【技术实现步骤摘要】
本专利技术属于微震监测，具体为一种敏感区域异常活动预警方法、系统、计算机设备及存储介质。
技术介绍
1、敏感区域需要较高的安保条件，同时这些区域内部环境广阔复杂，需要耗费大量的人力进行巡逻监测。由于一些不可控的人为因素，例如巡逻者精力不集中、存在视野盲区，这些敏感区域存在一定的安全隐患。为了减少人为因素的影响，因此现有监测系统由多个采集器构成，各个采集器通过有线电缆进行数据传输连接，通过实时的数据采集和处理，来实现敏感区域的监测。但该监测系统存在以下问题：通过有线电缆连接采集器，导致数量巨大的采集器布置存在困难，且容易发生故障。
技术实现思路
1、专利技术目的：为解决现有监测系统中存在的问题，本专利技术提出了一种敏感区域异常活动预警方法、系统、计算机设备及存储介质，在降低人力成本与操作复杂性的同时，能对敏感区域进行全方位实时监测，及时提供异常活动信息以保证区域内部的安全，适用于监狱周边、国防边境等敏感区域的异常活动监测。
2、技术方案：一种敏感区域异常活动预警方法，包括以下步骤：
3、步骤1：实时获取敏感区域内的振动信号，并对振动信号进行预处理，得到预处理后的振动信号；
4、步骤2：对预处理后的振动信号进行初筛，得到疑似异常活动信号；
5、步骤3：将疑似异常活动信号输入至噪声自适应事件检测模型中，得到存在异常活动的概率；
6、步骤4：基于存在异常活动的概率，进行预警。
7、进一步的，所述的对预处理后的振动信号进
8、选定一个会滑动的长时间窗和一个短时间窗，两时间窗起点或终点重合；
9、将短时窗归一化信号后的幅度平均值sta与长时窗归一化信号的幅度平均值lta的比值，与自相关系数r倒数相乘，得到预处理后的振动信号的微震事件有效性指标s，表示为：
10、
11、将预处理后的振动信号的微震事件有效性指标s与设定的阈值λ作比较，仅当大于λ时，则判定该预处理后的振动信号为疑似异常活动信号。
12、进一步的，所述噪声自适应事件检测模型包括：输入层、多尺度噪声自适应特征提取块、小波域噪声自适应抑制块、多层感知机结构和输出层；在每层多尺度噪声自适应特征提取块后均加入批归一化batchnorm及relu激活函数；
13、所述多尺度噪声自适应特征提取块包括：第一conv(1,1)卷积块、第二conv(1,1)卷积块、第三conv(1,1)卷积块、最大池化层、conv(3，3)卷积块、conv(5，5)卷积块和连接层；第一conv(1,1)卷积块的输出作为conv(3，3)卷积块的输入，第二conv(1,1)卷积块的输出作为conv(5，5)卷积块的输入，最大池化层的输出作为第三conv(1,1)卷积块的输入，conv(3，3)卷积块的输出、conv(5，5)卷积块的输出和第三conv(1,1)卷积块的输出连接至连接层，连接层的输出作为小波域噪声自适应抑制块的输入；
14、所述小波域噪声自适应抑制块包括：小波包分解计算模块、第四conv(1,1)卷积块、absmedian和softmax层；其中，小波包分解计算模块用于进行小波包分解计算，absmedian用于对每个输入的特征图求绝对中值，softmax层用于对每个特征图进行软阈值滤波处理，所述小波包分解计算模块的输出作为第四conv(1,1)卷积块的输入，第四conv(1,1)卷积块的输出作为absmedian的输入，absmedian的输出和小波包分解计算模块的输出共同作为softmax层的输入；
15、所述多层感知机结构的输入为softmax层的输出，该多层感知机结构包括隐藏层和sigmoid层，sigmoid层的输出为疑似异常活动信号对应的活动事件为异常活动的概率。
16、进一步的，步骤4中，所述的基于存在异常活动的概率，进行预警，具体包括：
17、若同一时间段内，敏感区域内的异常活动数量为一，则对发生异常活动的区域进行预警；
18、若同一时间段内，敏感区域内的异常活动数量为多个，则根据各振动信号，采用双差地震定位法进行震源定位，得到异常活动的震源坐标，基于异常活动的震源坐标，进行预警。
19、本专利技术公开了一种敏感区域异常活动预警系统，包括：
20、振动信号获取及预处理模块，用于实时获取敏感区域内的振动信号，并对振动信号进行预处理，得到预处理后的振动信号；
21、振动信号初筛模块，用于对预处理后的振动信号进行初筛，得到疑似异常活动信号；
22、异常活动检测模块，用于将疑似异常活动信号输入至噪声自适应事件检测模型中，得到存在异常活动的概率；
23、预警模块，用于基于存在异常活动的概率，进行预警。
24、进一步的，所述的对预处理后的振动信号进行初筛，得到疑似异常活动信号，具体操作包括：
25、选定一个会滑动的长时间窗和一个短时间窗，两时间窗起点或终点重合；
