CN104980211A - 一种信号处理方法和装置 - Google Patents

Abstract

本发明实施例提供了一种信号处理方法和装置，其中所述方法，包括：截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；对获取的分帧对应的信号进行小波去噪处理；计算进行小波去噪处理后的信号的均峰比；在均峰比满足设定均峰比阈值时，对进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；计算所述小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵；依据短时能量以及小波近似熵确定截取的分帧对应的信号是否为入侵信号。通过本发明实施例提供的信号处理方案，能够采用多重屏蔽的方式有效避免外界因素如：风、雨打雷、鸣笛风、雨等导致的入侵信号的误判断。

Description

一种信号处理方法和装置

技术领域

本发明涉及信号处理技术领域，特别是涉及一种信号处理方法和装置。

背景技术

随着社会的发展，人们安防意识的提高，各类安防技术手段得到了广泛的应用。现代的常用的安防系统解决方案如红外点对点对射方案、电子围栏、电网、感应电缆以及光纤周界安防系统。光纤周界安防系统是利用光纤作为传感介质的一种传感系统，光纤作为传感介质的同时又作为光传输的介质。目前光纤周界安防系统可以实时监控40Km以外的区域，并对一定精度范围内的突发事件进行远程和实时的报警。

光纤周界安防系统的工作原理为：光纤周界安防系统发出激光即传感光纤至周界防区，通过光信号探测器将激光反射回来的光信号进行解调，计算光信号的信号强度，并通过计算出来的信号强度来决定是否触发继电器动作，进行报警。

传感光纤一般布设于野外，很容易受到外界因素，例如：风、雨打雷、鸣笛的影响。本领域技术人员应该明了，当光纤受到上述影响时，其光信号的强度也会随之发生变化，例如：因传感光纤受到大风的影响使得解调出来的光信号的信号强度与有入侵者入侵的光信号强度相同，这样继电器将动作进行报警。而事实上，并无入侵者入侵，最终导致误报警。可见，现有的这种简单的对光信号进行解调计算光信号强度的方法，无法屏蔽外界因素对光信号强度的影响，无法准确的判断光信号是否为入侵信号，最终将导致误报警或漏报警，使得报警的准确性降低。

发明内容

本发明实施例提供了一种信号处理方法和装置，以解决目前对光信号进行解调计算光信号强度的方案，无法屏蔽外界因素对光信号强度的影响，无 法准确的判断光信号是否为入侵信号，导致误报警或漏报警的问题。

为了解决上述问题，本发明公开了一种信号处理方法，包括：截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；对获取的所述分帧对应的信号进行小波去噪处理；计算进行小波去噪处理后的信号的均峰比；在所述均峰比满足设定均峰比阈值时，对所述进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；计算所述小波包分解后的信号的短时能量，以及计算所述小波包分解后的信号的小波近似熵；依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号。

优选地，所述依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号的步骤包括：判断所述短时能量与设定的短时能量阈值的大小，以及所述小波近似熵与设定的小波近似熵阈值的大小；当所述短时能量大于所述设定的短时能量阈值，且所述小波近似熵小于所述设定的小波近似熵阈值时，确定截取的分帧对应的信号为入侵信号。

优选地，所述对截取的所述分帧对应的信号进行小波去噪处理的步骤包括：确定进行小波去噪处理的最佳软阈值；将获取的所述信号中的各数据点的信号强度值与所述最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

优选地，所述计算进行小波去噪处理后的信号的均峰比步骤包括：依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。

优选地，所述计算所述小波包分解后的信号的短时能量的步骤包括：依据所述小波包分解后的信号中的各数据点的信号强度值、以及所述小波包分解后的信号中的各数据点的信号强度的平均值，计算所述小波包分解后的信号的短时能量。

优选地，所述计算所述小波包分解后的信号的小波近似熵的步骤包括：确定所述小波包分解后的信号中信号强度值最大的数据点；以所述数据点的位置为中心，分别提取距离所述中心的设定个数的数据点；将所述提取的数 据点以及所述信号强度值最大的数据点对应的信号强度值组成序列，采用所述序列计算所述小波包分解后的信号的小波近似熵。

