CN102346948B - 一种周界入侵检测方法和系统 - Google Patents

Abstract

本发明公开了一种周界入侵检测方法和系统，该方法包括：采集某传感器节点检测到的入侵模拟信号数据，其中，入侵模拟信号数据为在人为模拟入侵行为时，由该传感器节点检测到的信号数据；获取由该传感器节点检测的历史信号数据的记录，分析该历史信号数据和入侵模拟信号数据，提取出指定组设定维数的特征向量；根据预先获取的历史特征向量和提取出的特征向量，计算最佳匹配阈值；将最佳匹配阈值配置到选定区域内的传感器节点所对应的分类器中，以便依据所述最佳匹配阈值进行周界入侵检测。本发明的方法可以由系统自动完成阈值计算与配置的过程，计算出的阈值精准度较高，进而提高了入侵检测的准确度。

Description

一种周界入侵检测方法和系统

技术领域

本发明涉及周界安全访问技术领域，更具体的说是涉及一种周界入侵检测方法和系统。

背景技术

随着社会的进步和科技的发展，人们对周界安全防范的需求越来越高，周界防范系统(或称周界报警系统)应运而生。为了加强对外防范、防止恶性事件的发生，周界防范系统被广泛应用于机场、银行、监狱、军事基地、小区等区域。

在需要设防的区域安安设周界防范系统后，该系统会实时对该区域进行检测，获取相应的数据信号。当有入侵行为时，系统通过对采集的信号进行分析，确定入侵位置等信息，并做出相应的处理。周界防范系统根据采集到的信号，判断是否有入侵行为的过程具体为：对周界防范系统中某传感器节点采集到的数据信号进行分析处理，提取特征值，当特征值大于预设的阈值时，则认为该传感器节点所在区域有入侵行为发生。其中，阀值为分类器中预设的参数向量，为周界防范系统进行分类识别所用的一个设定值。由此可见，周界防范系统判定入侵行为的准确度与该设定的阀值有很大的关系。

为了设定周界防范系统中分类器的阈值，需要技术人员模拟入侵行为，获取到入侵时的信号数据，并提取没有入侵行为发生时获取到的信号数据，分析两种情况下获取到信号数据，由技术人员根据信号数据分析结果凭经验设定一个阈值，并将设定的阈值输入周界防范系统。但是人为设定的阈值可能准确度不高且很容易在输入阀值时出现误操作，进而导致系统出现误报警或漏报警的现象。

而且，由于受到环境等因素的影响，经常需要对设防区域的周界防范系统的阀值进行调整，因此当用户需要调整周界防范系统的阀值时，都需要周界防范系统的生产厂商的技术人员来调整周界入侵系统的阀值。这样很可能会由于阀值调整不及时造成周界防范系统出现误报或漏报，同时由于每次对系统阀值的调整都需要由厂家的技术人员来操作，耗费了大量人力资源。

发明内容

有鉴于此，本发明提供一种周界入侵检测方法和系统，减少人力资源的消耗，并提高系统设定的阀值的准确度，减少周界防范系统的误报和漏报现象。

为实现上述目的，本发明提供了一种周界入侵检测方法，包括：

采集某传感器节点检测到的入侵模拟信号数据，所述入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器节点检测到的信号数据；

获取由所述传感器节点检测的历史信号数据的记录，分析所述历史信号数据和入侵模拟信号数据，提取出指定组设定维数的特征向量；

根据预先获取的历史特征向量和所述提取出的特征向量，计算最佳匹配阈值；

将所述最佳匹配阈值配置到选定区域内的传感器节点所对应的分类器中，以便依据所述最佳匹配阈值进行周界入侵检测。

优选的，所述分析所述历史信号数据和入侵模拟信号数据，提取出指定组设定维数的特征向量，包括：

对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定组设定维数的特征向量。

优选的，对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定组设定维数的特征向量，包括：

A、选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数；

B、根据mallat算法对所述历史信号数据和入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数；

C、分别计算每个频段中所有小波系数的平方和，得到该频段总能量；

D、对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应，重复步骤A、B和C直至得到指定组的特征向量。

优选的，所述预先获取的历史特征向量，包括：

预先对指定时间内获取到的若干组特征向量求均值，得到所述指定时间内的特征向量，并将该特征向量作为历史特征向量。

优选的，所述根据预先获取的历史特征向量和所述提取的特征向量，计算最佳匹配阈值，包括：

计算所述指定组设定维数的特征向量的均值E(X)；

设历史特征向量为Y，最佳匹配阈值为P，对以下表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P；

计算2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳配置阈值。

另一方面，本发明还提供了一种周界入侵检测系统，包括：

信号采集单元，用于采集某传感器节点检测到的入侵模拟信号数据，所述入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器检测到的信号数据；

