CN105023379A - 一种机场光纤周界预警***的信号识别方法 - Google Patents

Abstract

本发明涉及一种机场光纤周界预警***的信号识别方法，包括以下步骤：⑴信号采集：周界预警***采集光信号并转化为原始电信号X(n)；⑵预处理：对原始电信号X(n)进行滤波、放大等处理得到电信号Xˊ(n)；⑶降采样：对扰动信号进行降采样得x(n)；⑷零电平处时频特征：降采样后的信号x(n)按公式获取信号的时频特征；⑸特征提取：提取最大值M、过零频率数K、频率偏差D、频率样本熵S、信号总能量E；⑹.入侵分类：将五个典型特征输入至五个输入层的概率神经网络中，通过输出层的比较判断入侵类型。本发明克服了机场光纤周界预警***输出信号的非平稳特性及入侵信号与虚警信号的相似性影响信号识别准确度的问题，有效地识别出不同的扰动类型，具有实时性，实用性强的优点。

Description

一种机场光纤周界预警***的信号识别方法

技术领域

本发明涉及机场周界***预警模式识别技术，特别是一种机场光纤周界预警***的信号识别方法。

背景技术

国内外现有的周界安防***类型主要有：视频监控、微波场、红外对射、电子围栏等，但其适用范围小、灵敏度低、易受环境影响、误报率高且价钱昂贵等缺点限制其发展。光纤周界预警***以光纤作为传感器感知外界信号的变化，灵敏度高、抗干扰能力和环境适应能力强、成本低寿命长等特点已成为周界安防领域的主要发展技术。本***采用Mach-Zehnder型光纤干涉探测原理，其采用两段长度基本相同的单模光纤和两个耦合器构成M-Z干涉仪。由一端发出的光，经第一耦合器后进入两单模光纤。两光纤输出的光在第二个耦合器处发生干涉。由于光路的对称性，由二端发出的光，也可以在第一耦合器处发生干涉。在传感光纤无扰动时，由一端发出的光将在二端产生稳定的干涉条纹。同时，由二端发出的光也将在一端产生稳定的干涉条纹。在采用窄带激光作为光源时，将分别在一端和二端接收到稳定的光强。在实际应用中，***先识别扰动信号是否为真实入侵信号，再对真实入侵迅速锁定位置向外报警，但入侵信号的非平稳特性及其与虚警信号的相似性严重影响信号识别的准确度，国内外相关学者进行了大量研究，Mahmoud等提出了LC算法，并利用神经网络进行识别，但LC算法的分段数没有明确的数学公式确定。冯欣等利用小波分析和信息熵相结合的处理方法，但未识别出入侵类型。朱程辉等提出时频特征联合的识别方法，但获取时域特征时的阈值设定对识别结果有很大影响。

本发明提出一种基于零电平处导数分析的信号识别新方法。对信号进行降采样，以减少高频噪声的影响，同时避免分段造成的识别误差。进一步分析零电平处导数与频率的关系，获得信号的时频特征，通过提取具有代表性的典型特征降低概率神经网络的训练难度，缩短识别时间，提高报警率，降低误报率，为M-Z干涉型机场光纤周界预警***的信号识别研究提供重要的参考。

发明内容

本发明针对M-Z干涉仪型机场光纤周界预警***输出信号的非平稳特性及入侵信号与虚警信号的相似性严重影响信号识别准确度的问题，提供一种基于零电平处导数分析的信号识别方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种机场光纤周界预警***的信号识别方法，其特征在于：包括以下步骤：

⑴信号采集：M-Z干涉仪型机场光纤周界预警***采集光信号并转化为原始电信号X(n)；

⑵预处理：对原始电信号X(n)进行滤波、放大等处理得到电信号X'(n)；

⑶降采样：入侵频率在200kHz之内，对扰动信号进行降采样得x(n)；

⑷零电平处时频特征：降采样后的信号x(n)按公式

$F\left(n\right)=\left\{\begin{array}{cc}|x\left(n\right)-x(n+1)|& x(n+1)x\left(n\right)\≤0\\ 0& x(n+1)x\left(n\right)>0\end{array}\right.$ 获取信号的时频特征；

⑸特征提取：依据不同扰动信号时频特征的不同，提取如下五个典型特征：

最大值M：时频特征中频率最大值，入侵事件一般都大于噪声引起的事件；

过零频率数K：时频图中，大于零频率的个数；

频率偏差D：频率最大值与过零频平均值的差值，即：

D＝max(F(t))-mean(F'(t))，其中F(t)为时频特征中的频率，F'(t)为超过零的频率；

频率样本熵S：通过样本熵辨别环境引起的虚警信号；

信号总能量E：该能量是降采样后，扰动信号的总能量

⑹.入侵分类：将步骤⑸中提取的最大值M、过零频率数K、频率偏差D、频率样本熵S、信号总能量E五个典型特征输入至五个输入层的概率神经网络中，其中模式层和求和层根据训练样本和类别个数分别设定，输出层比较求和层输出的贝叶斯概率大小，取最大值对应的类型作为最终的识别结果。

步骤⑴中M-Z干涉仪型机场光纤周界预警***以光纤作为传感器，采集微小的扰动信号，光信号在传输时，扰动信号改变光信号的相位，从而影响光强的大小，由探测器将振动的光强转变为电信号。