为了解决上述问题，本发明还公开了一种信号处理装置，包括：获取模块，用于截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；第一处理模块，用于对获取的所述分帧对应的信号进行小波去噪处理；第二处理模块，用于计算进行小波去噪处理后的信号的均峰比；第三处理模块，用于在所述均峰比满足设定均峰比阈值时，对所述进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；第四处理模块，用于计算所述小波包分解后的信号的短时能量，以及计算所述小波包分解后的信号的小波近似熵；确定模块，用于依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号。

优选地，所述确定模块包括：判断模块，用于判断所述短时能量与设定的短时能量阈值的大小，以及所述小波近似熵与设定的小波近似熵阈值的大小；入侵信号确定模块，用于当所述短时能量大于所述设定的短时能量阈值，且所述小波近似熵小于所述设定的小波近似熵阈值时，确定截取的分帧对应的信号为入侵信号。

优选地，所述第一处理模块包括：最佳软阈值确定模块，用于确定进行小波去噪处理的最佳软阈值；比对模块，用于将获取的所述信号中的各数据点的信号强度值与所述最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

优选地，所述第二处理模块计算进行小波去噪处理后的信号的均峰比时：依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。

与现有技术相比，本发明具有以下优点：

本发明实施例提供的信号处理方案，首先，对信号进行小波去噪处理，可以去除由光纤周界安防系统和外界环境引起的白噪声。其次，本发明实施例中，对信号进行均峰比的计算，并将计算得到的均峰比与设定的均峰比阈值进行比对，通过对均峰比的比对能够在一定程度上抑制风雨信号、以及人 或者动物对光纤的无意触碰对判断的干扰。再次，本发明实施例中，对满足均峰比阈值的信号进行小波包分解，并计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵，由于计算信号的短时能量反映的是信号在无扰动情况下的特性，因此，能够有效排除因打雷、鸣笛对信号的影响。相应地，在信号的短时能量能够达到设定阈值的情况下，则证明在排除了打雷、鸣笛对信号的影响后，信号依然为指示入侵的信号，因此，则需要进行进一步地判定，即进行小波近似熵的计算。对信号进行小波近似熵的计算，能够计算得到信号的复杂度，而本领域技术人员应该明了，风雨信号的复杂度相较于其他的入侵信号而言复杂度要高，因此，若信号的复杂度高压设定的复杂度则认为是风雨信号，若低于设定的复杂度，则认为不是风雨信号，而是入侵信号。可见，本发明实施例中通过对信号进行小波去噪和小波包分解处理，并对信号的均峰比、短时能量、以及小波近似熵的判断能够采用多重屏蔽的方式有效避免外界因素如：风、雨打雷、鸣笛风、雨等导致的入侵信号的误判断。

附图说明

图1是根据本发明实施例一的一种信号处理方法的步骤流程图；

图2是根据本发明实施例二的一种信号处理方法的步骤流程图；

图3是光纤干涉仪结构简图；

图4是采用实施例二中所示的信号处理方法进行信号处理的步骤流程图；

图5是采用图4中所示的方法中截取的信号分帧的曲线图；

图6是截取的信号分帧的均峰比曲线图；

图7是截取的信号分帧按照小波包分解后的曲线图；

图8是小波包分解后信号的短时能量曲线图；

图9是小波包分解后的信号的小波近似熵曲线图；

图10是根据本发明实施例三的一种信号处理装置的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

参照图1，示出了根据本发明实施例一的一种信号处理方法的步骤流程图。

本发明实施例的信号处理方法包括以下步骤：

步骤S102：截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号。

光信号探测器在探测到信号后，对光信号进行处理将其转换成电信号，然后按照设定频率向主控装置(例如：计算机、处理模块、处理器、主控模块等)发送信号帧，例如：每1秒发送一帧时长为1秒的信号帧。主控装置接收到信号帧后，截取设定时间长度的分帧，获取截取的分帧对应的信号。例如：截取时间长度为0.1秒的信号分帧，然后，获取分帧对应的信号，如果，0.1秒时间长度内对应500个数据点，那么，将获取这500数据点对应的信号强度。