特征向量提取单元，用于获取所述传感器节点检测的历史信号数据，分析所述历史信号数据和所述入侵模拟信号数据，提取出指定维数的特征向量并保存；

阀值确定单元，用于根据预先获取的历史特征向量和所述提取的特征向量，计算最佳匹配阈值；

阀值配置单元，用于将所述最佳匹配阈值配置到选定区域内的传感器节点对应的分类器中；

入侵检测单元，用于依据为所述最佳匹配阈值对所述预先选定的传感器节点所在区域进行周界入侵检测。

优选的，所述特征向量提取单元，包括：

小波提取特征向量单元，用于对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定维数的特征向量。

优选的，小波提取特征向量单元，包括：

滤波器系数设定单元，用于选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数；

小波分解单元，用于根据mallat算法对所述入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数；

频段能量计算单元，用于分别计算每个频段中所有小波系数的平方和，得到该频段总能量；

向量确定单元，用于对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应。

优选的，还包括：

历史特征向量计算单元，用于预先对指定时间内获取到的若干组特征向量求均值，得到所述指定时间内的所述历史特征向量。

优选的，所述阀值确定单元，包括：

向量均值单元，用于对所述提取出指定组特征向量求均值E(X)；

导数计算单元，用于对以下表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P，其中Y为历史特征向量，P为需求解的最佳匹配阈值；

阀值计算单元，用于计算表达式2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳配置阈值。

经由上述的技术方案可知，与现有技术相比，本发明的方法通过对获取的模拟入侵行为下的模拟信号数据和历史信号数据进行分析，提取指定组设定维数的特征向量，并利用提取出的特征向量和预先获取的历史特征向量，来计算最佳匹配阀值，进而将计算出的最佳匹配阀值配置到选定区域的传感器节点对应的分类器中，整个过程由系统自动完成，得到的阈值的精准度，进而提高了系统入侵检测的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明一种周界入侵检测方法一个实施例的流程示意图；

图2为本发明一种周界入侵检测方法另一个实施例的流程示意图；

图3为本发明一种周界入侵检测系统一个实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决现有技术中存在的问题，在减少人力资源消耗的前提下，使得周界入侵系统的阀值精度较高，提高周界入侵系统检测入侵的准确性。参照图1，为本发明一种周界入侵检测方法的一个实施例的流程示意图，本实施例的检测方法包括：

步骤101：采集某传感器节点检测到的入侵模拟信号数据，其中，入侵模拟信号数据为在人为模拟入侵行为时，由该传感器节点检测到的信号数据。

为了能实现对周界入侵行为的检测，需要采集周界入侵系统中各个区域内的传感器节点采集到信号，对某个传感器节点采集到的信号进行分析提取出特征向量后，将提取的特征向量与该传感器对应的分类器中所设定的阀值进行比对，如果提取出的特征向量小于设定的阀值，则认为没有入侵行为发生，如果提取出的特征向量的阀值大于该设定的阀值，则判定有入侵行为。因此设定的周界入侵系统的阀值精度，对于判断入侵行为的准确度至关重要。

一般情况下，在周界入侵系统初始安装，以及该周界入侵系统环境变化等因素影响时，都需要进行调整系统阀值，以便进行入侵检测。当需要为周界入侵系统配置阀值或者进行阀值调整时，需要将周界入侵系统的工作状态设定为阀值智能调整模式，针对某个需要进行阀值调整的传感器节点，在该传感器节点对应的区域内，由工作人员人为的模拟入侵行为，该传感器节点可以感应到该入侵行为，获取入侵信号数据，从而得到模拟入侵信号数据。

其中，在获取模拟入侵信号数据时，可以采集多组模拟入侵信号数据，以便在后续利用该多组入侵信号数据提取多组特征向量，使得计算出的匹配阀值更加精准。

步骤102：获取该传感器节点检测的历史信号数据，分析获取到的历史信号数据和所述入侵模拟信号数据，提取出指定组设定维数的特征向量并保存。

提取出模拟入侵行为下的信号数据后，需要将入侵模拟信号数据与该传感器预先获取到的历史信号数据进行比对分析，提取指定组设定维数的特征向量。其中，历史信号数据是指该传感器节点在进行阀值入侵模拟之前检测并保存的信号数据。

