一种基于机器学习的光纤入侵检测方法技术

本发明专利技术公开了一种基于机器学习的光纤入侵检测方法，其特征在于，包括如下步骤：1）信号预处理；2）信号特征提取；3）分类模型。这种方法可以快速分辨出正常数据和入侵数据，具有较高的分辨准确率。的分辨准确率。

【技术实现步骤摘要】
一种基于机器学习的光纤入侵检测方法


[0001]本专利技术涉及周界安防、神经网络以及机器学习
，具体是一种基于机器学习的光纤入侵检测方法。

技术介绍

[0002]随着经济的快速发展，各行各业对安全的需求也日益旺盛，传统的安防方法有人工巡视、视频监控，电网等方法。然而人工巡视需要大量的人力资源，这也带来了巨大的成本，并且在自然环境较为恶劣的情况下也难以保证巡视人员的安全；视频监控覆盖面积较小，同时也需要安保人员持续观察监控屏幕；电网则需要长时间进行保持供电状态，稳定性较差，同时也具有较高的使用风险。如今光通信现代化的快速发展使得光纤传感技术也随之迅速发展。由于光信号在传输的过程中容易受到外界压力、移动和温度等因素所影响，因此通过光信号的变化来感知入侵事件。基于光纤传感器探测技术的周界安防系统也成为了安防的热点，被广泛的应用于输油、供水、电气和通讯等各个基础设施。
[0003]人工神经网络，简称神经网络，是一种模仿动物神经网络进行信息处理的数学模型。神经网络由大量的神经元组成，通过不同的连接方式和连接神经元之间的权重值拟合数据之间的线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的光纤入侵检测方法，其特征在于，包括如下步骤：1)信号预处理：假设光纤检测信号为共n
×
m个数据，其中表示第i组光纤检测信号，检测时长为m时刻，检测信号对应的标签是one
‑
hot编码矩阵，x
i
由公式(1)表达为：在公式(1)中，表示原始信号，ε表示噪声，对x
i
进行去噪处理，首先对信号x
i
进行小波分解，得到小波系数，分解公式如公式(2)所示：在公式(2)中，j＝0，1，2，...，J，其中J表示最佳分解尺度，u(j，k)表示尺度函数对应的低通滤波器，v(j，k)表示小波函数Ψ(t)所对应的高通滤波器，H
s
(j，k)表示尺度系数，其中H
s
(0，k)＝x
i
，W
s
(j，k)表示小波系数，并且ω
i
＝[W
s
(1，k)，W
s
(2，k)，...，W
s
(J+1，k)]表示分解得到的小波系数，然后选取阈值对小波系数进行修正，阈值选取函数分为硬阈值和软阈值函数两种，选择软阈值函数，表达式如公式(3)所示：在公式(3)中，sgn(
·
)表示符号函数，λ表示估计的阈值，表示阈值处理后的小波系数，最后进行信号重构得到去噪后的信号如公式(4)所示：在公式(4)中，和分别表示u(j，k)和v(j，k)的共轭，最后得到即为去除噪声后的信号2)信号特征提取：对步骤1)得到去噪后的信号进行特征提取，具体的做法是对进行离散傅里叶变换，将去噪后的信号从时域转化到频域，如公式(5)所示：在公式(5)中，在公式(5)中，表示第i组光纤检测信号在第j个时刻所采集的数据；3)分类模型：融合模型将多层感知器MLP、支持向量机SVM和LightGBM进行融合对光纤检测数据进行处理，融合模型以MLP作为主要模型，SVM和LightGBM作为辅助模型，MLP由输入层、输出层和隐藏层组成、每一层之间的前向传播公式如公式(6)所示：其中，表示第k层的权值矩阵，I和O分别表示第k层的输入维度和输出维度，其中表示第k层的偏置矩阵，其中表示第k层的偏置，X
K
表示第k层的输出，其中X0＝[xf1，xf2，...，xf
n
]
T
，f(
·
)表示激活函数，最终得到的表示MLP对光纤检测数据分类后的概率矩阵，其中
和分别表示对第i组光纤检测数据分类为正常和入侵的概率，并且当时认为第i组光纤检测...

【专利技术属性】
技术研发人员：蒋俊正，陈俊杰，刘志强，
申请(专利权)人：中国电子科技集团公司第三十四研究所，
类型：发明
国别省市：