当然，在截取时并不局限于截取0.1秒时间长度的分帧，也可以截取0.2秒时间长度的分帧，以及0.15秒时间长度的分帧。

步骤S104：对获取的分帧对应的信号进行小波去噪处理。

需要说明的是，对获取的分帧对应的信号进行小波去噪处理的具体方式可以由本领域技术人员参照现有的任意适当的方式进行处理。例如：采用软阈值小波去噪法。当然，即便是采用软阈值小波去噪法也可以采用无降采样过程的小波变换即UWT、DWT、CWT等方式。

本实施例中对信号进行小波去噪处理，可以去除由光纤周界安防系统和外界环境引起的白噪声。由于去除了这些白噪声，那么在对信号进行分析时，其分析结果将更加精确。

步骤S106：计算进行小波去噪处理后的信号的均峰比。

需要说明的是，计算小波去噪处理后的信号的均峰比的具体方式可以由本领域技术人员参照现有的任意适当的方式进行处理。通过信号进行均峰比 计算，并将计算得到的均峰比设定均峰比阈值进行比较，可以在一定程度上屏蔽风雨信号。

步骤S108：在计算得到的均峰比满足设定均峰比阈值时，对进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号。

需要说明的是，均峰比阈值可以由本领域技术人员根据实际需求进行设置，本实施例中对此不作具体限制。对于均峰比不满足设定均峰比阈值的信号，可以由本领域技术人员根据实际需求设定处理方案，例如：直接将信号删除，再例如：将信号保存设定时间后删除。

此外，设定频带宽度可以由本领域技术人员根据实际需求进行设置，例如：设置成100HZ至1000HZ。

步骤S110：计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵。

需要说明的是，对小波包分解后的信号的短时能量、以及小波近似熵的具体计算方案可以由本领域技术人员根据实际需求选择任意适当的方式进行设置。例如：仅从小波包分解后的信号中选择部分数据点对应的信号强度，依据所选择的这部分数据点对应的信号强度来计算获取的信号的短时能量或者小波近似熵。例如：依据小波包分解后的信号中的全部数据点对应的信号强度来计算获取的信号的短时能量或者小波近似熵。再例如：仅选取有效的数据点对应的信号强度，依据有效的数据点对应的信号强度计算获取的信号的短时能量或者小波近似熵。

步骤S112：依据短时能量以及小波近似熵确定截取的分帧对应的信号是否为入侵信号。

通过本实施例提供的信号处理方法，首先，对信号进行小波去噪处理，可以去除由光纤周界安防系统和外界环境引起的白噪声。其次，本实施例中，对信号进行均峰比的计算，并将计算得到的均峰比与设定的均峰比阈值进行比对，通过对均峰比的比对能够在一定程度上抑制风雨信号、以及人或者动物对光纤的无意触碰对判断的干扰。再次，本实施例中，对满足均峰比阈值 的信号进行小波包分解，并计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵，由于计算信号的短时能量反映的是信号在无扰动情况下的特性，因此，能够有效排除因打雷、鸣笛对信号的影响。相应地，在信号的短时能量能够达到设定阈值的情况下，则证明在排除了打雷、鸣笛对信号的影响后，信号依然为指示入侵的信号，因此，则需要进行进一步地判定，即进行小波近似熵的计算。对信号进行小波近似熵的计算，能够计算得到信号的复杂度，而本领域技术人员应该明了，风雨信号的复杂度相较于其他的入侵信号而言复杂度要高，因此，若信号的复杂度高压设定的复杂度则认为是风雨信号，若低于设定的复杂度，则认为不是风雨信号，而是入侵信号。可见，本实施例中通过对信号进行小波去噪和小波包分解处理，并对信号的均峰比、短时能量、以及小波近似熵的判断能够采用多重屏蔽的方式有效避免外界因素如：风、雨打雷、鸣笛风、雨等导致的入侵信号的误判断。

实施例二

参照图2，示出了根据本发明实施例二的一种信号处理方法的步骤流程图。

本发明实施例的信号处理方法具体包括以下步骤：

步骤S202：主控模块截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号。

本实施例中的信号处理方法是基于光纤Sagnac(萨格奈克)干涉原理的振动识别方法，光纤sagnac干涉仪结构如图3所示。从图3中可知，入射光源为SLD光源，C为3×3耦合器，M为法拉第旋转镜，P1为光电探测器，D为外界干扰源。外接干扰源被经过光纤sagnac干涉仪处理后，生成处理信号，该处理信号被发送至数据采集卡，数据采集卡将信号按照设定规则发送至主控模块。

