本发明专利技术提供一种光纤振动监测模型，用于发出信号、接收回传信号并处理分析，实时监测周界安全，所述监测模型包括所述物理层位于监测模型的最底层，用于构建、可复用的光纤传感通信平台；所述实现层用于通过基础设备采集信息并处理，实现微振动感测、信号调解和信号定位；所述算法层用于接收实现层处理后的信息并分析，实现神经网络识别、时间序列分析、支持向量机和事件判别与分析；所述应用层用于显示算法层的分析结果以及进行人机交互，实现智能报警、GIS定位标记、信息化应用集成和自适应学习。基于上述光纤振动监测模型，本发明专利技术还提出了一种长距离周界安全防范系统，用于实时监测、识别布防周界上发生的入侵事件并发出相应的警报与定位。的警报与定位。的警报与定位。
【技术实现步骤摘要】
一种光纤振动监测模型、防范系统、电子设备及存储介质
[0001]本专利技术属于周界防范
，具体涉及一种光纤振动监测模型、防范系统、电子设备及存储介质。
技术介绍
[0002]周界防范即在防护区域的边界利用微波、红外、电子围栏等技术形成一道或可看见的、或不可见的“防护墙”，若当有人通过或欲通过时，相应的探测器即会发出报警信号送至安保值班室或控制中心的报警控制主机，同时发出声光报警、显示报警位置。
[0003]目前，大多数周界防范系统针对短距离设计而不适用于长距离监测，对于动车段、动车所和铁路线路等环境的周界防范系统，大多不能准确判断入侵行为的类型，容易产生误判，将因雨雪环境、飞虫动物等原因而产生的振动信号判断为人为入侵，从而为安保人员增加了工作量；此外，现有的周界防范系统大多为独立系统，不具有分段管理功能，不利于长距离的监测。
技术实现思路
[0004]鉴于现有技术中存在上述问题，本专利技术的目的是提供一种光纤振动监测模型、防范系统、电子设备及存储介质：
[0005]一种光纤振动监测模型，包括：用于发出信号、接收回传信号并处理分析，实时监测周界安全，所述监测模型包括依次相连的物理层、实现层、算法层和应用层；
[0006]所述物理层位于监测模型的最底层，包括基础设备，用于构建、可复用的光纤传感通信平台；
[0007]所述实现层用于通过基础设备采集信息并处理，实现微振动感测、信号调解、信号定位和信号降噪增强；
[0008]所述算法层用于接收实现层处理后的信息并分析，实现神经网络识别、时间序列分析、支持向量机和事件判别与分析；
[0009]所述应用层用于显示算法层的分析结果以及进行人机交互，实现智能报警、 GIS定位标记、信息化应用集成和自适应学习。
[0010]为了通过传感光纤实现微振动感测，所述基础设备包括传感控制器、信号处理模块和传感模块，所述传感控制器包括依次连接的激光器、解调器、放大器、滤波器、耦合器和光电探测器，所述耦合器还与传感模块耦合，所述光电探测器与信号处理模块连接；
[0011]所述传感模块包括传感光纤，用于接收耦合器发出的探测光并向耦合器传输散射光；
[0012]所述信号处理模块包括相互连接的数模转换器和信号处理模块，所述数模转换器与光电探测器电性连接，所述数模转换器用于将光电探测器传输的信号进行数模转换，所述信号处理机用于将数模转换后的信号进行信号预处理、信号识别分类和事件分析产生事件的分类结果、通过预警应用程序响应分类结果以及分类器增量学习。
[0013]为了通过信号处理机对接收的信号进行处理，所述信号预处理包括带通滤波、下采样和小波降噪；所述信号识别分类包括片段切分、特征提取和信号分类；所述事件分析包括强度计算、可信度计算和定位值修正；所述预警应用程序包括预警规则、人机交互和记录新事件；所述分类器增量学习包括新事件训练和分类器优化。
[0014]所述信号处理机包括基于神经网络的第一级分类器和基于投票机制的第二级分类器，所述信号处理机进行信号识别分类的过程，具体包括如下步骤：
[0015]S1、第一级分类器接收信号的单一片段特征，基于神经识别网络识别片段特征后输出信号的片段类型；
[0016]S2、第二级分类器接收信号的片段类型，基于投票机制通过多个信号的片段类型输出事件类型；
[0017]S3、判断事件类型是否正确，将正确的数据存入数据库中，将错误的数据经人工修订后存入数据库中并计数；
[0018]S4、当事件分类的错误数据个数累计达到阈值后，触发分类器增量学习模块自动运行；
[0019]S5、分类器增量学习模块对第一级分类器进行神经网络重新训练，并更新第一级分类器的神经网络参数。
[0020]基于上述光纤振动监测模型，本专利技术还提出一种长距离周界安全防范系统，用于实时监测、识别布防周界上发生的入侵事件并发出相应的警报与定位，所述安全防范系统与外部系统连接，所述安全防范系统包括，
[0021]控制中心平台，用于监测入侵行为、计算和定位标记入侵位置、发出相应的告警指令，以及调用视觉跟踪设备记录入侵行为；所述控制中心平台包括相互通信耦合的第一级控制中心平台和至少一个第二级控制中心平台，所述第二级控制中心平台包括信号处理机，用于进行光纤振动监测入侵行为和预警；
[0022]现场设备，与控制中心平台通信耦合，所述现场设备包括，