从该传感器节点获取到的历史信号数据和入侵模拟信号数据中提取特征向量的方式可以有多种，如，可以对该历史信号数据和入侵模拟信号数据进行小波分析，提取出设定维数的特征向量。还可以采用傅里叶变换、功率谱分析、或者是过零点分析等方法，完成从该历史信号数据和入侵模拟信号数据中提取特征向量的操作，具体采用哪种方式可以根据实际的应用场景来进行选择。

每次提取出的特征向量的维数可以根据需要进行设定，同时具体需要提取出几组特征向量也可以根据需要设定。如，可以提取出6组7维的特征向量。

步骤103：根据预先获取的历史特征向量和指定组设定维数的特征向量，计算最佳匹配阈值。

由于在传感器节点正常运行的过程中，系统也会每隔一定时间周期性的计算提取特征向量，并将该特征向量作为历史特征向量进行保存。为了后续计算出的匹配阀值更加精准，该历史特征向量可以为指定时间内提取出的特征向量的均值。当在步骤102中利用历史信号数据和模拟数据信号，提取出的特征向量后，可以将步骤102提取的特征向量和历史特征向量来计算最佳的匹配阀值。

利用历史特征向量和步骤102中提取出的特征向量，计算最佳匹配阀值的方式可以有多种方式，如可以采用平均系数法，具体的计算公式如公式一

P＝α(X+Y)    (公式一)；

其中，P表示待定阀值，是一个未知量；X表示利用历史信号数据和模拟入侵信号，提取出指定组设定维数的特征向量的均值；Y表示历史特征向量；α为阀值匹配系统，α的取值为0.5～1。

计算最佳匹配值时还可以采用平方差最大化方法，即，设利用历史信号数据和模拟信号数据提取出指定组设定维数的特征向量求均值，得到向量X，历史特征向量为Y，待定的阀值为P，P为一个未知量，当X与P的平方差与Y与P的平方差之和为最大值对应的P值为最佳匹配阀值。

为了使得计算的最佳匹配阀值更为精准，在计算最佳匹配阀值的过程还可以为：计算提取出的指定组设定维数的特征向量的均值，得到设定维数的均值向量E(X)；设历史特征向量为Y，待设定阈值为P，对表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P；

计算2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳匹配阈值。也就是说，当lgP＝(lgE(X)+lgY)/2即P＝E(X)^0.5*Y^0.5时为最佳匹配阀值。

步骤104：将计算出的最佳匹配阈值配置到选定区域内的传感器节点对应的分类器中，以便依据所述最佳匹配阈值进行周界入侵检测。

计算出最佳匹配阀值时，可以将该最佳匹配阀值配置到选定区域内的传感器节点对应的分类器中。当传感器节点采集到数据信号后，可以将采集到的信号输入到对应的分类器中，对采集到的数据信号提取特征向量，并与该最佳匹配阀值进行对比，以判断出是否有入侵行为，实现周界入侵检测。

其中，选定区域内可以为一个传感器节点，也可以为多个传感器节点。如当周界入侵系统首次安装时，可能需要依次对各个传感器节点进行模拟入侵，并为每个传感器节点对应的分类器设定相应的匹配阀值。而由于受环境等因素的影响需要对系统中部分阀值进行调制时，可以在选定区域内某个传感器节点上进行模拟入侵，并计算出该传感器节点对应的最佳匹配阀值，并将该最佳匹配阀值配置到选定区域内的多个传感器节点所对应的分类器中。

本实施例中通过获取的模拟入侵行为下的模拟信号数据和历史信号数据进行分析，提取指定组设定维数的特征向量，并利用提取出的特征向量和预先获取的历史特征向量，来计算最佳匹配阀值，进而将计算出的最佳匹配阀值配置到选定区域的传感器节点对应的分类器中，整个过程由系统自动完成无需人为进行阈值计算，提高阈值的精准度，进而提高系统入侵检测的准确性。

参见图2，为本发明一种周界入侵检测方法的一个实施例的流程示意图，本实施例中以小波分析来提取特征向量为例进行描述，本实施例的方法包括：

步骤201：采集某传感器节点检测到的入侵模拟信号数据，其中，入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器节点检测到的信号数据。

步骤202：获取由该传感器节点检测的历史信号数据的记录。

步骤201和202与上一实施例中的步骤101和步骤102的操作过程相同，在此不再赘述。

步骤203：选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数。

其中，db4是一组正交小波基。选择好小波基函数，以确定滤波器系统，进而为后续的小波分析做准备。

步骤204：根据mallat算法对所述历史信号数据和入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数。

