CN103617685A - 一种基于光纤振动传感报警系统的自学习算法 - Google Patents

Abstract

本发明提出了一种基于光纤振动传感报警系统的自学习算法，在实际使用前，检测并采集存储安装环境的背景振动信号以及报警振动信号，得到振动信号的特征向量，构建特征向量数据库；在实际工作中，采集振动信号，并对比振动信号的特征向量与特征向量数据库中的特征向量，判断是否报警，并判断是否需要补充到特征向量数据库中。本发明能够不断补充特征向量数据库，从而降低漏报和误报率。

Description

一种基于光纤振动传感报警系统的自学习算法

技术领域

本发明涉及光电信号辨识处理技术领域，具体为一种基于光纤振动传感报警系统的自学习算法。

背景技术

光纤振动传感报警系统具有传统安防报警系统无法比拟的优势，且检测灵敏度高，远程定位准确，相对成本较低，是国内外该领域的新兴技术方向，已经开始得到广泛的推广与应用。主要应用于边界防卫、周界安防警戒、家庭安防系统、管道防护、通讯和电力线缆保护、政府、司法机构（监狱）、工业园区、学校、星级酒店等领域。

由于光纤振动传感报警系统使用场合的复杂性，报警系统使不可避免地会产生误报和漏报现象。如何降低系统的误报和漏报概率是一个难题。

发明内容

要解决的技术问题

为解决现有技术存在的问题，本发明提出了一种基于光纤振动传感报警系统的自学习算法，提高光纤振动传感报警系统的辨识能力，降低系统的漏报和误报率。

技术方案

本发明的技术方案为：

所述一种基于光纤振动传感报警系统的自学习算法，其特征在于：采用以下步骤：

步骤1：采用光纤振动传感报警系统检测并采集存储安装环境的背景振动信号，包括背景噪声、刮风、下雨、车流等振动源的振动信号；也采用光纤振动传感报警系统检测并采集存储报警振动信号；

步骤2：将采集存储的振动信号的幅值参数、频率参数、位置参数作为特征参数，对特征参数进行滤波、相关运算、FFT运算，得到振动信号的特征向量，构建特征向量数据库；特征向量数据库包括背景振动信号对应的特征向量部分和报警振动信号对应的特征向量部分；

步骤3：采用光纤振动传感报警系统进行实际工作，对实际工作中检测到的振动信号的特征参数进行滤波、相关运算、FFT运算，得到实际工作中检测到的振动信号的特征向量；

步骤4：将步骤3得到的特征向量与特征向量数据库中的特征向量进行对比，若对比结果显示步骤3中振动信号的特征向量符合特征向量数据库中报警振动信号对应的特征向量部分，则报警；若对比结果显示步骤3中振动信号的特征向量不符合特征向量数据库中的任意特征向量，也报警，并检查报警真伪，若报警为真，则将步骤3中振动信号的特征向量补充到特征向量数据库中报警振动信号对应的特征向量部分，若报警为伪，则将步骤3中振动信号的特征向量补充到特征向量数据库中背景振动信号对应的特征向量部分。

有益效果

本发明在光纤振动传感报警系统设备调试及实际使用过程中，在其安装和使用环境下，对可能出现的不同振动源（如背景噪声、刮风、下雨等），积极地采集并存储振动信号的信息。对采集到的振动信号，根据信号的特点，选择合理的特征参数（幅值参数、频率参数、位置参数等）作为数据库的核心数据，并对采集到的信号进行滤波、相关运算、频域和时域分析，形成相应特征向量，自动建立不同振动源产生的特征向量数据库。在振动信号检测中，将检测信号的数据分析处理结果与数据库中已有不同振源的特征向量进行比较，确定振动源特性，根据预设定的报警条件进行判断，从而降低漏报和误报率。