主控模块在接收到数据采集卡发送的信号帧后，对信号帧进行分帧处理，截取设定时间长度的分帧。优选地，考虑到光在光纤中的传输速度，将 设定时间长度设置成0.1秒，当然，也不局限于是0.1秒，也可以是0.2秒、0.15秒等。在确定截取的信号分帧后，获取截取的分帧对应的信号，例如：分帧对应信号包含500个数据点，那么获取这500个数据点的信号强度。

步骤S204：主控模块对获取的分帧对应的信号进行小波去噪处理。 

在对信号进行小波去噪处理时，可以采用软值域小波去噪法，一种优选的进行小波去噪处理的方式为采用无降采样过程的小波变化最佳软阈值去噪法，具体方法如下：

S1：确定进行小波去噪处理的最佳软阈值；

S2：将获取的信号中的各数据点的信号强度值与最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

确定最佳软阈值时可以参照如下方式来确定：

S1：确定分帧对应的信号的η和μ；

其中， $\mathrm{\η}=\frac{(\underset{i=1}{\overset{N}{\Σ}}{w_i}^2-N)}{N};$

$\mathrm{\μ}=\left({\log }_{2}N\right)3/2\sqrt{N};$

其中，N表示分帧对应的信号的长度，即分帧对应的信号中数据点的个数；w_i表示第i个数据点的信号强度；η和μ为两个参数并无实际意义，在具体实现过程中可以采用任意的参数代替这两个值，例如：采用A、B，或者采用X、Y等。

S2：确定η和μ的大小关系，并依据确定的大小关系以及如下公式确定最佳软阈值。

关于确定最佳软阈值的公式为： $Th=\left\{\begin{array}{cc}\mathrm{\&sigma;}\sqrt{2log\left(N\right)}& \mathrm{\&eta;}<\mathrm{\&mu;}\\ min\{\mathrm{\&sigma;}\sqrt{2log\left(N\right)},\mathrm{\&sigma;}\sqrt{w_{i^{th}}}& \mathrm{\&eta;}\&GreaterEqual;\mathrm{\&mu;}\end{array}\right.$

其中，σ为分帧对应的信号中各数据点对应的信号强度的标准差；

通过如下方式确定：

第一、将分帧对应的信号中的各数据点的信号强度即w_i分别求平方后按 照降序排列，生成一个包含N个数的序列y_i；

第二、对组成的新序列y_i中的每个值采用如下公式做如下运算得到新的值，相应地对序列中的每一个值进行如下运算，则得到一个包含N个数的新序列x_i；

$y_i={\mathrm{\&Sigma;}}_{i=1}^N{y}_i+N-2(i+1)+y_i\&times;(N-i-1).$

第三、确定x_i中包含的N个数中数值最小的数对应的序号；

第四、根据该序号确定序列y_i中该序号对应的数值，该数值即为

步骤S206：主控模块计算小波去噪处理后的信号的均峰比。

一种优选的计算进行小波去噪处理后的信号的均峰比的方式如下：

依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。

具体地，通过以下公式计算获小波去噪处理后的信号的均峰比：

$P=\max \left(x\right)/\sqrt{{\mathrm{\&Sigma;}}_{i=1}^{N}x{\left(i\right)}^2};$

其中，P表示信号的均峰比，max(x)表示信号中的最大信号强度值， 表示信号的有效值，x(i)表示第i个数据点对应的信号强度，x(1)则表示第一个数据点对应的信号强度。

均峰比能在一定程度上抑制风雨信号，优选地，均峰比的设定阈值可设置为10.5，在一定程度上能屏蔽风雨信号，同时能有效入侵信号。

例如：对信号进行均峰比计算后所得结果为11，而设定的均峰比阈值为10.5，信号的均峰比大于设定的阈值，则说明信号可能为入侵信号。而若信号的均峰比小于设定的阈值，则说明信号不可能为入侵信号，而是风雨信号。因此，直接将截取的信号分帧以及截取前的信号帧删除即可。