对历史信号数据和入侵信号数据进行小波分析时，需要预先指定小波分解的级数或者称层数，进而得到各层中的小波系数，即每个频率段中各采样点的小波系数。其中，进行小波分解后得到的总层数为级数加一，如，指定进行6级小波分解，最后得到7个频段中各采样点的小波系数，对应的，得到的特征向量的维度为7。

例如，对于信号x(t)，可以分解为：

其中， $c_m^j=\underset{k}{\mathrm{\Σ}}h(k-2m)c_m^{j-1}.,$ $d_m^j=\underset{k}{\mathrm{\Σ}}g(k-2m)c_m^{j-1}.,$ h(n)和g(n)分别对应二信道正交滤波器中的低通和高通滤波器系数；k表示是滤波器脉冲响应的变量，是个变量，k∈Z；m表示某一频段(具体的某层)小波系数的下标，j表示小波分级的频段数，j＝1，2，…，L，L表示分解的总频段数。

步骤205：分别计算每个频段中所有小波系数的平方和，得到该频段总能量。

假设，步骤204进行小波分解后，得到的小波系数表示为p_j，n其中，j＝1，2，…，L，n＝1，2，…，N/2^j。L表示小波分解后得到的总的频段数，N每个频段的总采样点数，其中不同的频段采样点数不同。

则对与某一频段的小波系数可以采用如下公式二，计算该频段的能量和。

$E_j=\underset{n}{\mathrm{\Σ}}{p}_{j,n}^2.$

步骤206：对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应；

步骤207：判断是否得到指定组数的特征向量，如果是，进入步骤208；如果否，则重复步骤103至步骤106直至得到指定组数的特征向量。

对计算各个频段的总的能量之和，进行归一化之后得到指定维数的特征向量。如进行小波分解的级数为6，则可以得到一组7维的特征向量。

从特征向量提取的过程，根据需要提取出指定组的设定维数的特征向量。如，在钢筋围栏的应用场景下，提取6组7维特征向量X_i(x₁，x₂，x₃，x₄，x₅，x₆，x₇)，i＝1，2，3，4，5，6。

步骤208：根据预先获取的历史特征向量和所述特征向量集，计算最佳匹配阈值。

其中，历史特征向量的提取过程也可以采用以上所描述的利用小波分析的方法提取出的特征向量。

在计算最佳匹配值可以采用上一实施例中的任一方法，优选的，可以采用如下方法：计算提取出的指定组设定维数的特征向量的均值，得到设定维数的均值向量E(X)，例如提取出6组7维的特征向量后，求取这六组特征向量的均值，得到一个7维的特征向量。对表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P，令2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0，即P＝E(X)^0.5*Y^0.5，将E(X)和历史特征向量Y的值代入，可以求出对应的P值，此时求出的P值为最佳匹配阈值。需要说明的是，为了计算准确，历史特征向量Y一般也采用指定组的历史特征向量的均值，如，在进行模拟入侵前，系统每隔5S提取一次特征向量，则可以对30s内提取的6组特征向量求均值，并将求取的均值向量作为历史特征向量保存。当需要匹配最佳阈值时，可以选取距离当前时间点最近的一组历史特征向量。

步骤209：将计算出的最佳匹配阈值配置到选定区域内的传感器节点所对应的分类器中，以便依据该最佳匹配阈值进行周界入侵检测。

参见图3，本发明还提供了一种周界入侵检测系统，包括：

信号采集单元301，用于采集某传感器节点检测到的入侵模拟信号数据，所述入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器检测到的信号数据；

特征向量提取单元302，用于获取所述传感器节点检测的历史信号数据，分析所述历史信号数据和所述入侵模拟信号数据，提取出指定维数的特征向量并保存；

阀值确定单元303，用于根据预先获取的历史特征向量和所述提取的特征向量，计算最佳匹配阈值；

阀值配置单元304，用于将所述最佳匹配阈值配置到选定区域内的传感器节点对应的分类器中；

入侵检测单元305，用于依据为所述最佳匹配阈值对所述预先选定的传感器节点所在区域进行周界入侵检测。

其中，进行特征向量提取的方式有多种，对应的特征向量提取单元302，包括：

小波提取特征向量单元，用于对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定维数的特征向量。

进一步的，小波提取特征向量单元，包括：

滤波器系数设定单元，用于选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数；

小波分解单元，用于根据mallat算法对所述入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数；

频段能量计算单元，用于分别计算每个频段中所有小波系数的平方和，得到该频段总能量；

向量确定单元，用于对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应。

其中，历史特征向量可以为在入侵模拟之前，对指定时间内获取到的指定组特征向量求均值，对应的，历史特征向量计算单元，用于预先对指定时间内获取到的若干组特征向量求均值，得到所述指定时间内的所述历史特征向量。

