基于小波系数能量和算法的振动光纤入侵事件检测方法技术

本发明专利技术提供了一种基于小波系数能量和算法的振动光纤入侵事件检测方法，包括：(1)采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]；(2)对样本集[X,Y]进行归一化处理，形成归一化样本集

【技术实现步骤摘要】
基于小波系数能量和算法的振动光纤入侵事件检测方法
本专利技术涉及振动光纤安防系统
，具体为一种基于小波系数能量和算法的振动光纤入侵事件检测方法。
技术介绍
石油行业采油站点、传输管道、油库等场所分布零散，多个采油站点只有一个管理站进行管理，一个采油站点通常设置多个监视机，工作人员难以做到24小时巡视和管理。目前，随着天然气管道站场“无人值守”理念的推行，振动光纤技术凭借着比其他安防技术误报率低、安装便捷，适用于各种形式的围栏，并可实现无死角的防范等优势，在相关领域发挥重要作用，因“无人值守”，以致盗油、盗窃及破坏事件时有发生。因此，周界防范就显得尤为重要。正确检测入侵事件是一个复杂的过程，涉及环境因素与人为因素，由于部分环境因素与人为因素引起报警所产生的信号特征相似，使其当前安防预警系统的误报率与漏报率高，其检测方法因其信号特征相似受到了极大的限制。并且随着我国对油气田页岩气的大力开发，对安全系统装置要求的不断提升。因此，一种适用于振动光纤入侵事件的检测方法是十分必要。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于小波系数能量和算法的振动光纤入侵事件检测方法，其利用小波系数能量和算法来区分入侵信号和静默信号，能够较为准确的检测振动光纤入侵事件。本专利技术技术方案如下：一种基于小波系数能量和算法的振动光纤入侵事件检测方法，其关键在于，包括以下步骤：步骤1：采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]；步骤2：对样本集[X,Y]进行归一化处理，形成归一化样本集在所述归一化样本集中随机抽取部分样本作为训练样本用以训练参数，剩余样本作为测试样本用以测试性能；步骤3：对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n)；步骤4：利用小波系数能量和算法检测振动光纤入侵信号的起止端点，判断是否为真正入侵信号；步骤5：将测试样本中的输入到已确定阈值的检测端点模型中，并得到结果，将所述结果与测试样本中的实际输出进行比较，如果比较结果小于预设误差值，所构建的检测端点模型有效；否则重复上述步骤1至步骤5，直至所述比较结果小于所述预设误差值为止。本专利技术具有如下有益效果：本专利技术首先采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]，进行归一化处理，形成归一化样本集归一化样本集中随机抽取部分样本作为训练样本，剩余样本作为测试样本；再通过小波系数能量和算法来区分静默信号和入侵信号，判断是否为真正的入侵信号，若有连续两个空间节点显示有入侵信号，则判定该位置有入侵行为发生，进而判断是否发生入侵事件；最后通过测试样本来检验结果是否准确。本专利技术能够较为准确的判断振动光纤是否发生入侵事件，减少振动光纤安防系统的误报率和漏报率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为振动光纤入侵信号检测流程图；图2为不同入侵方式对应的振动光纤信号原始波形图(a为丢石子，b为攀爬，c为敲击)；图3为丢石子入侵样本的原始波形图、短时小波系数能量和分布图；图4为攀爬入侵样本的原始波形图、短时小波系数能量和分布图；图5为敲击入侵样本的原始波形图、短时小波系数能量和分布图；图6为振动光纤部分入侵信号检测结果图(a为丢石子，b为攀爬，c为敲击)。具体实施方式下面结合附图对本专利技术的实施例作进一步详细说明。如图1所示的一种基于小波系数能量和算法的振动光纤入侵事件检测方法，按以下步骤进行：步骤1：采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]。步骤2：对样本集[X,Y]进行归一化处理并去均值，形成归一化样本集在所述归一化样本集中随机抽取60％的样本作为训练样本用以训练参数，剩余的40％样本作为测试样本用以测试性能。步骤3：对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n)，其中所选汉明窗函数如下：上式中，M为窗口大小，n为离散检测信号时间序列；分帧处理如下：上式中，wlen为每一帧的长度，Overlap为相邻两帧之间的重叠部分，且Overlap＝wlen-inc，为inc帧移，是后一帧相对于前一帧的位移量，每一帧记为n＝1,2,...,N，n为离散检测信号时间序列，N为检测信号总长度，i表示帧数。步骤4：利用小波系数能量和算法来检测振动光纤的入侵信号的起止端点，判断是否为真证入侵信号，具体地，步骤4包括：步骤4.1：计算小波系数能量和，将分帧后的信号xn[m]与低通滤波器和高通滤波器做卷积，对信号做小波分解，得到两组小波系数，分别为每层小波系数以及每层小波系数的个数；基于离散小波变换的函数：ψ(x)i，k＝2-j/2ψ(2-jx-k)(3)上式中，j是小波变换伸缩因子，k是小波变换平移因子。在分解过程中使用标量函数，公式如下：φ(x)i，k＝2-j/2Φ(2-jx-k)(4)第m层小波系数能量：上式中，Nm是第m层小波系数的个数；是第m层第b个小波系数；短时小波系数能量和：下面是一组敲击信号进行实验，每一帧的短时小波系数能量和数据如下表所示：表1步骤4.2：寻找最优阀值，设置入侵事情的起始门限thin、终止门限thout、最大静默端长度maxsilence以及最小信号长度minsignal，其中起始门限thin和终止门限thout的设定是通过计算训练样本集中所有背景信号的小波系数能量和E，同时，对训练样本集中的入侵信号的小波系数能量和进行相应计算，首先得到特征值的近似范围，其次在特征值的近似范围内给定一组起始门限thin和终止门限thout，搜索出最大静默端长度maxsilence和最小信号长度minsignal，在确定最大静默端长度maxsilence和最小信号长度minsignal后，使用网格搜索法，将具有最佳检测性能的起止端点参数thin和thout用作最优参数设置。步骤4.2中判断入侵事件起点的条件为信号f大于thin，判断入侵事件终点的条件为信号f小于thout并且该事件静默端长度silence_len大于最大静默端长度maxsilence；通过起止端点判断检测到的入侵信号长度是否已达到最小信号长度minsignal，如果达到最小信号长度，则判断为入侵信号，否则被视为干扰并且丢弃。步骤4.3：依次遍历每个空间节点的信号帧，检测该节点有无入侵，直至最后一个空间节点的信号帧处理结束，若有连续两个空间节点显示有入侵信号，则判定该位置有入侵行为发生。步骤4.4，利用短时小波系数能量和区分入侵信号与静默信号，在振动信号中，入侵信号和静默信号具有不同的小波系数能量和特征，所述小波系数能量和特征为入侵信号的能量值较大，静默信号的能量值较小，因此可以利用小波系数能量和来区分入侵信号和静默信号，计算该空间节点信号帧的短时小波系数能量和，若短时小波系数能量和大于该点的短时小波系数能量和阈值，则判定为入侵信号；否则判定不存在入侵信号，回到步骤4.3。步骤5：将所述40％测试样本中的输入到已确定阈值的检测端点模型中，当测试样本输入完成后本文档来自技高网...