步骤S208：主控模块在均峰比满足设定均峰比阈值时，对进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信 号。

小波包分解：小波包分解的阶数选择与数据采集卡的采样率相关，同时小波基的选择与干涉信号相关，在本系统中可以采用5阶db2小波进行小波包分解，去掉频率大于1000Hz和小于100Hz的信号，仅保留正常入侵时的频段，由于风的频率分布呈现较大的带宽，雨的频率分布与入侵信号也具有相一定相似性，因此须搭配后续数据处理方法进行信号的分析，以屏蔽风雨入侵信号对后续判断结果的影响。

需要说明的是，在进行小波包分解时，并不局限于将设定频带宽度设置成100HZ至1000HZ，在具体实现过程中，本领域技术人员可以根据实际需求设置相应地频带宽度。进过小波包分解后，小波去噪处理后的信号中各数据点对应的信号强度值即幅值将发生变化，不在设定频带宽度内的数据点，其对应的信号强度将变得非常小。

步骤S210：主控模块计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵。

一种优选地计算小波包分解后的信号的短时能量的方式为：依据小波包分解后的信号中的各数据点的信号强度值、以及小波包分解后的信号中的各数据点的信号强度的平均值，计算小波包分解后的信号的短时能量。

具体地，可以通过以下公式实现：

$E={\mathrm{\&Sigma;}}_{i=1}^{N}x{\left(i\right)}^2/mean\left(x\right);$

其中，E表示信号的短时能量，x(i)表示信号中第i个数据点的信号强度，mean(x)表示信号中的各数据点的信号强度的平均值，N表示获取的信号中的数据点的个数，也即小波包分解后的信号帧的长度。

一种优选的计算小波包分解后的信号的小波近似熵的方式为：确定小波包分解后的信号中信号强度值最大的数据点；以确定的该数据点的位置为中心，分别提取距离确定的中心的设定个数的数据点；将提取的数据点以及信号强度值最大的数据点对应的信号强度值组成序列，采用序列计算小波包分解后的信号的小波近似熵。

一种优选的计算小波包分解后的信号的小波近似熵的方式如下：

S1：确定小波包分解后的信号中信号强度值最大的数据点。

例如：小波包分解后的信号中包含500个数据点，每个数据点对应一个信号强度。将各信号强度进行比较确定信号强度值最大的数据点。

S2：以确定的数据点的位置为中心，分别就近提取位于中心前的设定个数的数据点，以及位于中心后的设定个数的数据点。

其中，数据点的设定个数可以由本领域技术人员根据实际需求进行设置，例如：设置成500个数据点。当然，可以是200个数据点，或者600个数据点。

S3：将提取的数据点以及信号强度值最大的数据点对应的信号强度值组成序列，采用该序列计算小波包分解后的信号的小波近似熵。

一种优选的小波包分解后的信号的小波近似熵的方法如下：

(1)获取小波包分解后的信号中数据中的最大值，并以最大值位置为中心前后各取500个点，形成1000个点的新数字序列Y；

其中，一帧数据中最大值用于指示获取的信号中信号强度值。

(2)求Y的标准差σ₁，并计算相似容限C＝A×σ₁；

其中，A为设定常数，在具体实现过程中可以由本领域技术人员根据实际需求进行设置，例如：设置成0.25、0.3、0.5等值。

(3)将数字序列中的各信号强度值分别与相似容限C进行比较，将大于相似容限C的信号强度值设置1，将将大于相似容限C的信号强度值设置0。

(4)计算C_i ⁽²⁾和F(1)；

${C_i}^{\left(2\right)}={\mathrm{\&Sigma;}}_{j=1}^{998}{Y}_{ij}\&cap;Y_{i+1,j+1};F\left(1\right)=\mathrm{\&Sigma;}log\left({C_i}^{\left(2\right)}\right)/999;$

其中，本实施例中，通过上述(3)中已将1000个信号强度值转换成了0或1，也就是说，这1000个值均为0或1。那么，在(4)中，为了构造一个矩阵，故将这1000个0或1的值复制999次，构造成1000×1000的矩阵，即Y_ij。

