一种微震感测区域入侵识别方法及系统技术方案

本发明专利技术公开了一种微震感测区域入侵识别方法及系统。该方法包括获取入侵信号；对所述入侵信息进行小波变换，生成频率‑空间域的入侵振动数据；对所述入侵振动数据进行重采样，得到采样矩阵；对所述采样矩阵进行奇异值分解；对经过奇异值分解得到的矩阵的各行首尾相接得一维序列信号；对所述一维序列信号Si的系数的平方进行归一化，得到Si的系数的平方的归一化数值；训练分类器；将Si的系数的平方的归一化数值作为特征向量输入所述分类器，得到所述入侵信号的类别。本发明专利技术提供的微震感测区域入侵识别方法及系统能够对入侵源进行识别，能够确定报警系统报警信息的有效性。

【技术实现步骤摘要】
一种微震感测区域入侵识别方法及系统
本专利技术涉及入侵信号识别领域，特别是涉及一种微震感测区域入侵识别方法及系统。
技术介绍
目前市面上有很多种预警方式，例如，主动红外线预警，周界围栏预警等。这些方式都有一定的预警能力，但是这些预警设备，只能够通过入侵信号波动来发现入侵，但是却很难识别出入侵源，无法甄别报警为误报还是有效报警，这就给预警系统带来很大的不便。
技术实现思路
本专利技术的目的是提供一种微震感测区域入侵识别方法及系统，能够对入侵源进行识别，能够确定报警系统报警信息的有效性。为实现上述目的，本专利技术提供了如下方案：一种微震感测区域入侵识别方法，所述方法包括：获取入侵信号；对所述入侵信息进行小波变换，生成频率-空间域的入侵振动数据；对所述入侵振动数据进行重采样，得到采样矩阵；对所述采样矩阵进行奇异值分解，得到A＝λ1A1+λ2A2+…+λiAi+…+λrAr，其中，A为采样矩阵，A1、A2、…、Ai、…、Ar为采样矩阵A的特征向量，λ1、λ2、…、λi、…、λr分别为特征向量A1、A2、…、Ai、…、Ar对应的系数；对矩阵λiAi的各行首尾相接得一维序列信号Si＝{Si1,Si2,…,Sir},其中Sij代表Ai的第j行向量；对所述一维序列信号Si的系数的平方进行归一化，得到Si的系数的平方的归一化数值；训练分类器；将Si的系数的平方的归一化数值作为特征向量输入所述分类器，得到所述入侵信号的类别。可选的，所述训练分类器，具体包括：获取训练集中的入侵信号样本数据以及所述入侵信号样本数据的类型；对所述入侵信号样本数据进行小波包降噪，得到降噪后的入侵信号样本数据；获取核函数；根据训练集中各降噪后的入侵信号样本数据、所述核函数，采样交叉验证的方法对所述分类器进行训练，确定所述核函数中参数的最优选择，得到分类器。可选的，所述获取核函数，具体包括：获取径向基核函数。本专利技术还提供了一种微震感测区域入侵识别系统，所述系统包括：入侵信号获取模块，用于获取入侵信号；小波变换模块，用于对所述入侵信息进行小波变换，生成频率-空间域的入侵振动数据；采样模块，用于对所述入侵振动数据进行重采样，得到采样矩阵；奇异值分解模块，用于对所述采样矩阵进行奇异值分解，得到A＝λ1A1+λ2A2+…+λiAi+…+λrAr，其中，A为采样矩阵，A1,A2,…,Ai,…,Ar为采样矩阵A的特征向量，λ1,λ2,…,λi,…,λr分别为特征向量A1,A2,…,Ai,…,Ar对应的系数；一维序列信号确定模块，用于对矩阵λiAi的各行首尾相接得一维序列信号Si＝{Si1,Si2,…,Sir},其中Sij代表Ai的第j行向量；系数归一化模块，用于对所述一维序列信号Si的系数的平方进行归一化，得到Si的系数的平方的归一化数值；分类器训练模块，用于训练分类器；入侵信号识别模块，用于将Si的系数的平方的归一化数值作为特征向量输入所述分类器，得到所述入侵信号的类别。可选的，所述分类器训练模块，具体包括：训练集数据获取单元，用于获取训练集中的入侵信号样本数据以及所述入侵信号样本数据的类型；小波包降噪单元，用于对所述入侵信号样本数据进行小波包降噪，得到降噪后的入侵信号样本数据；核函数获取单元，用于获取核函数；分类器训练单元，用于根据训练集中各降噪后的入侵信号样本数据、所述核函数，采样交叉验证的方法对所述分类器进行训练，确定所述核函数中参数的最优选择，得到分类器。可选的，所述核函数获取单元，具体包括：核函数获取子单元，用于获取径向基核函数。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术通过对对入侵信号进行小波包分解、降噪、重构；然后根据分解的各频带的能量作为振动信号的特征向量，采用支持向量机(SVM)对特征向量进行非线性变换，投影到另一空间，使得特征向量线性可分，通过对特征向量的分类达到对入侵振动信号的分类，识别入侵源，进而，能够根据入侵源识别出是否为有效报警，提高了报警系统的便利性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例微震感测区域入侵识别方法的流程示意图；图2为本专利技术实施例奇异值小波包降噪前后对比图；图3为本专利技术实施例小波包分层示例图；图4为本专利技术实施例微震感测区域入侵识别系统结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术的目的是提供一种微震感测区域入侵识别方法及系统，能够对入侵源进行识别，能够确定报警系统报警信息的有效性。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术实施例微震感测区域入侵识别方法的流程示意图，如图1所示，具体步骤包括：步骤101：获取入侵信号；步骤102：对所述入侵信息进行小波变换，生成频率-空间域的入侵振动数据；小波包分析是一种窗口固定，但时间窗和频率窗形状都可改变的时频局部化方法，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。小波变换的本质和傅立叶变换类似，采用基来表示信号方程，一般选用的基都是正交基，方便运算。根据傅里叶变换的原理，在L2(IR)空间中找到一个像einx的函数，可以生成整个空间，我们假设这样的基存在，命名为φ(x)，由于φ(x)作为一种小波在整个空间会删减，为了能让小波覆盖整个空间，我们让小波在时域上平移，定义φ(x-k)小波；为了覆盖到所有的频率域，我们定义了φ(2jx-k)小波形式。有了基的存在，我们就可以对信号f在空间L2(IR)中进行分解，定义一个函数φ∈L2(IR)称为一个正交小波，如下其中，j是小波的频率参数，决定着小波基的频率特性，而k是小波的时域参数，控制着小波的平移特性。如果上式中所定义的族{φjk}是L2(IR)的一个规范正交基，则每个f∈L2(IR)都能写成式中，φJK(t)、φjk(t)分别是信号的低频函数和高频函数，aJK、djk分别是其各频率函数对应的系数。右边第一部分是x(t)在尺度空间的投影，是x(t)的低频分量，分解系数aJK称为离散平滑逼近；右边第二部分是x(t)在小波空间的投影，反映了信号的细节部分即高频分量。即x(t)是对信号进行了低频和高频的加和，低频表现了信号的整体特征，而高频对低频相似的信号进行了信息的补充。步骤103：对所述入侵振动数据进行重采样，得到采样矩阵；步骤104：对所述采样矩阵进行奇异值分解，得到A＝λ1A1+λ2A2+…+λiAi+…+λrAr，其中，A为采样矩阵，A1,A2,…,Ai,…,Ar为采样矩阵A的特征向量，λ1、λ2、…、λi、…、λr分别为特征向量A1、A2、…、Ai、…、Ar对应的系数；步骤105：对矩阵λiAi的各行首尾相接得一维序列信号S本文档来自技高网...

