【技术保护点】
一种基于综合特征的光纤周界安防入侵事件识别方法，其特征在于，所述识别方法包括以下步骤：将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值，各通道输出信号为并行输出；综合归一化功率值以及整段扰动信号的时域过零率生成特征向量，即所述特征向量蕴含时、频域两方面信息；将特征向量馈入径向基函数神经网络即可实现入侵动作快速高精度识别。

【技术特征摘要】
1.一种基于综合特征的光纤周界安防入侵事件识别方法，其特征在于，所述识别方法包括以下步骤：将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值，各通道输出信号为并行输出；综合归一化功率值以及整段扰动信号的时域过零率生成特征向量，即所述特征向量蕴含时、频域两方面信息；将特征向量馈入径向基函数神经网络即可实现入侵动作快速高精度识别。2.根据权利要求1所述的一种基于综合特征的光纤周界安防入侵事件识别方法，其特征在于，所述将确定扰动起始点的信号馈入全相位滤波器组的各个通道进行频域分离处理，并计算各通道输出信号的归一化功率值具体为：将确定扰动起始点的信号并行馈入到全相位滤波器组，该全相位滤波器组包含Q个子FIR滤波器g0,...,gQ-1，计算出滤波输出yq(n)的Q个归一化功率值Eq。3.根据权利要求1所述的一种基于综合特征的光纤周界安防入侵事件识别方法，其特征在于，所述综合归一化功率值、以及整段扰动信号的时域过零率生成特征向量的步骤具体为：计算信号x(n)的整体过零率，将该值与Q个归一化功率值Eq做综合得到长度为Q+1的综合特征向量F＝[E0,E1,...,EQ-1,ZCR]。4.根据权利要求1或2所述的一种基于综合特征的光纤周界安防入侵...

【专利技术属性】
技术研发人员：黄翔东，张皓杰，刘铁根，刘琨，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12