CN104916059A - 基于eemd的m-z干涉仪型机场周界预警系统模式识别方法 - Google Patents

基于eemd的m-z干涉仪型机场周界预警系统模式识别方法 Download PDF

Info

Publication number
CN104916059A
CN104916059A CN201510252488.1A CN201510252488A CN104916059A CN 104916059 A CN104916059 A CN 104916059A CN 201510252488 A CN201510252488 A CN 201510252488A CN 104916059 A CN104916059 A CN 104916059A
Authority
CN
China
Prior art keywords
eemd
early warning
intrusion
energy
warning system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510252488.1A
Other languages
English (en)
Other versions
CN104916059B (zh
Inventor
蒋立辉
盖井艳
王维波
熊兴隆
庄子波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN201510252488.1A priority Critical patent/CN104916059B/zh
Publication of CN104916059A publication Critical patent/CN104916059A/zh
Application granted granted Critical
Publication of CN104916059B publication Critical patent/CN104916059B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Burglar Alarm Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，该方法的步骤如下：信号采集：M-Z干涉仪型机场周界预警系统采集光信号并将其转化为原始电信号s(n)；预处理：对原始电信号s(n)进行滤波、放大等处理得到电信号s′(n)；EEMD分解；EEMD能量熵；事件检测；特征提取；入侵分类。本发明相对现有的时域、小波、短时频率-时间等方法的局限性，采用具有自适应性的EEMD算法，依据入侵信号能量不同的性质，提出EEMD能量熵的方法消除非人为入侵，并建立双重支持向量机区分入侵类型，提高识别率，降低误报率，为M-Z干涉仪型机场周界系统的模式识别提供新的方法。