(5)计算C_i ⁽³⁾和F(2)；

${C_i}^{\left(3\right)}={\mathrm{\&Sigma;}}_{j=1}^{998}{Y}_{i+1,j+1}\&cap;Y_{i+2,j+2};F\left(2\right)=\mathrm{\&Sigma;}log\left({C_i}^{\left(3\right)}\right)/998;$

在计算这两个值时，依然通过(4)中构造的Y_ij矩阵。具体通过上述公式进行计算。

(6)依据F(1)和F(2)计算信号的小波近似熵。具体通过以下公式：

S＝F(1)-F(2)；

其中，S表示信号的小波近似熵。

步骤S212：主控模块判断计算得到的短时能量与设定的短时能量阈值的大小，以及计算得到的小波近似熵与设定的小波近似熵阈值的大小。

本实施例中，根据实际应用需求设定短时能量阈值可以用E_TH表示，这样，当计算出的信号的短时能量阈值满足(大于或等于)设定短时能量阈值时，则证明该信号可能是入侵信号；而若无法满足设定短时能量阈值时，则证明该信号不可能是入侵信号，因此，直接将截取的信号分帧以及截取前的信号帧删除即可。

短时能量：通过计算周界安防系统在无扰动情况下的短时能量，同时设定短时能量阈值，能有效的抑制信号持续时间较短，但信号的信号强度即幅值较强的信号，而这类信号多属于人为或者动物对光纤的无意触碰。因此，通过设定短时能量阈值，即可排除人为或者动物对光纤的无意触碰而造成的入侵信号假象。不仅如此，设定短时能量阈值对计算得到的短时能量进行比对，优选地，将短时能量阈值设定为2800。当然，也可以是其他的值，例如：2850，2750等。

小波近似熵的计算实质上是对截取分帧信号的复杂度的计算，分析在达到能量阈值后的信号片断的新模式产生概率。由于风雨信号的复杂度较高，通过设置阈值能有效的降低风雨带来的误报。优选地，将小波近似熵阈值设定为0.6，能够有效的排除风雨干扰。

需要说明的是，在具体实现过程中，小波近似熵阈值的设定可以由本领域技术人员根据实际需求进行设置，例如：设置成0.5、0.55等，本实施例对此不作具体限制。

步骤S214：当短时能量大于设定的短时能量阈值，且小波近似熵小于 设定的小波近似熵阈值时，主控模块确定截取的分帧对应的信号为入侵信号。

通过本实施例提供的信号处理方法，首先，对信号进行小波去噪处理，可以去除由光纤周界安防系统和外界环境引起的白噪声。其次，本实施例中，对信号进行均峰比的计算，并将计算得到的均峰比与设定的均峰比阈值进行比对，通过对均峰比的比对能够在一定程度上抑制风雨信号、以及人或者动物对光纤的无意触碰对判断的干扰。再次，本实施例中，对满足均峰比阈值的信号进行小波包分解，并计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵，由于计算信号的短时能量反映的是信号在无扰动情况下的特性，因此，能够有效排除因打雷、鸣笛对信号的影响。相应地，在信号的短时能量能够达到设定阈值的情况下，则证明在排除了打雷、鸣笛对信号的影响后，信号依然为指示入侵的信号，因此，则需要进行进一步地判定，即进行小波近似熵的计算。对信号进行小波近似熵的计算，能够计算得到信号的复杂度，而本领域技术人员应该明了，风雨信号的复杂度相较于其他的入侵信号而言复杂度要高，因此，若信号的复杂度高压设定的复杂度则认为是风雨信号，若低于设定的复杂度，则认为不是风雨信号，而是入侵信号。可见，本实施例中通过对信号进行小波去噪和小波包分解处理，并对信号的均峰比、短时能量、以及小波近似熵的判断能够采用多重屏蔽的方式有效避免外界因素如：风、雨打雷、鸣笛风、雨等导致的入侵信号的误判断。

下面以一具体实例对本实施例的降低光纤周界安防系统误报率的信号处理方法进行说明，具体流程参见附图4。如图4所示，本实施例的信号处理方法包括以下步骤：

步骤S402：对数据进行分帧；

其中，对数据进行分帧相当于截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号，具体所截取的信号分帧的曲线图如图5所示。