[0023]前端探测设备，用于布防周界入侵行为的探测和探测数据的回传；所述前端探测设备包括传感光纤、电子围栏和激光对射；
[0024]视觉跟踪设备，用于接收控制中心平台发送的告警信息并处理得到具体的告警内容后，调用相应位置的视频监控终端进行视频录像；
[0025]声光报警设备，用于接收控制中心平台发送的报警指令并发出报警信号；
[0026]所述外部系统包括铁路时间同步系统和铁路综合视频监控系统，所述铁路综合视频监控系统包括至少一个视频监控终端，所述视频监控终端用于接收视觉跟踪设备的信号并录制入侵行为。
[0027]为了实现长距离周界安全防范系统与外部系统的联动，所述第一级控制中心平台与铁路时间同步系统通信耦合，所述第二级控制中心平台平台与铁路综合视频监控系统通信耦合，所述第一级控制中心平台和第二级控制中心平台均包括用户终端、管理终端、应用服务器和数据库服务器，所述第二级控制中心平台平台还包括接口服务器。
[0028]一种电子设备，所述电子设备包括：
[0029]存储器，用于存储可执行指令；
[0030]处理器，用于运行所述存储器存储的可执行指令时，实现上述的长距离周界安全
防范系统。
[0031]一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现权上述的长距离周界安全防范系统。
[0032]本专利技术的有益效果是：本专利技术提出的光纤振动监测模型，
[0033]1、通过物理层的基础设施构建分布式、可复用的光纤传感通信平台，实现微振动感测、信号处理与信号分析功能，从而能够根据传感光纤监测到的振动信号判断事件类型并触发应用层响应；
[0034]2、依靠算法层提供信号处理与分析，通过两级分类器根据不同规则进行二级分类能够有效提高分类结果的准确性；进一步的，通过信号处理机记录新事件并累积错误信息，依靠分类器增量学习实现结果反馈并对第一级分类器进行重新训练，有利于进一步提高分类结果的准确性，避免误报。
[0035]本专利技术提出的长距离周界安全防范系统，
[0036]1、通过第一级控制中心平台与铁路时间同步系统连接进行总控，第二级控制中心平台与铁路综合视频监控系统、现场设备连接进行实时监测，通过设置多个第二级控制中心平台实现分段监测与管理，能够将长距离监测分段为短距离监测并实现总控；
[0037]2、进一步的，分段监测能够提高该防范系统的响应效率，当监测到振动信号并判断该事件为入侵事件时，有利于快速调动相应位置的视频监控终端本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种光纤振动监测模型，用于发出信号、接收回传信号并处理分析，实时监测周界安全，其特征在于，所述监测模型包括依次相连的物理层、实现层、算法层和应用层；所述物理层位于监测模型的最底层，包括基础设备，用于构建、可复用的光纤传感通信平台；所述实现层用于通过基础设备采集信息并处理，实现微振动感测、信号调解、信号定位和信号降噪增强；所述算法层用于接收实现层处理后的信息并分析，实现神经网络识别、时间序列分析、支持向量机和事件判别与分析；所述应用层用于显示算法层的分析结果以及进行人机交互，实现智能报警、GIS定位标记、信息化应用集成和自适应学习。2.根据权利要求1所述的光纤振动监测模型，其特征在于，所述基础设备包括传感控制器、信号处理模块和传感模块，所述传感控制器包括依次连接的激光器、解调器、放大器、滤波器、耦合器和光电探测器，所述耦合器还与传感模块耦合，所述光电探测器与信号处理模块连接；所述传感模块包括传感光纤，用于接收耦合器发出的探测光并向耦合器传输散射光；所述信号处理模块包括相互连接的数模转换器和信号处理模块，所述数模转换器与光电探测器电性连接，所述数模转换器用于将光电探测器传输的信号进行数模转换，所述信号处理机用于将数模转换后的信号进行信号预处理、信号识别分类和事件分析产生事件的分类结果、通过预警应用程序响应分类结果以及分类器增量学习。3.根据权利要求2所述的光纤振动监测模型，其特征在于，所述信号预处理包括带通滤波、下采样和小波降噪；所述信号识别分类包括片段切分、特征提取和信号分类；所述事件分析包括强度计算、可信度计算和定位值修正；所述预警应用程序包括预警规则、人机交互和记录新事件；所述分类器增量学习包括新事件训练和分类器优化。4.根据权利要求2所述的光纤振动监测模型，其特征在于，所述信号处理机包括基于神经网络的第一级分类器和基于投票机制的第二级分类器，所述信号处理机进行信号识别分类的过程，具体包括如下步骤：S1、第一级分类器接收信号的单一片段特征，基于神经识别网络识别片段特征后输出信号的片段类型；S2、第二级分类器接收信号的片段类型，基于投票机制通过多个信号的片段类型输出事件类型；S3、判断事件类型是否正确，将正确的数据存入数据...
【专利技术属性】
技术研发人员：刘厚军，陈玉洁，王徐鹏，殷彦君，
申请(专利权)人：苏州铁源智能科技有限公司，
类型：发明
国别省市：
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。