CN107063339B - 铁道沿线落石与行车信号分类分级判断识别方法 - Google Patents

Abstract

针对现有技术对铁道沿线振动信号中的信息提取利用有限，其多重阈值的技术手段对提高判别准确性效果有限的缺陷，本发明提供了一种铁道沿线落石与行车信号分级判断识别方法。本方法运算中心将原始信号后依照去噪处理、振幅指标的信号I级判识、基于FFT变换的信号II级判识、基于STFT变换的信号Ⅲ级判识的步骤实施，最终判断落石与行车是否发生。本发明还公开了落石能量规模计算方法、行车通行状态监测方法。本发明将振幅分析、能量分析、频率分析结合一体，并通过在不同判识级别层面上采用不用的信号分析指标与分析方法，实现提高判识准确度。本发明原理可靠，计算过程科学简便，实施仪器简单，安装方便，测算结果精度高，特别适用于工程领域的需要。

Description

铁道沿线落石与行车信号分类分级判断识别方法

技术领域

本发明涉及一种振动信号分类分级判断识别方法，尤其是一种涉及铁道沿线落石与列车通行信号的分类、分级判识方法，属于振动信号监测测量技术领域、交通信号控制领域。

背景技术

振动信号是指由非静止物体所产生的信号。由于非静止状态是物体的绝对状态，因而振动特性及产生的振动信号成为物体的固有特性。在受激发状态下，若振动源的激励与物体的固有特性参数相同或接近时，会产生各个频率特征信息的叠加所致的共振响应。振动信号的时域特征主要体现在振幅、周期、相位等特性上，其频域特征则主要表现在频率、能量信息中。由于不同物体具有其特征性的振动信号，同一物体在不同状态下也表现出不同特征性的振动信号，因此，通过提取并分析振动信号中原始或经由变换产生的各种特征信息，可以反向演算定位发生振动的物体本身，以及其运动状态。

申请公布号为CN 102079319 A的中国发明专利申请公开了一种铁路落石预警方法，其技术方案包括如下步骤：提供随铁轨振动产生应变的光纤光栅，利用光纤光栅解调仪器获取反映从光纤光栅反射回的光的波长变化的电信号，基于电信号获取从光纤光栅反射回的光的波长变化信息，和基于该波长变化信息确定是否发出报警。其目的是利用光纤光栅传感器具有抗电磁干扰、尺寸小、重量轻的优点。尽管该方法设置了第一阈值和第二阈值用以检测铁路落石发生，根据振幅与阈值的大小关系、振幅变化速度来判断铁道落石发生与否。但其缺陷在于多重阈值判别指标只有光纤光栅反射回的光的波长变化的电信号振幅唯一指标，因而对振动信号中的振动信息提取利用有限，其采用多重阈值的技术手段对于提高判别结果准确性的裨益也同样有限。

发明内容

本发明的目的就是针对现有技术的不足，提供一种铁道沿线落石与行车信号分级判断识别方法，以实现利用振动信号分析对铁道沿线的落石危害、行车安全加以判识的技术目的。其技术方案如下：

一种铁道沿线落石与行车信号分级判断识别方法，在铁道沿线潜在落石发生位点布置振动传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号并依如下步骤实施：

步骤S1、去噪处理

滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号，进入步骤S2；

步骤S2、振动信号I级判识

设置振幅阈值A_s，当滤波后信号振幅≥A_s时，判识为I级振动信号，记录该点时刻值T₁，进入步骤S3；所述振幅阈值A_s通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定；

其特征在于：

步骤S3、振动信号II级判识

步骤S31、FFT变换

将滤波后信号进行FFT变换，得到自时刻值T₁起的频率-振幅信号，进入步骤S32；

步骤S32、信号判识

由步骤S31所得频率-振幅信号计算得到频率-能量信号，计算能量比值；所述能量比值是频率-能量信号中0Hz～500H频率范围内信号能量值与全部信号能量值的比值；

若能量比值≥能量比值阈值R_E，判识为II级落石振动信号，记录时间刻值T₂₁，退出步骤S32进入步骤S4；若能量比值＜能量比值阈值R_E，判识为II级行车振动信号，记录时间刻值T₂₂，退出步骤S32进入步骤S4；