附图说明

图1为本发明的系统组成框图。

图2为本发明的系统自学习算法流程框图。

其中：1、主控计算机；2、光检测装置；3、传感光缆；4、功能模块。

具体实施方式

本实施例中的光纤振动传感报警系统由主控计算机1、光检测装置2、传感光缆3和功能模块4等组成，对安防系统中监测区域需要报警的振动信号进行感知与定位。

光纤振动传感报警系统中光信号的检测采用基于双向马赫-泽德干涉仪的分布式光纤传感方法。当振动信号作用于传感光缆时，相向传输的两路直流光波同时产生相同的相位变化并沿不同的路径传输至光接收单元，光接收单元分别接收两路光信号并进行光电转换，经数据采集、数据分析和处理后即可实时获得振动信号的位置、频率、幅度等信息。功能模块对振动信号进行判断，满足条件时发出声光报警信号。由于光纤振动传感报警系统使用环境比较复杂，在使用过程中常常会产生漏报和误报现象，为了提高系统的检测辨识能力，降低其漏报和误报率，在本系统中采用了自学习告警算法。具体步骤为：

步骤1：在实际使用前，采用光纤振动传感报警系统检测并采集存储安装环境的背景振动信号，包括背景噪声、刮风、下雨、车流等振动源的振动信号；同时也采用光纤振动传感报警系统检测并采集存储报警振动信号；

步骤2：将采集存储的振动信号的幅值参数、频率参数、位置参数作为特征参数，对特征参数进行滤波、相关运算、FFT运算，得到振动信号的特征向量，构建特征向量数据库；特征向量数据库包括背景振动信号对应的特征向量部分和报警振动信号对应的特征向量部分；

步骤3：采用光纤振动传感报警系统进行实际工作，对实际工作中检测到的振动信号的特征参数进行滤波、相关运算、FFT运算，得到实际工作中检测到的振动信号的特征向量；

步骤4：将步骤3得到的特征向量与特征向量数据库中的特征向量进行对比，若对比结果显示步骤3中振动信号的特征向量符合特征向量数据库中报警振动信号对应的特征向量部分，则报警；若对比结果显示步骤3中振动信号的特征向量不符合特征向量数据库中的任意特征向量，也报警，并检查报警真伪，若报警为真，则将步骤3中振动信号的特征向量补充到特征向量数据库中报警振动信号对应的特征向量部分，若报警为伪，则将步骤3中振动信号的特征向量补充到特征向量数据库中背景振动信号对应的特征向量部分。

Claims (1)

1.一种基于光纤振动传感报警系统的自学习算法，其特征在于：采用以下步骤：

步骤1：采用光纤振动传感报警系统检测并采集存储安装环境的背景振动信号，包括背景噪声、刮风、下雨、车流等振动源的振动信号；也采用光纤振动传感报警系统检测并采集存储报警振动信号；

步骤2：将采集存储的振动信号的幅值参数、频率参数、位置参数作为特征参数，对特征参数进行滤波、相关运算、FFT运算，得到振动信号的特征向量，构建特征向量数据库；特征向量数据库包括背景振动信号对应的特征向量部分和报警振动信号对应的特征向量部分；

步骤3：采用光纤振动传感报警系统进行实际工作，对实际工作中检测到的振动信号的特征参数进行滤波、相关运算、FFT运算，得到实际工作中检测到的振动信号的特征向量；

步骤4：将步骤3得到的特征向量与特征向量数据库中的特征向量进行对比，若对比结果显示步骤3中振动信号的特征向量符合特征向量数据库中报警振动信号对应的特征向量部分，则报警；若对比结果显示步骤3中振动信号的特征向量不符合特征向量数据库中的任意特征向量，也报警，并检查报警真伪，若报警为真，则将步骤3中振动信号的特征向量补充到特征向量数据库中报警振动信号对应的特征向量部分，若报警为伪，则将步骤3中振动信号的特征向量补充到特征向量数据库中背景振动信号对应的特征向量部分。

Images