Description

基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法
技术领域
本发明涉及机场周界系统预警模式识别技术，特别是一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法。
背景技术
光纤周界系统作为第三代安防中的佼佼者，以其监测距离长、抗电磁和射频干扰、无辐射、耐腐蚀以及适应于多种环境等特性，普遍应用于政府要地、电力设施、仓库和机场等重要安防领域。目前，有多种技术可以应用于光纤周界系统，主要可以分为四种：一是利用后向散射光的光时域反射定位技术(OTDR:optical time domain reflectometry)；二是利用前向传输光在单模光纤的两个正交偏振模受到扰动时模式间产生耦合；三是利用逆向传输的泵浦光和探测光之间的非线性效应；四是利用Sagnac,Mickelson,M-Z等干涉仪对扰动定位。
其中，M-Z干涉仪是采用两段长度基本相同的单模光纤和两个耦合器构成M-Z干涉仪。由一端发出的光，经第一耦合器后进入两单模光纤。两光纤输出的光在第二个耦合器处发生干涉。由于光路的对称性，由二端发出的光，也可以在第一耦合器处发生干涉。在传感光纤无扰动时，由一端发出的光将在二端产生稳定的干涉条纹。同时，由二端发出的光也将在一端产生稳定的干涉条纹。在采用窄带激光作为光源时，将分别在一端和二端接收到稳定的光功率。Mach-Zehnder(M-Z)干涉仪系统选用结构简单、灵敏度高以及无需相位解调等优势。
由于作用于传感光纤上的行为改变光信号的相位，使得不同行为产生各种振动信号，且输出信号具有非平稳特性，目前已有时域、频域和时频域的识别方法如专利CN102045120A、CN202871003U等提出了时域或小波的识别方法。但时域方法不全面而小波方法又有一定的局限性。
本发明首次引用了一种具有自适应性的EEMD算法，弥补了上述方法的不足，并提出了EEMD能量熵排除非人为入侵的干扰，设计了双重支持向量机作为分类器，提高报警率，降低误报率，具有实用价值。
发明内容
针对现有技术所存在的不足，本发明提供一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，引入一种具有自适应性的总体平均经验模态分解(EEMD)算法，并提出了EEMD能量熵排除非人为入侵的干扰，设计双重支持向量机作为分类器，提高报警率，降低误报率，具有实用价值。
本发明解决其技术问题是通过以下技术方案实现的：
一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，其特征在于：该方法的步骤如下：
⑴信号采集：M-Z干涉仪型机场周界预警系统采集光信号并将其转化为原始电信号S(n)；
⑵预处理：对原始电信号S(n)进行滤波、放大等处理得到电信号S′(n)；
⑶EEMD分解：对预处理后的电信号S′(n)进行总体平均经验模态分解，EEMD分解成j个本征模态函数IMF，即电信号S′(n)被分解为j个IMF分量和一个余项，即S′(n)＝Σjcj(n)+r(n)；
⑷EEMD能量熵：对j个IMF求其能量，并计算电信号S′(n)的EEMD能量熵，其数学表达式为式中：pj＝Ej/E表示第j个IMF的能量比，
⑸事件检测：如有信号的EEMD能量熵大于等于预先设定的熵值则认为有入侵事件发生，进入下一步骤；否则认为没有入侵事件发生，回到步骤⑴。
还包括如下步骤：
⑹特征提取：提取包含入侵行为信号的峭度特征，即EEMD分解后得到每层IMF的峭度其中j表示第j个IMF分量，u表示离散点个数，并归一化处理；
⑺入侵分类：建立支持向量机SVM1和SVM2组成双重支持向量机，将步骤⑹提取的特征输入SVM1中，若判断为攀爬，则对外报警；否则进入SVM2中，若判断为敲击，则对外报警；否则判断为非人为入侵，不进行报警。
本发明的优点和有益效果为：
1.本发明的基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，首次将EEMD算法方法引用到M-Z干涉型机场周界预警系统的识别中，克服了现有小波和其他时频方法的局限性。
2、本发明的基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，根据不同振动信号能量各异的特点，提出EEMD能量熵的方法去除非人为入侵的干扰。
3、本发明的基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，为提高报警率，采用双重支持向量机的方法，先后识别入侵信号，对人为信号进行报警。
4、本发明相对现有的时域、小波、短时频率-时间等方法的局限性，采用具有自适应性的EEMD算法，依据入侵信号能量不同性质，提出EEMD能量熵的方法消除非人为入侵，并建立双重支持向量机区分入侵类型，提高识别率，降低误报率，为M-Z干涉仪型机场周界预警系统的模式识别提供新方法。
附图说明
图1为本发明的步骤流程图；
图2为攀爬电信号波形图；
图3为敲击电信号波形图；
图4为大风电信号波形图；
图5为攀爬信号峭度特征示意图；
图6为敲击信号峭度特征示意图；
图7为风的振动信号峭度特征示意图。
具体实施方式
下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，该方法的步骤如下：
⑴信号采集：M-Z干涉仪型机场周界预警系统采集光信号并将其转化为原始电信号S(n)；机场周界系统以光纤作为传感器，其不受外界气候和电磁等的干扰，能够实时采集微小的振动信号。光信号在传输时，振动信号(如攀爬、汽车振动等)改变光信号的相位，从而影响光强的大小，由探测器将振动的光强转变为电信号。
⑵预处理：对原始电信号S(n)进行滤波、放大等处理得到电信号S′(n)；如图2、3、4所示为攀爬、敲击和大风的电信号波形图。
⑶EEMD分解：对预处理后的电信号S′(n)进行总体平均经验模态分解(EEMD)，经EEMD分解成j个本征模态函数IMF，即电信号S′(n)被分解为j个IMF分量和一个余项，即
⑷EEMD能量熵：对j个IMF求其能量，并计算电信号S′(n)的EEMD能量熵，其数学表达式为式中：pj＝Ej/E表示第j个IMF的能量比，Ej表示第j个IMF的能量；EEMD分解是依据信号本身产生不同IMF，所以每个IMF都含有真实的物理意义，其能量之和即为整个信号能量，通过EEMD能量熵的运算可得到不同入侵行为的熵值范围。
如下表所示为不同扰动的EEMD能量商值：
⑸事件检测：如有信号的EEMD能量熵大于等于预先设定的熵值则认为有入侵事件发生，进入下一步骤；否则认为没有入侵事件发生，回到步骤⑴。一般非人为入侵的熵值要小于人为入侵的值，因此通过EEMD能量熵值排除非人为的干扰。
⑹特征提取：提取包含入侵行为信号的峭度特征，即EEMD分解后得到每层IMF的峭度其中j表示第j个IMF分量，u表示离散点个数，并归一化处理；如图5所示攀爬信号的峭度特征主要集中在2、3尺度，如图6所示敲击信号峭度特征主要集中在3、4尺度，如图7所示风的振动信号特征集中在6、7尺度。
⑺入侵分类：建立支持向量机SVM1和SVM2组成双重支持向量机，将步骤⑹提取的特征输入SVM1中，若判断为攀爬，则对外报警；否则进入SVM2中，若判断为敲击，则对外报警；否则判断为非人为入侵，不进行报警。
尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (2)

