考虑光纤入侵信号的安防系统信号分级识别算法研究

由于分布式光纤传感器存在灵敏度高、监测范围广、抗干扰性高的优势,所以被大量使用在边境、电场等周界安防地区。提出一种基于光纤入侵信号检测的安防系统信号分级识别算法,首先采用光纤周界安防入侵信号检测算法,检测光纤周界安防系统入侵振动信号,然后基于检测的光纤入侵振动信号,采用基于应激反应过程的光纤入侵振动信号分级识别算法,实现安防系统信号分级识别。研究结果表明:所提算法对敲击振动信号(入侵振动信号)的分级识别精度均值是0.98,对人员攀爬振动信号(入侵振动信号)、暴雨振动信号(非入侵振动信号)进行振动信号属性识别时,平均识别误差均是0.01,对持续性入侵与非持续性入侵识别精度高于98%,具有较高的普适性。     

用于安全告警的光纤周界入侵振动信号智能识别

含噪入侵振动信号易引起时域波形中波峰幅值变化,影响信号识别准确率,为此研究用于安全告警的光纤周界入侵振动信号智能识别方法.采用短时傅里叶变换方法转换原始信号,运用互相关函数法对转换得到的信号进行去噪处理.构建控制信号的匹配滤波器,提取帧信号短时能量和每帧信号的短时过零率,降低非入侵信号的误报率.在此基础上,依据光纤周界...     

一种用于光纤周界安防系统的端点检测方法

为了提高光纤周界安防系统中扰动信号端点检测的 性能,提出一种新型端点检测方法。首先通过计算信号 的短时能量和过零率分布分别找出信号中短时能量比和过零率满足一定门限的信号点,通过 对这两信号点 进行一定的加权确定扰动信号的端点位置。与离散小波提取起始点信号相比,本文方法由于 综合了短时能量 和过零率法的优势,能够适应更多的扰动事件类型,通过加权极大提高了端点检测的精度 ,并且运算时 间大幅降低,提高了系统的实时性。实验结果表明,本文算法在10M Hz的采样速度和采集0. 3s数据情况下,93.47%的数据定位误差低于10m,计算时间少于0.3s。     

采用小波能量的光纤周界报警信号辨识

采用小波变换法对光纤周界报警系统的采样信号进行阈值滤波,根据滤波后信号的特征,采用db8小波基对信号进行4尺度小波分解,并统计各尺度下的小波细节系数能量,获取原始信号各频带的信号特征,并基于信号特征进行信号识别,能可靠的对蓄意入侵信号进行报警。实践证明,采用这种识别法可使该系统的误报率降低。     

深度学习下光纤围栏入侵告警方法

针对传统安防系统中入侵信号识别速度缓慢、误报率较高等问题,提出一种深度学习下光纤围栏入侵告警方法。首先利用稀疏自编码器对信号的数据特征逐层提取,借此获取信号中的有效信息,同时将不同类别的信号进行正确归类;其次建立光纤围栏入侵告警系统,利用端点测量判断是否存在扰动信号,并将采集到的数据作为训练集进行训练,实现扰动信号位置的精准定位;最后运用相空间重构对入侵告警信号深层次识别,将相空间重构加入维数形成复小波包,进行转换数据,输入小波包维数长度并生成入侵信号识别的特征集,利用主成分分析对原本特征集降维,减少光纤围栏系统误报率。仿真结果表明,所提方法可显著提升入侵信号识别精度,且识别效率较高,具有较好的鲁棒性。     

基于时频特征的分布式光纤传感系统振源识别

为准确识别不同类型分布式光纤传感系统振源信号,提出基于时频特征的分布式光纤传感系统振源识别方法,通过饱和嵌入维数法确定信号的最小分帧长度,保留分帧信号时间序列的动力学特征,并根据分帧信号的短时能量和短时平均过零率判断分帧信号是否为振源信号;采用EMD算法分解含噪声的振源信号为多个IMF,通过门限去噪法阈值处理含噪声的振源信号IMF分量,对去噪后振源信号进行小波频域分解,获取去噪后振源信号在不同尺度上的小波系数能量分布,将其与先验经验获取的振源信号各层小波系数能量分布进行比较,根据二者差值判断分布式光纤传感系统振源信号类型,实现分布式光纤传感系统振源的精确识别。仿真实验结果表明,所提方法识别不同类型分布式光纤传感系统振源信号的识别率均较高,不同类型振源信号识别率均高于90. 12%,最高识别率达到99. 14%。     

全光纤分布式视频联动长距离周界安防监控系统

构建一种具有视频联动功能的全光纤分布式长距 离周界安防监控系统。系统采用全光纤分布式 扰动传感技术,实时监控作用在光缆上的各种扰动入侵行为,采用信号处理技术对入侵事 件进行定位和 识别,根据不同事件的特征发出警报信号,同时触发视频监控系统实现联动,摄录扰动行为 的视频信息, 并对其进行进一步处理。测试了系统的定位精度与误报率,结果表明,系统能有效实现 与视频的联动功能,定位准确度达到91%,在一般天气条件下误报率保持在一天3次以内 。本文系统将 新型光纤分布式传感技术、传统视频监控技术以及先进信号智能识别技术相融合,构成混合 式智能周界安全监控网络。     