所述能量比值阈值R_E＝80％～90％；

步骤S4、振动信号Ⅲ级判识

步骤S41、STFT变换

将滤波后信号进行STFT变换，得到自时刻值T₂₁或T₂₂起的时间-频率-能量信号，进入步骤S42；

步骤S42、信号判识

自时间刻值T₂₁或T₂₂起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，当能量值均值≥能量均值阈值A₀时判定为振动发生，继续沿时间轴向右选取时间-频率点，当连续2s内的能量值均值＜A₀时，判断为振动结束，能量值均值阈值A₀＝(1.5A_s)²；

对振动起止时间内的时间-频率点的能量值进行最小二乘拟合，得到该次振动期间的拟合系数集合；若拟合系数集合满足能量拟合阈值LSF₁时，判识为Ⅲ级落石振动信号，确定落石发生时刻T₃₁是能量值均值≥能量均值阈值A₀的时刻；若拟合系数集合满足能量拟合阈值LSF₂时，判识为Ⅲ级行车振动信号，确定行车通过发生时刻T₃₂是能量值均值＜能量均值阈值A₀的时刻；

所述能量拟合阈值LSF₁是拟合系数集合内60％及以上的拟合系数≤-3，所述能量拟合阈值LSF₂是拟合系数集合内60％及以上的拟合系数＞-3；

根据Ⅲ级落石振动信号判识结果判断落石是否发生，根据Ⅲ级行车振动信号判识结果判断是否行车。

上述铁道沿线落石与行车信号分级判断识别方法的基本技术构思包括两方面：一方面从振动信号中分别筛选出落石振动信号与行车振动信号两种监测对象，判识其是否发生；另一方面对传感器采集的振动信号经滤波后进行依振幅、依频率－能量等的分级判识，逐级提高分析判识结果精度。

为实现通过逐级判识提高判识精度的目的，本发明技术方案采用对振动信号中时域内的振幅信息与频域内的频率、能量信息进行分步运算的方式。分级判识中，对滤波去噪后的滤波后振动信号采用三级判断识别：(1)I级判识是振动幅值判识。振幅是振动信号在时域中最基本的振动特征参数，采用振动判识，可以初步判识该状态下是否有高量级震动事件引起信号的突变，排除基本的背景噪声。通过设定振动幅值的下限阈值，初步判识该时刻是否有列车经过或者落石事件发生。但振幅判识方法过于粗略，仅能定性判识事件的大概可能性，因而采用振幅判识振动信号存在将背景噪声、仪器本身误差误判为有效事件的缺点，为克服此缺陷，需要信号处理进一步定量判识。(2)II级判识是基于FFT变换的频域频率-能量判识。FFT变换的典型用途是将信号分解成频率-幅度谱，这样我们就可以知道震动信号的各个频率成分及其幅度，进而获取信号在各个频率范围内的能量分布情况。通过FFT的定量分析，能定量获得事件信号的各频率范围的能量分布情况，再用列车信号、落石信号的频率-能量特征甄别，判识出落石事件或者列车事件。II级判识能够通过FFT变换可以在得到震动信号的频率分布，能够定量获取事件信号主要成分集中的频率范围，但该方法缺失了信号的时间信息，仅为信号的频率-能量信息缺陷，因此需要进一步的Ⅲ级判识。(3)Ⅲ级判识是基于STFT变换的频率-能量判识。STFT变换是一种二维时频变换，可以得到震动信号在时间-频率域的能量分布，不同事件的震动信号在时间-频率域有明显区别，可以通过定量计算震动信号在时间-频率域能量的分布范围和强度进行判识。通过Ⅲ级判识STFT的定量分析，能定量获得振动事件信号的各频率范围的能量分布情况，再用列车信号、落石信号的频率-能量特征甄别，判识出事件的类型(即落石事件或者行车事件)以及时间特征。本技术方案在对振动信号的逐级判断识别中，每一级的判识都采用阈值比对的基本方法。I级判识依据振幅阈值A_s，II级判识依据能量比值阈值R_E，Ⅲ级判识依据能量均值阈值A₀、能量拟合阈值等。这些阈值都是通过前期的落石或行车振动试验结果分析得出的，或者根据落石或行车振动历史资料记录统计分析得出的。