1.一种基于EEMD的M-Z干涉仪型机场周界预警系统模式识别方法，其特征在于：该方法的步骤如下：
⑴信号采集：用M-Z干涉仪型机场周界预警系统采集光信号并将其转化为原始电信号S(n)；
⑵预处理：对原始电信号S(n)进行滤波、放大等处理得到电信号S′(n)；
⑶EEMD分解：对预处理后的电信号S′(n)进行总体平均经验模态分解，EEMD分解成j个本征模态函数IMF，即电信号S′(n)被分解为j个IMF分量和一个余项，即S′(n)Σjcj(n)+r(n)；
⑷EEMD能量熵：对j个IMF求其能量，并计算电信号S′(n)的EEMD能量熵，其数学表达式为式中：pj＝Ej/E表示第j个IMF的能量比， E = Σ j = 1 n E j ;
⑸事件检测：如有扰动的EEMD能量熵大于等于预先设定的熵值则认为有入侵事件发生，进入下一步骤；否则认为没有入侵事件发生，回到步骤⑴。
2.根据权利要求1所述的基于EEMD的M-Z干涉仪型机场周界系统模式识别方法，其特征在于：还包括如下步骤：
⑹特征提取：提取包含入侵行为信号的峭度特征，即EEMD分解后得到每层IMF的峭度其中j表示第j个IMF分量，u表示离散点个数，并归一化处理；
⑺入侵分类：建立支持向量机SVM1和SVM2组成双重支持向量机，将步骤⑹提取的特征输入SVM1中，若判断为攀爬，则对外报警；否则进入SVM2中，若判断为敲击，则对外报警；否则判断为非人为入侵，不进行报警。
CN201510252488.1A 2015-05-18 2015-05-18 基于eemd的m‑z干涉仪型机场周界预警系统模式识别方法 Expired - Fee Related CN104916059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510252488.1A CN104916059B (zh) 2015-05-18 2015-05-18 基于eemd的m‑z干涉仪型机场周界预警系统模式识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510252488.1A CN104916059B (zh) 2015-05-18 2015-05-18 基于eemd的m‑z干涉仪型机场周界预警系统模式识别方法

Publications (2)

Publication Number Publication Date
CN104916059A true CN104916059A (zh) 2015-09-16
CN104916059B CN104916059B (zh) 2017-06-16

Family

ID=54085094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510252488.1A Expired - Fee Related CN104916059B (zh) 2015-05-18 2015-05-18 基于eemd的m‑z干涉仪型机场周界预警系统模式识别方法

Country Status (1)