26、将短时窗归一化信号后的幅度平均值sta与长时窗归一化信号的幅度平均值lta的比值，与自相关系数r倒数相乘，得到预处理后的振动信号的微震事件有效性指标s，表示为：
27、
28、将预处理后的振动信号的微震事件有效性指标s与设定的阈值λ作比较，仅当大于λ时，则判定该预处理后的振动信号为疑似异常活动信号。
29、进一步的，所述噪声自适应事件检测模型包括：输入层、多尺度噪声自适应特征提取块、小波域噪声自适应抑制块、多层感知机结构和输出层；在每层多尺度噪声自适应特征提取块后均加入批归一化batchnorm及relu激活函数；
30、多尺度噪声自适应特征提取块包括：第一conv(1,1)卷积块、第二conv(1,1)卷积块、第三conv(1,1)卷积块、最大池化层、conv(3，3)卷积块、conv(5，5)卷积块和连接层；第一conv(1,1)卷积块的输出作为conv(3，3)卷积块的输入，第二conv(1,1)卷积块的输出作为conv(5，5)卷积块的输入，最大池化层的输出作为第三conv(1,1)卷积块的输入，conv(3，3)卷积块的输出、conv(5，5)卷积块的输出和第三conv(1,1)卷积块的输出连接至连接层，连接层的输出作为小波域噪声自适应抑制块的输入；
31、所述小波域噪声自适应抑制块包括：小波包分解计算模块、第四conv(1,1)卷积块、absmedian和softmax层；其中，小波包分解计算模块用于进行小波包分解计算，absmedian用于对每个输入的特征图求绝对中值，softmax层用于对每个特征图进行软阈值滤波处理，所述小波包分解计算模块的输出作为第四conv(1,1)卷积块的输入，第四conv(1,1)卷积块的输出作为absmedian的输入，absmedian的输出和小波包分解计算模块的输出共同作为softmax本文档来自技高网...
【技术保护点】
1.一种敏感区域异常活动预警方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：所述的对预处理后的振动信号进行初筛，得到疑似异常活动信号，具体操作包括：
3.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：所述噪声自适应事件检测模型包括：输入层、多尺度噪声自适应特征提取块、小波域噪声自适应抑制块、多层感知机结构和输出层；在每层多尺度噪声自适应特征提取块后均加入批归一化Batchnorm及Relu激活函数；
4.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：步骤4中，所述的基于存在异常活动的概率，进行预警，具体包括：
5.一种敏感区域异常活动预警系统，其特征在于：包括：
6.根据权利要求5所述的一种敏感区域异常活动预警系统，其特征在于：
7.根据权利要求5所述的一种敏感区域异常活动预警系统，其特征在于：所述噪声自适应事件检测模型包括：输入层、多尺度噪声自适应特征提取块、小波域噪声自适应抑制块、多层感知机结构和输出层；在每层多尺度噪声自
8.根据权利要求5所述的一种敏感区域异常活动预警系统，其特征在于：在预警模块中，执行以下步骤：
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至4任意一项所述的一种敏感区域异常活动预警方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储有异常活动预警程序，所述异常活动预警程序被至少一个处理器执行时实现权利要求1至4任意一项所述的一种敏感区域异常活动预警方法的步骤。
...【技术特征摘要】
1.一种敏感区域异常活动预警方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：所述的对预处理后的振动信号进行初筛，得到疑似异常活动信号，具体操作包括：
3.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：所述噪声自适应事件检测模型包括：输入层、多尺度噪声自适应特征提取块、小波域噪声自适应抑制块、多层感知机结构和输出层；在每层多尺度噪声自适应特征提取块后均加入批归一化batchnorm及relu激活函数；
4.根据权利要求1所述的一种敏感区域异常活动预警方法，其特征在于：步骤4中，所述的基于存在异常活动的概率，进行预警，具体包括：
5.一种敏感区域异常活动预警系统，其特征在于：包括：
6.根据权利要求5所述的一种敏感区域异常活动预警系统，其特征在于：
【专利技术属性】
技术研发人员：王洁，张源，张亚芪，施政，兰志强，朱坤，陈涛，
申请(专利权)人：苏州大学，
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。