为实现筛选出落石振动信号与行车振动信号两种监测对象的目的，技术方案主要通过两类技术手段：一是阈值设置时对两者的振幅类阈值、能量类阈值、频率类阈值进行分别设置或依条件择一设置；二是对信号进行以频率分区为基础的分析运算。

一般地，步骤S1中，采用6阶～10阶的FIR对原始时间-振幅信号去噪。振幅阈值A_s是背景信号振幅A_b的1.5倍，所述背景信号振幅A_b是振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值。

上述铁道沿线落石与行车信号分级判断识别方法解决了依据振动信号判识落石发生与列车通行的问题。以此为基础，本发明进一步提供一种基于其实现的落石能量规模计算方法。其技术方案如下：

一种利用上述铁道沿线落石与行车信号分级判断识别方法实现的落石冲击能量规模计算方法，其特征在于：

在所述步骤S42中，判识为Ⅲ级落石振动信号后，记录时间刻值T₃₁，退出步骤S42进入步骤S5A；

步骤S5A、落石能量规模计算方法

步骤S5A1、冲击能量模拟计算起止时间判识

采用STA/LTA方法对T₁时刻起滤波后信号进行振动识别；当STA/LTA比值≥STA/LTA比值阈值R_SL时确定为落石能量模拟计算起始时间t₁，当振幅≤振幅下限阈值A_min时确定为落石能量模拟计算结束时间t₂，退出步骤S5，进入步骤S6；

STA/LTA短周期t_S、STA/LTA长周期t_L、STA/LTA比值阈值R_SL通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定，振幅下限阈值A_min通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定；

步骤S5A2、计算落石规模

依式5.1计算落石滚落释放能量规模A_E；

式中，E(t)——时刻t₁～时刻t的均方根振幅的平方，

E₀——噪声水平，依式5.2计算确定，

式中，A₁——时间t₁处振幅，

A₂——时间t₂处振幅。

上述落石冲击能量计算方法是在落石振动信号分级判断识别的结果上，采用STA/LTA方法进一步振相分析。由于STA/LTA算法可以识别出落石信号的起止点及其包络能量，因而对起止时刻间的时间频率点进行能量积分，即可评估落石规模，因而能够更准确地确定振动起止状态改变。在STA/LTA分析中涉及的STA/LTA比值阈值R_SL、振幅下限阈值A_min同样可以通过前期落石振动的试验和/或历史数据分析的结果得出确定。本发明给出的STA/LTA分析方法中的优选参数是：

STA/LTA方法中，短周期时间t_S＝0.05s，长周期时间t_L＝1s，STA/LTA比值阈值R_SL＝3～3.8，窗函数ω[n]是长度为128的汉宁窗，依式5.3、5.4计算。振幅下限阈值A_min＝10％A_max～15％A_max，A_max是t₁～时刻t时间区间内振幅的最大值。

在上述铁道沿线落石与行车信号分级判断识别方法解决了依据振动信号判识列车通行的问题的基础之上，本发明进一步提供一种基于其实现的行车通行起止时间判识方法。其技术方案如下：

利用上述的铁道沿线落石与行车信号分级判断识别方法实现的行车通行起止时间判识方法，其特征在于：

在所述步骤S42中，判识为Ⅲ级行车振动信号后，记录时间刻值T₃₂，退出步骤S42进入步骤S5B、行车通行起止判识；

所述步骤S5B8包括：当振幅＜列车行车振幅阈值A_L时确定为行车结束时间T₄；所述列车行车振幅阈值A_L是列车空载状态下以预设速度行驶时振动传感器测量得到的振动信号幅值。