步骤S404：对截取的分帧对应的信号进行小波去噪处理。

步骤S406：计算小波去噪处理后的信号的均峰比。

在计算小波去噪处理后的信号的均峰比时，可以采用实施例二中所示的相应的计算方法。所得的信号分帧的均峰比曲线如图6所示。

步骤S408：判断计算得到的均峰比是否高于设定的均峰比阈值，若高于，则执行步骤S410，若不高于，则将截取的分帧信号丢弃。

步骤S410：对小波去噪处理后的信号进行小波包分解，得到分解后的信号。对小波去噪处理后的信号进行小波分解时，可以采用实施例二中所示的相应的计算方法。进行小波包分解后的信号分帧的曲线图如图7所示。

步骤S412：计算小波包分解后的信号的短时能量E。

在计算小波包分解后的信号的短时能量E时，可以采用实施例二中所示的相应的计算方法。小波包分解后的信号的短时能量曲线如图8所示。

步骤S414：判断小波包分解后的信号的短时能量E是否高于设定的短时能量阈值，若高于，则执行步骤S416，若不高于，则将截取的信号丢弃。

步骤S416：计算小波包分解后的号信号的小波近似熵。

在计算小波包分解后的号信号的小波近似熵时，可以采用实施例二中所示的相应的计算方法。小波包分解后的信号的时域熵曲线如图9所示。

步骤S418：将计算得到的小波近似熵与设定的小波近似熵阈值即S_TH进行比较，判断二者的大小。

需要说明的是，步骤S412至步骤S414并不局限于在步骤S416之前执行，步骤S416可以在步骤S412之前执行，或与上述两个步骤中的任一步骤并行执行。也就是说，对于信号的短时能量以及对信号的小波近似熵可以并行进行计算与判断，可以先对其中的一个进行计算或者判断，然后再对另一个进行计算和判断。

步骤S420：当短时能量比大于设定的短时能量阈值，且小波近似熵小于设定的小波近似熵阈值时，确定接收到的信号帧为入侵信号，则发出报警指令。

本具体实例提供的信号处理方法，通过在时域上计算外界扰动信号的均 峰比，在频域上通过小波包分解计算特定频段上的短时能量和小波近似熵，对风、雨、声音和非故意触摸碰导致的报警进行识别，有效的降低了光纤周界安防系统的误报率。

实施例三

参照图10，示出了本发明实施例三的一种信号处理装置的结构框图。

本实施例的信号处理装置可以应用于光纤周界报警系统，信号处理装置包括：获取模块102，用于截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；第一处理模块104，用于对获取的分帧对应的信号进行小波去噪处理；第二处理模块106，用于计算进行小波去噪处理后的信号的均峰比；第三处理模块108，用于在均峰比满足设定均峰比阈值时，对进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；第四处理模块110，用于计算小波包分解后的信号的短时能量，以及计算小波包分解后的信号的小波近似熵；确定模块112，用于依据短时能量以及小波近似熵确定截取的分帧对应的信号是否为入侵信号。

优选地，确定模块112包括：判断模块1122，用于判断短时能量与设定的短时能量阈值的大小，以及小波近似熵与设定的小波近似熵阈值的大小；入侵信号确定模块1124，用于当短时能量大于设定的短时能量阈值，且小波近似熵小于设定的小波近似熵阈值时，确定截取的分帧对应的信号为入侵信号。

优选地，第一处理模块104包括：最佳软阈值确定模块1042，用于确定进行小波去噪处理的最佳软阈值；比对模块1044，用于将获取的信号中的各数据点的信号强度值与最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

优选地，第二处理模块106计算进行小波去噪处理后的信号的均峰比时：依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。

优选地，第四处理模块110计算小波包分解后的信号的短时能量时：依 据小波包分解后的信号中的各数据点的信号强度值、以及所述小波包分解后的信号中的各数据点的信号强度的平均值，计算所述小波包分解后的信号的短时能量。