改进经验模态分解算法在光纤布拉格光栅周界入侵行为分类中的应用

为了解决周界入侵行为识别正确率低的问题,对经验模态分解算法进行改进,并将其用于光纤布拉格光栅周界入侵行为分类。该方法利用短时平均过零率从整体信号中提取入侵信号,采用两次极值波延拓抑制经验模态分解算法的端点效应,对入侵信号进行分解并提取有效分量的特征,引用支持向量机对入侵行为进行识别;在室外环境下分别对无入侵和攀爬、剪切、碰撞、触摸4种入侵行为进行分类与识别。结果表明,所提方法能有效识别不同的入侵行为,识别正确率大于96%。     

光纤振动信号特征提取及线性分类方法

在光纤预警系统(OFPS)中产生的入侵事件主要分 为有害入侵和无害入侵。目前对于这两类扰动常规 的特征提取方法通常是采用时域分析,但是对于不同有害入侵事件其时域特征区分不明显, 因此时域处理 不能更好体现它们之间的细节差别。通过对有害入侵信号的频谱进行统计研究发现,不同信 号的频谱分布 存在较为明显的差异性,因此本文将入侵信号变换到频域并借鉴声信号的处理方法,提出了 一种基于能量 占比特征的有害入侵事件识别算法。对采集到的振动信号进行预处理并计算功率谱密度(PSD ),计算各信号 不同频段的能量占比,并将其作为信号分类识别的特征。之后将能量占比特征作为样本送入 分类器进行 OFPS振动信号识别。在分类器的选择上,本文采用线性判别分析(LDA)分类器对信号进行识 别,LDA能 最大限度的保持原始数据信息,并有效区分振动信号。通过实验结果表明该算法在OFPS 振 动信号的识别 研究中提高了有害入侵信号的识别率,从而验证了本算法的可行性,同时有效减少了识别时 间。     

基于多传感器的周界入侵检测系统设计与实现

针对传统的周界安防检测手段单一,易受天气、地形、环境影响,虚警率、漏报率过高等缺点,文章设计并实现了一种基于多传感器的周界入侵检测系统。主要从系统的组成、周界入侵识别、入侵分类、入侵定位、入侵报警等方面进行阐述,并对信号的时域和频域特征值进行了详细的分析。理论分析与仿真结果表明,基于多传感器的周界入侵检测系统可以有效的进行入侵识别,与传统设计方案相比,该入侵检测系统在漏报率和虚警率等系统性能上都有较大的改善。     

分布式光纤传感信号高识别率技术研究

为提高基于相敏光时域反射计的分布式光纤声传感系统对振动信号的识别速度与识别准确率度,本文提出使用端点检测对光纤传感振动信号进行预识别的方法。该方式首先使用小波阈值折衷去噪对振动信号进行去噪处理,然后使用基于短时能量与短时过零率的端点检测方式对采集到的振动信号进行检测,如果检测到振动信号中存在有振动,则使用Resnet18网络对振动类型进行进一步的识别;若未检出振动信号,则将振动信号判定为噪音,不再进行进一步的检测。实验证明该方式能有效降低分布式光纤声传感系统对振动信号的识别时间,并且通过使用Resnet18网络对一维振动信号进行识别提高了对振动信号的识别准确率,对噪音信号的识别时间降低为3.5 ms,对振动信号的平均识别准确率达到96.3%。     

基于端点检测的光纤振动信号识别

利用光纤分布式传感系统对入侵事件进行识别主要难点在于对入侵事件的识别准确率低,为了提高对入侵事件的识别准确率,本文提出一种基于端点检测与信号重组的光纤振动信号的识别方法.该方法首先使用基于谱质心与短时能量的端点检测算法对振动信号的振动部分进行检测,然后将检测到的振动信号进行振动信号的重组,最后使用一个多尺度卷积神经网络结合随机森林树对重组后的信号进行识别.实验证明该识别方式能快速完成对识别模型的训练,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达97.4％.     