上述行车通行起止时间判识方法是直接采用实时振幅与列车行车振幅阈值A_L比对的方法确定列车是否处于行车通过状态。

利用上述行车通行起止时间判识方法，还可以进一步解决监测行车通行状态是否的技术问题。其技术方案如下：

一种利用上述的行车通行起止时间判识方法实现的行车通行状态监测方法，其特征在于：在确定行车结束时间T₄后进入步骤S6、行车通行状态判识；所述步骤S6包括：

自时刻值T₃₂起沿时间轴向右选取时间-频率点并对所选取时间-频率点的振幅值进行最小二乘拟合，每当拟合系数小于0时计数加1，并且继续沿时间轴向右移动拟合直到时刻值T₄；最终计数为N，车厢节数＝(N+1)/2；

根据车厢节数与单节列车车厢长度计算得到列车总长度，根据列车总长度与行车通行时间计算得到列车行车速度，并判断行车通行速度是否正常。

上述行车通行状态监测方法中，对车厢计数方法的原理是根据轨道内部的部件情况，我们采用列车-轨道的状况来进行来分析。对车辆轨道空间耦合动力学模型进行数值模拟外加实际监测，得出每经过一节列车，信号会呈现一个纺锤体的形状特征，即震动能量先增高后降低，波峰值突起，因此我们根据信号频谱上纺锤体的个数，就能识别出列车的节数。

与现有技术相比，本发明的有益效果是：(1)本发明提供了一种铁道沿线落石与行车信号分类分级判断识别方法。该方法将振幅分析、能量分析、频率分析结合一体，并通过在不同判识级别层面上采用不用的信号分析指标与分析方法，实现提高判识准确度的目的。这种将多种分析方法结合使用且旨在提高铁道沿线列车落石与行车信号分析精度，尤其是通过在技术流程不同阶段使用不同分析方法，以实现对两类振动信号的分级判识，综合提高分析精度的技术构思在现有技术中未曾出现过。(2)本发明提供了利用前述方法实现的落石能量规模计算方法，能够解决铁道沿线落石滚落能量规模的测算问题，可应用于地质灾害的相关研究领域。(3)本发明提供了利用前述方法实现的行车通行状态监测方法，该方法采用振动信号分析确定列车通行时间，并计数车箱数量，进而测算列车行车速度，可监测列车行车安全与否的状态。

附图说明

图1传感器安装位置示意图。

图2是运算中心算法流程示意图。

图3是落石1#、2#、3#事件信号STFT频谱图。

图4是落石1#事件原始信号、FFT频谱和STFT频谱图。

图5是落石2#事件原始信号、FFT频谱和STFT频谱图。

图6是落石3#事件原始信号、FFT频谱和STFT频谱图。

图7是落石1#事件STA/LTA算法结果图。

图8是落石2#事件STA/LTA算法结果图。

图9是落石3#事件STA/LTA算法结果图。

图10是列车经过原始信号、FFT频谱和STFT频谱图。

具体实施方式

下面结合附图，对本发明的优选实施例作进一步的描述。

实施例一

如图1～图9所示，用本发明方法在某铁路沿线某落石易发处监测落石发生情况。

在铁道沿线某潜在落石发生位点布置振动加速度传感器。传感器安装在铁轨的内侧或者枕轨上(图1，图中五星示传感器位置)。传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号后依图2所示技术方案流程实施。

以下实施方式演示以一只传感器的数据处理为例。该传感器监测到3个落石事件，编号为落石1#、2#、3#事件(图3)。图4是落石1#事件原始信号、FFT频谱和STFT频谱图，图5是落石2#事件原始信号、FFT频谱和STFT频谱图，图6是落石3#事件原始信号、FFT频谱和STFT频谱图。

步骤S1、去噪处理

原始信号滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号。滤波可同时滤除低频异常，避免引起虚警以及对后续处理的干扰。滤波处理采用100阶的FIR对原始时间-振幅信号去噪。

进入步骤S2。

步骤S2、振动信号I级判识

测量环境背景信号振幅A_b＝0.13，设置振幅阈值A_s＝1.5A_b＝0.2。

通过实时判断传感器输出信号的幅值，确认在194.5s、494.5s、597s处幅值大于预设振幅阈值A_s(图5)，判识为I级落石振动信号，记录相应的3个时刻值T₁＝194.5s、494.5s、597s，进入步骤S3。