步骤⑴中的扰动信号包括由敲击、攀爬、风、汽车振动等引起的振动信号。

本发明的优点和有益效果为：

1.本发明的机场光纤周界预警***的信号识别方法，针对机场光纤周界预警***输出信号的非平稳特性及入侵信号与虚警信号的相似性影响信号识别准确度的问题，从信号自身特点入手，根据零电平处导数与频率的关系获得信号的时频特征；在时频特征基础上，提取出五个典型特征输入至概率神经网络进行识别分类，不仅有效地识别出不同的扰动类型，而且识别时间在0.23s之内，兼顾了***实时性的要求，提高了***的实用性能。

附图说明

图1为本发明的步骤流程图；

图2为敲击的电信号波形图；

图3为攀爬的电信号波形图；

图4为风的电信号波形图；

图5为敲击的时频特征示意图；

图6为攀爬的时频特征示意图；

图7为风击的时频特征示意图。

具体实施方式

下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

一种机场光纤周界预警***的信号识别方法，包括以下步骤：

⑴信号采集：M-Z干涉仪型机场光纤周界预警***采集光信号并转化为原始电信号X(n)；预警***以光纤作为传感器，其不受外界气候和电磁等的干扰，能够实时采集微小的振动信号，光信号在传输时，振动信号如敲击、攀爬、风、汽车振动等改变光信号的相位，从而影响光强的大小，由探测器将振动的光强转变为电信号。

⑵预处理：对原始电信号进行滤波、放大等处理得到电信号X'(n)，如图2、3、4所示为敲击、攀爬和风的电信号波形图。

⑶降采样：实际的入侵频率在200kHz之内，在不丢失有效信号情况下对扰动信号进行降采样得x(n)，其不仅减少了***运算数据量，避免分段对时频特征提取的影响，而且消除了高频噪声。

⑷零电平处时频特征：根据信号自身输出形式可知，信号在零点处导数与信号频率成正比，离散信号的相邻采样点间隔相同，所以采集的离散信号在零点处的导数用相邻采样点的幅值差表示。降采样后的信号x(n)按公式 $F\left(n\right)=\left\{\begin{array}{cc}|x\left(n\right)-x(n+1)|& x(n+1)x\left(n\right)\≤0\\ 0& x(n+1)x\left(n\right)>0\end{array}\right.$ 获取信号的时频特征如图5、6、7所示。

⑸特征提取：依据不同扰动信号时频特征的差异，提取如下五个典型特征：

最大值M：时频特征中频率最大值，入侵事件一般都大于噪声引起的事件。

过零频率数K：时频图中，大于零频率的个数。

频率偏差D：频率最大值与过零频平均值的差值，即D＝max(F(t))-mean(F'(t))，其中F(t)为时频特征中的频率，F'(t)为超过零的频率。该特征有效地区分相似时频特征的事件如人为攀爬和汽车产生的振动。

频率样本熵S：时频分布中，不仅频域中有明显的不同，而且时域上的分布也有较大差异，故通过样本熵判定信号的时域分布复杂程度。此特征可辨别环境引起的虚警信号如汽车振动和自然风，汽车振动信号的样本熵明显大于风信号的样本熵。

信号总能量E：该能量是降采样后，扰动信号的总能量其对人为攀爬和敲击的区分至关重要。

⑹入侵分类：将上述提取的五个典型特征输入至五个输入层的概率神经网络中，其中模式层和求和层根据训练样本和类别个数分别设定，输出层比较求和层输出的贝叶斯概率大小，取最大值对应的类别作为最终的识别结果。

尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (3)

1.一种机场光纤周界预警***的信号识别方法，其特征在于：包括以下步骤：

⑴信号采集：M-Z干涉仪型机场光纤周界预警***采集光信号并转化为原始电信号X(n)；

⑵预处理：对原始电信号X(n)进行滤波、放大等处理得到电信号X'(n)；

⑶降采样：入侵频率在200kHz之内，对扰动信号进行降采样得x(n)；

⑷零电平处时频特征：降采样后的信号x(n)按公式

$F\left(n\right)=\left\{\begin{array}{cc}|x\left(n\right)-x(n+1)|& x(n+1)x\left(n\right)\≤0\\ 0& x(n+1)x\left(n\right)>0\end{array}\right.$ 获取信号的时频特征；

⑸特征提取：依据不同扰动信号时频特征的不同，提取如下五个典型特征：

最大值M：时频特征中频率最大值，入侵事件一般都大于噪声引起的事件；

过零频率数K：时频图中，大于零频率的个数；

频率偏差D：频率最大值与过零频平均值的差值，即：

D＝max(F(t))-mean(F'(t))，其中F(t)为时频特征中的频率，F'(t)为超过零的频率；

频率样本熵S：通过样本熵辨别环境引起的虚警信号；

信号总能量E：该能量是降采样后，扰动信号的总能量

⑹.入侵分类：将步骤⑸中提取的最大值M、过零频率数K、频率偏差D、频率样本熵S、信号总能量E五个典型特征输入至五个输入层的概率神经网络中，其中模式层和求和层根据训练样本和类别个数分别设定，输出层比较求和层输出的贝叶斯概率大小，取最大值对应的类型作为最终的识别结果。

2.根据权利要求1所述的一种机场光纤周界预警***的信号识别方法，其特征在于：步骤⑴中M-Z干涉仪型机场光纤周界预警***以光纤作为传感器，采集微小的扰动信号，光信号在传输时，扰动信号改变光信号的相位，从而影响光强的大小，由探测器将振动的光强转变为电信号。

3.根据权利要求1所述的一种机场光纤周界预警***的信号识别方法，其特征在于：步骤⑴中的扰动信号包括由敲击、攀爬、风、汽车振动等引起的振动信号。