【技术保护点】
1.一种基于小波系数能量和算法的振动光纤入侵事件检测方法，其特征在于，包括以下步骤：步骤1：采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]；步骤2：对样本集[X,Y]进行归一化处理，形成归一化样本集

【技术特征摘要】
1.一种基于小波系数能量和算法的振动光纤入侵事件检测方法，其特征在于，包括以下步骤：步骤1：采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]；步骤2：对样本集[X,Y]进行归一化处理，形成归一化样本集在所述归一化样本集中随机抽取部分样本作为训练样本用以训练参数，剩余样本作为测试样本用以测试性能；步骤3：对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n)；步骤4：利用小波系数能量和算法检测振动光纤入侵信号的起止端点，判断是否为真正入侵信号；步骤5：将测试样本中的输入到已确定阈值的检测端点模型中，并得到结果，将所述结果与测试样本中的实际输出进行比较，如果比较结果小于预设误差值，所构建的检测端点模型有效；否则重复上述步骤1至步骤5，直至所述比较结果小于所述预设误差值为止。2.根据权利要求1所述的基于小波系数能量和算法的振动光纤入侵事件检测方法，其特征在于，步骤3中对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n)，其中所选汉明窗函数如下：上式中，M为窗口大小，n为离散检测信号时间序列；分帧处理如下：上式中，wlen为每一帧的长度，Overlap为相邻两帧之间的重叠部分，且Overlap＝wlen-inc，为inc帧移，是后一帧相对于前一帧的位移量，每一帧记为n＝1,2,...,N，n为离散检测信号时间序列，N为检测信号总长度，i表示帧数。3.根据权利要求1所述的基于小波系数能量和算法的振动光纤入侵事件检测方法，其特征在于，步骤4包括：步骤4.1：计算小波系数能量和，将分帧后的信号xn[m]与低通滤波器和高通滤波器做卷积，对信号做小波分解，得到两组小波系数，分别为每层小波系数以及每层小波系数的个数；基于离散小波变换的函数：ψ(x)i，k＝2-j/2ψ(2-jx-k)(3)上式中，j是小波变换伸缩因子，k是小波变换平移因子。在分解过程中使用标...

【专利技术属性】
技术研发人员：辜小花，候松，唐德东，彭军，汪宏金，夏钦锋，陈婷婷，吴国超，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50