优选地，第四处理模块110计算小波包分解后的信号的小波近似熵时：确定小波包分解后的信号中信号强度值最大的数据点；以数据点的位置为中心，分别提取距离中心的设定个数的数据点；将提取的数据点以及信号强度值最大的数据点对应的信号强度值组成序列，采用序列计算小波包分解后的信号的小波近似熵。

本实施例的信号处理装置用于实现前述实施例一、实施例二中相应的信号处理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

本说明书中的各个实施例均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的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本发明所提供的一种信号处理方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种信号处理方法，其特征在于，包括：

截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；

对获取的所述分帧对应的信号进行小波去噪处理；

计算进行小波去噪处理后的信号的均峰比；

在所述均峰比满足设定均峰比阈值时，对所述进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；

计算所述小波包分解后的信号的短时能量，以及计算所述小波包分解后的信号的小波近似熵；

依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号。

2.根据权利要求1所述的方法，其特征在于，所述依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号的步骤包括：

判断所述短时能量与设定的短时能量阈值的大小，以及所述小波近似熵与设定的小波近似熵阈值的大小；

当所述短时能量大于所述设定的短时能量阈值，且所述小波近似熵小于所述设定的小波近似熵阈值时，确定截取的分帧对应的信号为入侵信号。

3.根据权利要求1或2所述的方法，其特征在于，所述对截取的所述分帧对应的信号进行小波去噪处理的步骤包括：

确定进行小波去噪处理的最佳软阈值；

将获取的所述信号中的各数据点的信号强度值与所述最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

4.根据权利要求3所述的方法，其特征在于，所述计算进行小波去噪处理后的信号的均峰比步骤包括：

依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。

5.根据权利要求3所述的方法，其特征在于，所述计算所述小波包分解后的信号的短时能量的步骤包括：

依据所述小波包分解后的信号中的各数据点的信号强度值、以及所述小波包分解后的信号中的各数据点的信号强度的平均值，计算所述小波包分解后的信号的短时能量。

6.根据权利要求3所述的方法，其特征在于，所述计算所述小波包分解后的信号的小波近似熵的步骤包括：

确定所述小波包分解后的信号中信号强度值最大的数据点；

以所述数据点的位置为中心，分别提取距离所述中心的设定个数的数据点；

将所述提取的数据点以及所述信号强度值最大的数据点对应的信号强度值组成序列，采用所述序列计算所述小波包分解后的信号的小波近似熵。

7.一种信号处理装置，其特征在于，包括：

获取模块，用于截取接收到的信号帧中设定时间长度的分帧，获取截取的分帧对应的信号；

第一处理模块，用于对获取的所述分帧对应的信号进行小波去噪处理；

第二处理模块，用于计算进行小波去噪处理后的信号的均峰比；

第三处理模块，用于在所述均峰比满足设定均峰比阈值时，对所述进行小波去噪处理后的信号按照设定频带宽度进行小波包分解，得到小波包分解后的信号；

第四处理模块，用于计算所述小波包分解后的信号的短时能量，以及计算所述小波包分解后的信号的小波近似熵；

确定模块，用于依据所述短时能量以及所述小波近似熵确定截取的分帧对应的信号是否为入侵信号。

8.根据权利要求7所述的装置，其特征在于，所述确定模块包括：

判断模块，用于判断所述短时能量与设定的短时能量阈值的大小，以及所述小波近似熵与设定的小波近似熵阈值的大小；

入侵信号确定模块，用于当所述短时能量大于所述设定的短时能量阈值，且所述小波近似熵小于所述设定的小波近似熵阈值时，确定截取的分帧对应的信号为入侵信号。

9.根据权利要求7或8所述的装置，其特征在于，所述第一处理模块包括：

最佳软阈值确定模块，用于确定进行小波去噪处理的最佳软阈值；

比对模块，用于将获取的所述信号中的各数据点的信号强度值与所述最佳软阈值进行比对，依据比对结果确定进行小波去噪处理后的各数据点的信号强度值。

10.根据权利要求9所述的装置，其特征在于，所述第二处理模块计算进行小波去噪处理后的信号的均峰比时：

依据进行小波去噪处理后的信号中的最大信号强度值、以及进行小波去噪处理后的信号的有效信号强度值，计算进行小波去噪处理后的信号的均峰比。