步骤S3、振动信号II级判识

步骤S31、FFT变换

将滤波后信号进行FFT变换，得到自时刻值T₁起的频率-振幅信号，进入步骤S32；

步骤S32、信号判识

由步骤S31所得频率-振幅信号计算得到频率-能量信号，设置能量比值阈值R_E＝80％。

计算得到在时间194.7s、494.7s、597.1s处，振动频率范围0Hz～500Hz的能量＝250、260、200、全部信号能量值＝300、305、220，能量比值＝83.3％、85.2％、91.0％均大于R_E，判识为II级落石振动信号，分别记录时间刻值T₂₁＝194.7s、494.7s、597.1s，退出步骤S32进入步骤S4。

步骤S4、振动信号Ⅲ级判识

步骤S41、STFT变换

将滤波后信号进行STFT变换，得到自时刻值T₂₁起的时间-频率-能量信号。STFT变换是一种二维时频变换，通过变换得到振动信号在时间-频率域的能量分布。由于落石振动和其他振动在时间-频率域有明显区别，因而可以通过计算二者在时间-频率域能量的分布范围和强度对落石振动信号加以识别。

进入步骤S42。

步骤S42、信号判识

设置能量均值阈值A₀＝(1.5A_s)²＝0.09，设置能量拟合阈值LSF₁为是拟合系数集合内60％及以上的拟合系数≤-3。

自时间刻值T₂₁起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，进行信号判识。结果如图6显示，时间194.8s～195.3s、494.8s～495.5s、597s～597.7s是振动起止时间。对该区间的时间-频率点的能量值进行最小二乘拟合，并比较拟合系数集合与能量拟合阈值的关系。结果显示，该3个区间信号持续时间60％及以上拟合系数<-3，均满足能量拟合阈值LSF₁，判识为Ⅲ级落石振动信号，并确认在时刻T₃₁＝194.9s、495.0s、597.4s发生了落石滚落。

进入步骤S5A。

步骤S5A1、能量模拟计算起止时间判识

采用STA/LTA方法对T₁时刻起滤波后信号进行振动识别；当STA/LTA比值≥STA/LTA比值阈值R_SL时确定为落石能量模拟计算起始时间t₁，当振幅≤振幅下限阈值A_min时确定为落石能量模拟计算结束时间t₂；

STA/LTA方法中，设置短周期t_S＝0.05s、长周期t_L＝1s，STA/LTA比值阈值R_SL＝3，窗函数ω[n]是长度为128的汉宁窗。设置振幅下限阈值A_min＝10％A_max，A_max即图中PGV。

计算结果显示(图8)，落石能量模拟计算起始时间t₁＝194s、493s、596.7s、对应振幅A₁＝0.3、0.3、0.2，落石能量模拟计算结束时间t₂＝196.5s、496s、598.8s，对应振幅A₂＝0.2、0.35、0.1，落石滚落周期DUR＝2.5s、3s、2.1s。

图7是落石1#事件STA/LTA算法结果图，图8是落石2#事件STA/LTA算法结果图，图9是落石3#事件STA/LTA算法结果图。

步骤S5A2、计算落石规模

计算得到时刻t₁～时刻t的均方根振幅E(t)＝317.9、413.9、161.5、噪声水平E₀＝0.0625、0.0977、0.0225，落石滚落释放能量规模A_E＝794.18J、1240.7J、338.9J。

表1实施例一落石判别

实施例二

如图10所示，用本发明方法在某铁路沿线某落石易发处监测列车通行情况。本实施方式中与实施例一中相同的步骤S1～步骤S31内容不再重复。自步骤S32处起记录数据处理过程。

步骤S32、信号判识

由步骤S31所得频率-振幅信号计算得到频率-能量信号，设置能量比值阈值R_E＝80％。

计算得到在时间4.2s处，振动频率范围0Hz～500Hz的能量＝2150、全部信号能量值＝3000，能量比值＝71.7％＜R_E，判识为II级行车振动信号，记录时间刻值T₂₂＝4.2s，退出步骤S32进入步骤S4。

