基于多种小波分解方法综合判决的低误报率分布式光纤围栏入侵监测系统

针对相位敏感光时域反射计型分布式光纤围栏入侵监测系统对外界干扰敏感、误报率高的问题进行了深入研究,比较了多种小波提取入侵信号突变特征方法,并提出一种基于多个小波分解结果进行综合判决来降低分布式光纤围栏误报率的方法.实验结果表明,多种小波分解可以分别提取不同层次的突变细节信息,为综合决策提供更完备的信息和条件,比单一判决能更有效降低系统误报率,室外长期测试可达到0-1次/24h,大大提高了分布式光纤围栏报警系统的稳定性和置信度水平.     

基于时/频域综合特征提取的分布式光纤入侵监测系统事件识别方法

针对分布式光纤入侵监测系统在室外复杂环境下误报率过高的问题,提出了一种基于时/频域综合特征提取的入侵事件识别方法。使用自适应幅值门限信号切分算法找出有效振动信号片段,在此基础上提取平均片段间隔特征。选取最大能量片段作为主要研究对象,提取片段长度和峰均比特征,并对其进行小波包分解,生成频域能量分布特征,组成时/频域复合特征向量,使用高性能的支持向量机多分类算法进行模式识别。实验结果表明:该方法对行人脚踩、自行车轧过、拍击围栏和剪切光缆这4种典型入侵事件的平均识别正确率达到了98.33%,相比于仅提取时域或频域特征方法的识别正确率均有显著提高。该方法对光路光功率变化不敏感,能有效提升系统的实用性。     

经验模态分解法在光纤光栅围栏报警系统中的应用

为了解决基于FBG传感器的光纤围栏报警系统中多个FBG传感器在同时受扰时,定位报警信号难的问题,实现对报警信号的有效识别和判断,提出了一种基于经验模态分解（EMD）和小波包特征熵算法的分析方法。利用经验模态分解法对于信号的突变性敏感和有效保留以及其特有的自适应性分解特性,首先对报警信号进行经验模态分解,再结合小波包分解,得到小波包系数提取其信号的能量分布,再做归一化得到信号的能量分布特征向量,进而运用相关性分析实现对报警信号的识别和判断。通过建立实验模型,对采集到的报警信号做了分析,证明了该方法对于解决光纤围栏报警系统中FBG传感器的级联判断报警信号的有效性。     

一种新型光纤光栅围栏防火防入侵同步预警系统

利用布喇格光纤光栅传感器对应变和温度同时敏感的特性,根据应变和温度导致光栅中心波长变化趋势及规律的不同,在光纤光栅围栏入侵监测系统中,从信号时域、频域提取的多方位特征对周界入侵和火灾发生等威胁安全事件进行智能识别和报警.在光纤光栅围栏防入侵功能基础上,无需做任何硬件封装的改变,也无需另外增加温度敏感光缆和集成其他温度监测系统,即可同时达到火灾监测的目的,实现防火和防入侵的同步预警.处理结果验证了该方法的有效性.     

一种新型光纤光栅围栏防火防入侵同步预警系统

利用布喇格光纤光栅传感器对应变和温度同时敏感的特性,根据应变和温度导致光栅中心波长变化趋势及规律的不同,在光纤光栅围栏入侵监测系统中,从信号时域、频域提取的多方位特征对周界入侵和火灾发生等威胁安全事件进行智能识别和报警.在光纤光栅围栏防入侵功能基础上,无需做任何硬件封装的改变,也无需另外增加温度敏感光缆和集成其他温度监...     

一种新型智能化远距光纤预警的算法研究

提出一种新型智能化长距离光纤预警系统,研究了该系统在真实工作环境下的预测准确性。该预警系统主要分为分布式传感和信号识别两个部分,其中相位敏感光时域反射(Φ-OTDR)技术用于系统的分布式传感部分,而神经网络技术用于信号识别部分,以对入侵事件进行识别和分类。在信号识别部分创新地提出了一种改进型神经网络结构,并使用基于小波包分解的神经网络和具有三个隐藏层的神经网络等其他两种方法进行效果对比。最后,通过三次不同的实验,探究了系统的识别准确性。结果表明,基于改进型神经网络的光纤预警系统在入侵事件识别方面具有优良的分类效果,平均识别率达到95%以上。     

基于BSS和BPNN-DS算法的光纤入侵传感网络信息的高精度识别

采用传统单路传感光纤实现对信息特征的测量,常由于交叉敏感等不可控因素使测量数据出现异常值,导致信息分析偏差较大,识别准确度低。因此,提出了一种基于双相干谱、样本熵和奇异值分解(BSS)和反向传播神经网络(BPNNDS)算法的多路光纤入侵传感系统信息的特征提取与识别方法。针对含3路传感光纤的布里渊光时域反射(BOTDR)传感入侵检测系统,该方法利用BSS算法分别对不同入侵类型的多路信号进行特征提取;采用BPNN算法对不同入侵振动特征矢量进行分类;经Dempster Shafer(DS)证据理论算法对多路传感光纤的时空信息进行融合。数值分析与仿真实验结果表明,提出的信息提取方法可以有效提取出多路传感网络的信息特征,且使用BPNN-DS证据理论的多路信息融合方法能够准确识别多路入侵传感网络的信号类型,具有较高的准确度和可信度。     

基于总体平均经验模态分解的光纤周界预警系统模式识别方法

针对光纤周界预警系统输出信号的非平稳特性,提出了一种基于总体平均经验模态分解(EEMD)的模式识别方法。预警系统基于Mach-Zehnder干涉原理,利用4条单模光纤构成分布式扰动传感器,实时监测周界入侵事件。该方法引用具有自适应性的EEMD算法将振动信号分解成多个本征模态函数(IMF)。根据不同振动信号能量各异的特点,提出EEMD能量熵的方法排除非入侵的干扰。最后建立双重支持向量机对入侵信号进行识别。实验结果表明:该方法可以有效排除非人为入侵的干扰,准确识别攀爬、敲击和其他虚警信号,平均正确识别率优于92%,提高了系统的报警识别率,降低了误报率。     

基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别

针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSA-SVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响; 其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量; 最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。     

全光纤周界安全防范系统

采用光纤振动传感技术研制了应用于国境线的光纤周界安全防范系统。通过对其进行入侵者翻越周界围栏的入侵探测实验,结果表明,它可有效地敏感由入侵行为产生的振动。通过对振动进行分析表明,翻越围栏的行为会产生非平稳随机信号,该信号存在多个幅度峰值,且频率都集中在500Hz以下的低频,为自动识别算法的开发提供了设计依据。实验环境中风力会产生300Hz以下的低频背景噪声,会增加识别的难度。