基于迈克耳孙干涉和模式识别的全光纤周界安防系统

基于光纤迈克耳孙干涉仪和神经网络模式识别算法,设计并实现了一种新的防区型全光纤周界安防系统。采用偏振不敏感光纤迈克耳孙干涉仪作为周界入侵探测系统(PIDS)的振动传感器,降低了双折射效应导致的信号衰落,分析了传感光纤与物理围栏宿主材料间的应力应变关系对干涉信号相位变化的影响,并使用穿越统计(LC)和模式识别(PR)技术实现噪声抑制、行为分析和报警判决。实验证明,系统可以对入侵和干扰行为的原始干涉信号进行LC分析和特征提取,最小响应时间为0.5s,通过神经网络训练生成行为模式,并可通过动态均值算法(DMA)有效抑制雨致噪声和其他环境噪声。实现了低成本、高可靠性和高实用性的全光纤周界安防系统。     

基于数据特征融合的光纤网络入侵链路工控安全防御研究

传统方法在光纤网络入侵链路工控防御时,未对入侵信号进行分类,造成特征提取准确率低、入侵检测准确率不佳等问题,提出基于数据特征融合的光纤网络入侵链路工控安全防御方法。根据互相关联特性对光纤信号进行分帧处理,结合双门限法和短时能量从小波域、频域和时域三个方面提取光纤网络中入侵信号的时域特征向量、共轭信号以及特征集;采用神经网络算法设计分类模型,将入侵信号的特征向量输入分类模型中,通过负对数似然函数确定误差函数,实现具有针对性的光纤网络入侵链路工控安全防御。实验结果表明,所提方法的特征提取准确率高、入侵检测准确率高。     

基于概率神经网络光纤周界传感信号处理研究

提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。     

自适应小波包的光纤传感器信号压缩感知

在由分布式光纤传感器构成光纤周界报警系统中 ,针对大规模、高分辨率的光纤振动信号在采样、传输、存储和重 构过程中会受到网络带宽、存储容量等限制问题,提出基于自适应小波包的光纤传感器信号 压缩感知方法。首先,采用小波 包对光纤振动信号进行多层稀疏变换,通过求取小波包系数的数学期望来选取初始置零阈值 ;然后,对光纤振动信号进行重 构并求取重构信号精度,再根据信号的重构精度采用迭代计算方法求取小波包系数的最佳置 零阈值,使光纤振动信号在满足 重构精度的前提下具有最高稀疏度,实现信号的自适应压缩感知;最后,根据光纤振动信号 的特征,采用K-SVD算法训练 得到过完备字典,结合正交匹配跟踪方法完成光纤振动信号的高精度重构。大量实验证明, 与传统压缩算法相比较,新方法的各方面性能均得到较大程度 提高。     

基于小波能量熵的光纤周界安防系统信号识别

针对分布式光纤周界安防系统易受外界各种干扰导 致误报率高的问题,本文根据不同干扰源引起的系统输出信号在时频分布上的差异, 基于小波分析方 法建立小波能量熵(WEG)测度将这种差异表现为信号分解尺度上能量 分布的差异进行定量描述,实现对系 统输出信号进行特征提取和分类,可以有效区分外界轻微扰动、风雨等环境因素与 蓄意入侵所引 起的信号之间的差别,提高系统的准确性和实时性。实验结果表明:本文方法可以有效排除 非人为入侵的干扰,正确识别率高于93%,实验较低的 误报率。     

智能实验室全光纤防区型光栅周界入侵报警技术

智能实验室入侵检测报警系统的无线探测器抗干扰能力差，表现为同频干扰时容易造成误报。且系统的层级较多，导致传输数据的时间较长。因此，提出智能实验室全光纤防区型光栅周界入侵报警技术。分析光栅入侵检测原理，采用改进阈值函数的小波去噪算法，采集光纤布拉格光栅信号。引入局部最小值遍历和逃逸方法，改进并训练BP神经网络。将预处理后信号输入训练后的BP神经网络，实现智能实验室全光纤防区型光栅周界入侵报警。实验结果表明，所提方法的信号去噪能力较强，精确率、召回率和F1值均高于95%,且参数数量和浮点运算次数较少。     

分布式光纤周界警戒系统技术研究

针对传统周界警戒系统中存在的问题和不足,分析了光纤周界警戒系统的基本原理组成和特点,探讨了基于振动感应的光纤光缆传感单元,微应变检测和定位,信号采集与处理,系统信号解调等主要关键技术。并研究了国内外光纤周界警戒技术发展现状,提出了周界警戒产品未来的发展方向。     

基于深度学习网络的光通信系统非法入侵行为识别研究

为了检测多种光通信系统非法入侵行为，保障光通信系统运行安全，提出了基于深度学习网络的光通信系统非法入侵行为识别方法。采用光栅传感技术检测光栅传感器反射波长偏移量，感知光通信系统非法入侵行为频率特征信号。利用小波包分解方法将频率特征信号分解成多个频带后，提取各频带小波包能量，将其作为卷积神经网络输入。经小波包能量特征提取、处理、融合操作后，通过Softmax分类器完成光通信系统非法入侵行为数据特征的分类，实现光通信系统非法入侵行为识别。实验证明：该方法可迅速挖掘出光通信系统中非法入侵行为的时域、频域特征信号。所提取小波包能量可准确反映光通信系统中非法入侵行为特点。该方法可实现多种光通信系统非法入侵行为精准识别，助力管理人员针对入侵行为做出对应防御措施。