Country Link
CN (1) CN104916059B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105632059A (zh) * 2015-12-29 2016-06-01 天津大学 一种分布式光纤周界安防系统
CN107315996A (zh) * 2017-05-19 2017-11-03 燕山大学 一种基于imf能量熵与pca的水下船舰噪声特征提取方法
CN112268608A (zh) * 2020-10-13 2021-01-26 中国南方电网有限责任公司超高压输电公司贵阳局 一种强干扰dvs的高精度解调算法
CN113203565A (zh) * 2021-03-25 2021-08-03 长江大学 一种基于eemd稀疏分解的轴承故障识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556724A (zh) * 2008-04-09 2009-10-14 中国科学院半导体研究所 光纤周界安全管理系统及其模式识别方法
CN101916492A (zh) * 2010-08-10 2010-12-15 卢军翔 一种在安防系统中应用的光纤智能传感装置
CN103345808A (zh) * 2013-06-26 2013-10-09 武汉理工光科股份有限公司 光纤光栅周界入侵模式识别方法及系统
WO2014104595A1 (ko) * 2012-12-24 2014-07-03 대우조선해양 주식회사 물리 검층 데이터의 해석 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556724A (zh) * 2008-04-09 2009-10-14 中国科学院半导体研究所 光纤周界安全管理系统及其模式识别方法
CN101916492A (zh) * 2010-08-10 2010-12-15 卢军翔 一种在安防系统中应用的光纤智能传感装置
WO2014104595A1 (ko) * 2012-12-24 2014-07-03 대우조선해양 주식회사 물리 검층 데이터의 해석 방법
CN103345808A (zh) * 2013-06-26 2013-10-09 武汉理工光科股份有限公司 光纤光栅周界入侵模式识别方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱宁辉等: "基于EEMD的谐波检测方法", 《中国电机工程学报》 *
杨江等: "基于迈克耳孙干涉和模式识别的全光纤周界安防系统", 《中国激光》 *
郑近德等: "改进的EEMD算法及其应用研究", 《振动与冲击》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105632059A (zh) * 2015-12-29 2016-06-01 天津大学 一种分布式光纤周界安防系统
CN107315996A (zh) * 2017-05-19 2017-11-03 燕山大学 一种基于imf能量熵与pca的水下船舰噪声特征提取方法
CN112268608A (zh) * 2020-10-13 2021-01-26 中国南方电网有限责任公司超高压输电公司贵阳局 一种强干扰dvs的高精度解调算法
CN113203565A (zh) * 2021-03-25 2021-08-03 长江大学 一种基于eemd稀疏分解的轴承故障识别方法及系统

Also Published As

Publication number Publication date
CN104916059B (zh) 2017-06-16

Similar Documents

Publication Publication Date Title
Wu et al. Feature extraction and identification in distributed optical-fiber vibration sensing system for oil pipeline safety monitoring
Liu et al. A high-efficiency multiple events discrimination method in optical fiber perimeter security system
Wu et al. Separation and determination of the disturbing signals in phase-sensitive optical time domain reflectometry (Φ-OTDR)
Che et al. Partial discharge recognition based on optical fiber distributed acoustic sensing and a convolutional neural network
Wang et al. Pattern recognition using relevant vector machine in optical fiber vibration sensing system
CN104240455B (zh) 一种分布式光纤管线安全预警系统中的扰动事件识别方法
CN103617684B (zh) 干涉型光纤周界振动入侵识别算法
Wang et al. Multi-class disturbance events recognition based on EMD and XGBoost in φ-OTDR
CN103236127B (zh) 一种光纤围栏入侵监测系统及其模式识别方法
CN104916059A (zh) 基于eemd的m-z干涉仪型机场周界预警系统模式识别方法
Huang et al. An event recognition scheme aiming to improve both accuracy and efficiency in optical fiber perimeter security system
CN103345808A (zh) 光纤光栅周界入侵模式识别方法及系统
CN111104891A (zh) 基于BiLSTM的复合特征光纤传感扰动信号模式识别方法
CN103196465A (zh) 一种相敏光时域反射仪传感信号噪声分离及信号提取方法
CN105023379A (zh) 一种机场光纤周界预警系统的信号识别方法
Marie et al. Pattern recognition algorithm and software design of an optical fiber vibration signal based on Φ-optical time-domain reflectometry
Jia et al. Event Identification by F-ELM Model for $\varphi $-OTDR Fiber-Optic Distributed Disturbance Sensor
Zhu et al. A comprehensive bibliometric analysis of signal processing and pattern recognition based on distributed optical fiber
Tabi Fouda et al. Research and Software Design of an Φ‐OTDR‐Based Optical Fiber Vibration Recognition Algorithm
Zhu et al. Self-learning filtering method based on classification error in distributed fiber optic system
CN103226028A (zh) 一种相敏光时域反射仪扰动信号检测与识别方法
CAO et al. Practical Pattern Recognition System for Distributed Optical Fiber Intrusion Monitoring Based on Ф-COTDR
Fu et al. Multiple event recognition scheme using variational mode decomposition-based hybrid feature extraction in fiber optic DAS system
CN107730798A (zh) 一种预警系统及方法
Liang Study on the fiber-optic perimeter sensor signal processor based on neural network classifier

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170616

Termination date: 20180518

CF01 Termination of patent right due to non-payment of annual fee