步骤S4、振动信号Ⅲ级判识

步骤S41、STFT变换

将滤波后信号进行STFT变换，得到自时刻值T₂₂起的时间-频率-能量信号(图10)。

进入步骤S42。

步骤S42、信号判识

设置能量拟合阈值LSF₂是拟合系数集合内60％及以上的拟合系数≥-3。

自时间刻值T₂₂起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，进行信号判识。结果如图8显示，时间4.4s～7.5s是振动起止时间。对该区间的时间-频率点的能量值进行最小二乘拟合，并比较拟合系数集合与能量拟合阈值的关系。结果显示，该区间信号持续时间75％拟合系数<-3，满足能量拟合阈值LSF₂，判识为Ⅲ级行车振动信号，并确认列车在时刻T₃₂＝4.5s开始通行。

进入步骤5B。

步骤S5B、行车通行起止判识

根据前期试验，设置列车行车振幅阈值A_L是列车空载状态下以30km/h行驶时振动传感器测量得到的振动信号幅值＝400。

信号分析显示(图9)，在时刻7.6s时，振幅＝390＜A_L，确定为行车结束时间T₄＝7.6s。列车行车通过3.1s。

进入步骤S6。

步骤S6、行车通行状态判识

自时刻值T₃₂起沿时间轴向右选取时间-频率点并对所选取时间-频率点的振幅值进行最小二乘拟合，每当拟合系数小于0时计数加1，并且继续沿时间轴向右移动拟合直到时刻值T₄；最终计数为N，车厢节数＝(N+1)/2。结果表明，在时间4.6s处，拟合系数为-1.5、小于0，始计数1。直到时刻值t₄处，共计数N＝17，得到车厢节数＝(N+1)/2＝7。

根据车厢节数9与单节列车车厢长度25m计算得到列车总长度为225m，根据列车总长度与行车通行时间计算得到列车行车速度为72.6km/h。结果显示，列车通过时运行正常。

Claims (9)

1.铁道沿线落石与行车信号分级判断识别方法，在铁道沿线潜在落石发生位点布置振动传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号并依如下步骤实施：

步骤S1、去噪处理

滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号，进入步骤S2；

步骤S2、振动信号I级判识

设置振幅阈值A_s，当滤波后信号振幅≥A_s时，判识为I级振动信号，记录该点时刻值T₁，进入步骤S3；所述振幅阈值A_s通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定；

其特征在于：

步骤S3、振动信号II级判识

步骤S31、FFT变换

将滤波后信号进行FFT变换，得到自时刻值T₁起的频率-振幅信号，进入步骤S32；

步骤S32、信号判识

由步骤S31所得频率-振幅信号计算得到频率-能量信号，计算能量比值；所述能量比值是频率-能量信号中0Hz～500H频率范围内信号能量值与全部信号能量值的比值；

若能量比值≥能量比值阈值R_E，判识为II级落石振动信号，记录时刻值T₂₁，退出步骤S32进入步骤S4；若能量比值＜能量比值阈值R_E，判识为II级行车振动信号，记录时刻值T₂₂，退出步骤S32进入步骤S4；

所述能量比值阈值R_E＝80％～90％；

步骤S4、振动信号Ⅲ级判识

步骤S41、STFT变换

将滤波后信号进行STFT变换，得到自时刻值T₂₁或T₂₂起的时间-频率-能量信号，进入步骤S42；

步骤S42、信号判识

自时刻值T₂₁或T₂₂起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，当能量值均值≥能量均值阈值A₀时判定为振动发生，继续沿时间轴向右选取时间-频率点，当连续2s内的能量值均值＜能量均值阈值A₀时，判断为振动结束，能量值均值阈值A₀＝(1.5A_s)²；