计算阀值的方式有多种，优选的，阀值确定单元包括：

向量均值单元，用于对所述提取出指定组特征向量求均值E(X)；

导数计算单元，用于对以下表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P，其中Y为历史特征向量，P为需求解的最佳匹配阈值；

阀值计算单元，用于计算表达式2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳配置阈值。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种周界入侵检测方法，其特征在于，包括：

采集某传感器节点检测到的入侵模拟信号数据，所述入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器节点检测到的信号数据；

获取由所述传感器节点检测的历史信号数据的记录，分析所述历史信号数据和入侵模拟信号数据，提取出指定组设定维数的特征向量；

根据预先获取的历史特征向量和所述提取出的特征向量，计算最佳匹配阈值；

将所述最佳匹配阈值配置到选定区域内的传感器节点所对应的分类器中，以便依据所述最佳匹配阈值进行周界入侵检测。

2.根据权利要求1所述的方法，其特征在于，所述分析所述历史信号数据和入侵模拟信号数据，提取出指定组设定维数的特征向量，包括：

对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定组设定维数的特征向量。

3.根据权利要求2所述的方法，其特征在于，对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定组设定维数的特征向量，包括：

A、选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数；

B、根据mallat算法对所述历史信号数据和入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数；

C、分别计算每个频段中所有小波系数的平方和，得到该频段总能量；

D、对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应，重复步骤A、B和C直至得到指定组的特征向量。

4.根据权利要求1所述的方法，其特征在于，所述预先获取的历史特征向量，包括：

预先对指定时间内获取到的若干组特征向量求均值，得到所述指定时间内的特征向量，并将该特征向量作为历史特征向量。

5.根据权利要求1或4所述的方法，其特征在于，所述根据预先获取的历史特征向量和所述提取的特征向量，计算最佳匹配阈值，包括：

计算所述指定组设定维数的特征向量的均值E(X)；

设历史特征向量为Y，最佳匹配阈值为P，对以下表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P；

计算2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳配置阈值。

6.一种周界入侵检测系统，其特征在于，包括：

信号采集单元，用于采集某传感器节点检测到的入侵模拟信号数据，所述入侵模拟信号数据为在人为模拟入侵行为时，由所述传感器检测到的信号数据；

特征向量提取单元，用于获取所述传感器节点检测的历史信号数据，分析所述历史信号数据和所述入侵模拟信号数据，提取出指定维数的特征向量并保存；

阀值确定单元，用于根据预先获取的历史特征向量和所述提取的特征向量，计算最佳匹配阈值；

阀值配置单元，用于将所述最佳匹配阈值配置到选定区域内的传感器节点对应的分类器中；

入侵检测单元，用于依据为所述最佳匹配阈值对所述预先选定的传感器节点所在区域进行周界入侵检测。

7.根据权利要求6所述的系统，其特征在于，所述特征向量提取单元，包括：

小波提取特征向量单元，用于对所述历史信号数据和入侵模拟信号数据进行小波分析，从所述历史信号数据和入侵模拟信号数据中提取出指定维数的特征向量。

8.根据权利要求7所述的系统，其特征在于，小波提取特征向量单元，包括：

滤波器系数设定单元，用于选用db4作为小波基函数，并确定二信道正交滤波器中的低通和高通滤波器系数；

小波分解单元，用于根据mallat算法对所述入侵模拟信号数据进行指定级数的小波分解，得到每个频段中各个取样点的小波系数；

频段能量计算单元，用于分别计算每个频段中所有小波系数的平方和，得到该频段总能量；

向量确定单元，用于对各个频段总能量求和，并计算归一化后的特征向量，所述特征向量的维数与所述指定级数相对应。

9.根据权利要求6所述的系统，其特征在于，还包括：

历史特征向量计算单元，用于预先对指定时间内获取到的若干组特征向量求均值，得到所述指定时间内的所述历史特征向量。

10.根据权利要求6或9所述的系统，其特征在于，所述阀值确定单元，包括：

向量均值单元，用于对所述提取出指定组特征向量求均值E(X)；

导数计算单元，用于对以下表达式(lgP-lgE(X))²+(lgP-lgY)²求导，得到2(lgP-lgE(X))/P+2(lgP-lgY)/P，其中Y为历史特征向量，P为需求解的最佳匹配阈值；

阀值计算单元，用于计算表达式2(lgP-lgE(X))/P+2(lgP-lgY)/P＝0时对应的P值，将此时的P值设定为最佳配置阈值。

Images