【技术实现步骤摘要】
基于分布式光纤系统的围栏振动入侵定位和模式识别方法
本专利技术属于安防系统
,尤其涉及一种基于分布式光纤系统的围栏振动入侵定位和模式识别方法。
技术介绍
目前:高速铁路、仓库、监狱等区域的围栏的安全防范非常重要,及时发现并识别入侵行为具有重要的意义。分布式光纤入侵监测系统使用长距离光纤作为传感介质,基于光的干涉或后向散射原理来进行高灵敏度的无盲点振动监测,兼具抗电磁干扰、功耗小、布设灵活、成本较低等优势,特别适用于周界安防、油气管道泄漏监测、建筑物结构健康监测,及通信链路安全预警等领域。但是由于光纤传感器对任何外界扰动都很敏感,室外环境中的各种干扰信号,如人、动物走动,车辆行驶等都会导致分布式光纤入侵监测系统产生误报,故而难以推广应用。现有的大多数光纤围栏监测系统只能对入侵信号进行监测,并不能对具体的入侵方式进行识别,不便于为安防人员的应对提供依据。而且风、雨等自然环境因素引起的光纤振动也容易被误判为入侵行为,导致安防系统的误报率较高。通过上述分析,现有技术存在的问题及缺陷为:现有的大多数光纤围 ...
【技术保护点】
1.一种基于分布式光纤系统的围栏振动入侵定位和模式识别方法,其特征在于,所述基于分布式光纤系统的围栏振动入侵定位和模式识别方法包括以下步骤:/n步骤一,在外部入侵防区的边缘布设分布式光纤系统,利用探测主机对铺设的分布式光纤系统的振动状态进行实时监测;/n步骤二,对布设的分布式光纤系统进行不同入侵模式的人为模拟实验,提取不同入侵模式的振动信号,对振动信号进行降噪处理,构建数据训练集以及测试集;/n所述对振动信号进行降噪处理包括:/n(2.1)获取不同入侵模式的含噪振动信号;/n(2.2)根据所述含噪振动信号对其进行自相关运算,并分解获得振动信号的自相关函数、噪声的自相关函数、 ...
【技术特征摘要】
1.一种基于分布式光纤系统的围栏振动入侵定位和模式识别方法,其特征在于,所述基于分布式光纤系统的围栏振动入侵定位和模式识别方法包括以下步骤:
步骤一,在外部入侵防区的边缘布设分布式光纤系统,利用探测主机对铺设的分布式光纤系统的振动状态进行实时监测;
步骤二,对布设的分布式光纤系统进行不同入侵模式的人为模拟实验,提取不同入侵模式的振动信号,对振动信号进行降噪处理,构建数据训练集以及测试集;
所述对振动信号进行降噪处理包括:
(2.1)获取不同入侵模式的含噪振动信号;
(2.2)根据所述含噪振动信号对其进行自相关运算,并分解获得振动信号的自相关函数、噪声的自相关函数、以及振动信号和噪声的互相关函数,对含噪振动信号的初步降噪处理;
(2.3)对经过自相关运算初步降噪处理后的含噪振动信号进行小波降噪处理,得到小波降噪处理后的含噪振动信号,对所述小波降噪处理后的含噪振动信号逆变处理,重构所述小波降噪处理后的含噪振动信号;
步骤三,构建模式识别分类器,通过训练集以及测试集数据分别对模式识别分类器进行训练和测试;
所述建模式识别分类器,通过训练集以及测试集数据分别对模式识别分类器进行训练和测试包括:
(3.1)运用Softmax算法构建模式识别分类器,构建Softmax回归模型:
其中,P(y(i)=j|x(i);θ)表示输入x(i)属于第j类的概率,j表示所属类别,x(i)表示需要进行分类的输入矩阵,θ表示模型参数;
(2)定义Softmax回归模型的代价函数:
其中,1{y(i)=j}表示{y(i)=j}时1{y(i)=j}=1,当{y(i)≠j}时1{y(i)=j}=0,为衰减项,λ>0为衰减因子,m表示训练集中样本的数量;
(3)基于训练集数据采用梯度下降法求最小值,得到Softmax模型参数;
(4)采用测试集对训练好的Softmax模型进行测试,当测试结果准确率达到预期要求时,则训练好的Softmax模型即为模式识别分类器,若不满足要求,则返回聚类步骤进行重新聚类,直至Softmax模型达到要求;
步骤四,当分布式光纤系统采集到振动信号时,通过采集到振动信号的传感器的位置对入侵点进行定位;
步骤五,将步骤四中采集的振动信号放入步骤三中训练后的模式识别分类器中,通过模式识别分类器对振动信号的具体入侵模式进行识别。
2.如权利要求1所述的基于分布式光纤系统的围栏振动入侵定位和模式识别方法,其特征在于,步骤一中,所述分布式光纤系统采用布拉格光栅阵列作为传感单元,基于结构模式耦合理论得出:
R=tan2(kL)
式中:R为光栅的反射率,Δλ为光栅的带宽,Δλ=3dB,λB为布拉格波长,L为光栅长度,k为相机参数,s为折减系数,Δn为反射角,neff为有效反射角,P为单次横向传播长度。
3.如权利要求1所述的基于分布式光纤系统的围栏振动入侵定位和模式识别方法,其特征在于,,步骤(2.3)中,所述对经过自相关运算初步降噪处理后的含噪振动信号进行小波降噪处理包括:
采用以正交小波分解为基础的小波阈值去噪法进行去噪,任意第j次分解都遵从Mallat算法:
式中:aj(k)、dj(k)分别为原始信号逐级分解后的离散逼近系数中的低频和高频;k为向量的维数;*为卷积运算符号;h0(k)、h1(k)表示2个滤波器。
4....
【专利技术属性】
技术研发人员:杨国为,李耀,祁少华,于腾,庄晓东,李钟晓,迟洁茹,
申请(专利权)人:青岛大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。