对振动起止时间内的时间-频率点的能量值进行最小二乘拟合，得到该次振动期间的拟合系数集合；若拟合系数集合满足能量拟合阈值LSF₁时，判识为Ⅲ级落石振动信号，确定落石发生时刻T₃₁是能量值均值≥能量均值阈值A₀的时刻；若拟合系数集合满足能量拟合阈值LSF₂时，判识为Ⅲ级行车振动信号，确定行车通过发生时刻T₃₂是能量值均值＜能量均值阈值A₀的时刻；

所述能量拟合阈值LSF₁是拟合系数集合内60％及以上的拟合系数≤-3，所述能量拟合阈值LSF₂是拟合系数集合内60％及以上的拟合系数＞-3；

根据Ⅲ级落石振动信号判识结果判断是否发生落石，根据Ⅲ级行车振动信号判识结果判断是否是列车通行。

2.利用权利要求1所述的铁道沿线落石与行车信号分级判断识别方法实现的落石能量规模计算方法，其特征在于：

在所述步骤S42中，判识为Ⅲ级落石振动信号后，记录时间刻值T₃₁，退出步骤S42进入步骤S5A；

步骤S5A、落石能量规模计算方法；

步骤S5A1、能量模拟计算起止时间判识

采用STA/LTA方法对T₁时刻起滤波后信号进行振动识别；当STA/LTA比值≥STA/LTA比值阈值R_SL时确定为落石能量模拟计算起始时间t₁，当振幅≤振幅下限阈值A_min时确定为落石能量模拟计算结束时间t₂；

STA/LTA短周期t_S、STA/LTA长周期t_L、STA/LTA比值阈值R_SL通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定，振幅下限阈值A_min通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定；

步骤S5A2、计算落石规模

依式5.1计算落石滚落释放能量规模A_E；

式中，E(t)——时刻t₁～时刻t的均方根振幅的平方，

E₀——噪声水平，依式5.2计算确定，

式中，A₁——时间t₁处振幅，

A₂——时间t₂处振幅。

3.根据权利要求2所述的落石能量规模计算方法，其特征在于：

所述STA/LTA方法，t_S＝0.05s，t_L＝1s，R_SL＝3～3.8，窗函数ω[n]是长度为128的汉宁窗，依式5.3、5.4计算：

所述振幅下限阈值A_min＝10％A_max～15％A_max，所述A_max是t₁～时刻t时间区间内振幅的最大值。

4.利用权利要求1所述的铁道沿线落石与行车信号分级判断识别方法实现的行车通行起止时间判识方法，其特征在于：

在所述步骤S42中，判识为Ⅲ级行车振动信号后，记录时刻值T₃₂，退出步骤S42进入步骤S5B、行车通行起止判识；

所述步骤S5B包括：当振幅＜列车行车振幅阈值A_L时确定为行车结束时间T₄；所述列车行车振幅阈值A_L是列车空载状态下以预设速度行驶时振动传感器测量得到的振动信号幅值。

5.根据权利要求4所述的行车通行起止时间判识方法，其特征在于：所述预设速度是30km/h。

6.利用权利要求5所述的行车通行起止时间判识方法实现的行车通行状态监测方法，其特征在于：在确定行车结束时间T₄后进入步骤S6、行车通行状态判识；

所述步骤S6包括：自时刻值T₃₂起沿时间轴向右选取时间-频率点并对所选取时间-频率点的振幅值进行最小二乘拟合，每当拟合系数小于0时计数加1，并且继续沿时间轴向右移动拟合直到行车结束时间T₄；最终计数为N，车厢节数＝(N+1)/2；

根据车厢节数与单节列车车厢长度计算得到列车总长度，根据列车总长度与行车通行时间计算得到列车行车速度，并判断行车通行速度是否正常。

7.根据权利要求1～6任一所述的方法，其特征在于：所述步骤S1中，采用6阶～10阶的FIR对原始时间-振幅信号去噪。

8.根据权利要求1～6任一所述的方法，其特征在于：所述步骤S1中，振幅阈值A_s是背景信号振幅A_b的1.5倍，所述背景信号振幅A_b是振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值。

9.根据权利要求1～6任一所述的方法，其特征在于：所述传感器安装在铁轨的内侧或者枕轨上。