【技术保护点】
1.一种微震感测区域入侵识别方法，其特征在于，所述方法包括：获取入侵信号；对所述入侵信息进行小波变换，生成频率‑空间域的入侵振动数据；对所述入侵振动数据进行重采样，得到采样矩阵；对所述采样矩阵进行奇异值分解，得到A＝λ1A1+λ2A2+…+λiAi+…+λrAr，其中，A为采样矩阵，A1、A2、…、Ai、…、Ar为采样矩阵A的特征向量，λ1、λ2、…、λi、…、λr分别为特征向量A1、A2、…、Ai、…、Ar对应的系数；对矩阵λiAi的各行首尾相接得一维序列信号Si＝{Si1,Si2,…,Sir},其中Sij代表Ai的第j行向量；对所述一维序列信号Si的系数的平方进行归一化，得到Si的系数的平方的归一化数值；训练分类器；将Si的系数的平方的归一化数值作为特征向量输入所述分类器，得到所述入侵信号的类别。

【技术特征摘要】
1.一种微震感测区域入侵识别方法，其特征在于，所述方法包括：获取入侵信号；对所述入侵信息进行小波变换，生成频率-空间域的入侵振动数据；对所述入侵振动数据进行重采样，得到采样矩阵；对所述采样矩阵进行奇异值分解，得到A＝λ1A1+λ2A2+…+λiAi+…+λrAr，其中，A为采样矩阵，A1、A2、…、Ai、…、Ar为采样矩阵A的特征向量，λ1、λ2、…、λi、…、λr分别为特征向量A1、A2、…、Ai、…、Ar对应的系数；对矩阵λiAi的各行首尾相接得一维序列信号Si＝{Si1,Si2,…,Sir},其中Sij代表Ai的第j行向量；对所述一维序列信号Si的系数的平方进行归一化，得到Si的系数的平方的归一化数值；训练分类器；将Si的系数的平方的归一化数值作为特征向量输入所述分类器，得到所述入侵信号的类别。2.根据权利要求1所述的识别方法，其特征在于，所述训练分类器，具体包括：获取训练集中的入侵信号样本数据以及所述入侵信号样本数据的类型；对所述入侵信号样本数据进行小波包降噪，得到降噪后的入侵信号样本数据；获取核函数；根据训练集中各降噪后的入侵信号样本数据、所述核函数，采样交叉验证的方法对所述分类器进行训练，确定所述核函数中参数的最优选择，得到分类器。3.根据权利要求2所述的识别方法，其特征在于，所述获取核函数，具体包括：获取径向基核函数。4.一种微震感测区域入侵识别系统，其特征在于，所述系统包括：入侵信号获取模块，用于获取入侵信号；小波变换模块，用于对所述入侵信息进行小波变...

【专利技术属性】
技术研发人员：周求湛，吕博识，姚欣宜，赵竞子，
申请(专利权)人：吉林省日月智感互联科技有限公司，
类型：发明
国别省市：吉林,22