CN105469523A - 抗风雨干扰的光纤周界防护方法 - Google Patents
抗风雨干扰的光纤周界防护方法 Download PDFInfo
- Publication number
- CN105469523A CN105469523A CN201511021769.2A CN201511021769A CN105469523A CN 105469523 A CN105469523 A CN 105469523A CN 201511021769 A CN201511021769 A CN 201511021769A CN 105469523 A CN105469523 A CN 105469523A
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- optical fiber
- length
- sorter
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/02—Mechanical actuation
- G08B13/12—Mechanical actuation by the breaking or disturbance of stretched cords or wires
- G08B13/122—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence
- G08B13/124—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence with the breaking or disturbance being optically detected, e.g. optical fibers in the perimeter fence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种抗风雨干扰的光纤周界防护方法,所述光纤周界防护方法包括以下步骤:(A1)光纤感知外界振动,感知信号传送到主机;(A2)主机采样所述感知信号,并对采样信号有效上升统计;(A3)采用动态均值算法处理有效上升统计后的数据;(A4)对所述数据进行平滑累加;(A5)对平滑累加后的数据进行分段,并对分段信号进行动态修补,使每段包含一个完整动作;(A6)提取动态修补后的分段信号的特征矢量,输入通过已经训练好的分类器,由分类器的输出结果代表的事件模式决定是否报警。本发明具有抗干扰能力强等优点。
Description
技术领域
本发明涉及光纤周界防护,特别涉及具有抗风雨干扰的光纤周界防护方法。
背景技术
随着我国经济和科学技术的不断发展,人们的安全防范意识越来越强,学校周边、住宅小区、工业园区等居住生活的安全防范成为人们越来越关心的问题。不仅如此,油田油库、发电厂、飞机场等复杂环境的周界安全尤为值得关注,对于军事重地、司法监狱、政府机关等关系到国民安全的重要区域安全也提出了更高的要求,因此,一个安全有效的周界安防监测系统尤为重要。
目前市场上周界安防产品种类繁多,比如主动式红外周界安防系统、泄漏电缆式周界安防系统、张力式电子周界安防系统、视频监控周界安防系统等。主动式红外周界安防系统监控距离较短,容易受外部环境气候影响,抗干扰能力差。泄漏电缆式周界安防系统容易被外界非入侵物体的磁场变化影响,引发误报,而且功耗比较大,成本较高。张力式电子周界安防系统控制装置各个点张力相对比较复杂,在安装和维护方面比较困难,限制了作用区域的增大。视频监控周界安防系统若采用定点监控,摄像探头很难覆盖整个安防周界,监控的范围就小;而采用连续扫描,则会浪费大量的资源,而且也容易形成监控盲区。
为解决上述问题,充分利用光纤传感技术灵敏度高、损耗低、抗电磁干扰的优点,基于光纤干涉原理,实现长距离大范围的实时监控。压力、振动通过敷设在物理围界上的光纤(缆)前端传感设备,产生探测信号,经过后端的数据处理和智能识别,对不同的动作进行分类,如攀爬围墙、割据铁丝网、禁行区域内行走等,判断其是否为入侵动作,实现光纤探测周界安防系统的及时预警或实时报警。光纤探测周界安防系统灵敏度高,抗电磁干扰,可用于易燃易爆场所,不怕雷击电闪,方便野外铺设,安装维护方便,满足人们对安全保卫的要求。然而该类系统也存在诸多问题,如:
该类系统本质是对振动信号的监测、处理和分析,目前还存在信号识别的问题。在非恶劣的天气条件和不复杂的环境条件下能够精确判定入侵动作,然而在环境恶劣、干扰较多的条件下,很难精确识别人为入侵。特别是在强风雨天气下,强风雨使光缆振动而产生的信号在强度和频率上和部分人为的入侵动作产生的信号相似,因而会发生很多误报。而要保证下雨时不发生误报,有些人为入侵行为在一般天气条件下又会无法被系统判断为入侵事件。因此,如何精确判断在恶劣天气条件下的人为入侵并且不发生误报是亟待解决的一个问题。
发明内容
为了解决上述现有技术方案中的不足,本发明提供一种有效减少风雨影响的抗风雨干扰的光纤周界防护方法。
本发明的目的是通过以下技术方案实现的:
一种抗风雨干扰的光纤周界防护方法,所述光纤周界防护方法包括以下步骤:
(A1)光纤感知外界振动,感知信号传送到主机;
(A2)主机采样所述感知信号,并对采样信号有效上升统计;
(A3)采用动态均值算法处理有效上升统计后的数据;
(A4)对所述数据进行平滑累加;
(A5)对平滑累加后的数据进行分段,并对分段信号进行动态修补,使每段包含一个完整动作;
(A6)提取动态修补后的分段信号的特征矢量,输入通过已经训练好的分类器,由分类器的输出结果代表的事件模式决定是否报警。
根据上述的光纤周界防护方法,优选地,所述分类器的建立方式为:
依据步骤(A1)-步骤(A6)的方式处理各类干扰和入侵动作的振动信号,提取处理后得到的信号的特征矢量作为分类器的输入,构建基于神经网络的分类器。
根据上述的光纤周界防护方法,优选地,在步骤(A2)中,有效上升统计的方式为:
统计采样信号穿过有效上升电平和噪声容限之和的次数,噪声容限大于最大噪声;有效上升电平的范围在1.548-2.048V,噪声容限的范围在0.06V-1.21V。
根据上述的光纤周界防护方法,优选地,在步骤(A3)中,提取环境当前时刻的前N秒数据来计算其均值,而当均值达到均值阈值时,动态均值算法作用于有效上升统计后的数据,对数据做如下的抑制处理:
均值阈值的范围在3-7,均值参数的范围在1-2,均值=N包数据均值之和/N。
根据上述的光纤周界防护方法,优选地,在步骤(A5)中,信号分段的方式为:
当信号数据大于最小强度阈值时,开始对信号分段;当出现连续小于最小强度阈值的数据个数等于信号间隔长度时,信号分段结束;超过最大长度的信号以最大长度分段;
信号间隔长度是两个分段信号之间的时间间隔;最大长度是一个完整动作产生信号的最大时间,最小强度阈值是外界环境干扰引起的最大振动频率:
信号间隔长度的范围为0.125-0.625s;最大长度的范围是1.25-2.51s。
根据上述的光纤周界防护方法,优选地,在步骤(A5)中,当分段信号的最后一个数据大于最小强度阈值时,该分段信号需要修补:
当修补长度中的数据值等于修补长度中最小的数据值或者小于最小强度时,就补上修补长度中截止到这个数据为止的数据,修补完成;如果到修补长度结束,也找不到满足要求的数据值,就补上修补长度中的所有数据,并强制截断;
修补长度是对分段信号补上后面接下去的数据的最长时间,为最大长度的1/5~1/4;最大长度是一个完整动作产生信号的最大时间,最大长度的范围是1.25-2.51s。
根据上述的光纤周界防护方法,可选地,在步骤(A5)中,对修补后的分段信号进行有效性判断,具体方式为:
若分段信号的持续时间小于有效长度,或者分段信号的最大振动频率小于最大强度阈值,这个分割信号为无效信号;
所述有效长度的范围为0.3-1.5s;最大振动频率的范围为15-25Hz。
根据上述的光纤周界防护方法,优选地,所述特征矢量包括:
信号的时域特征,包括持续时间、有效面积、主峰值、断续时间;
信号的频域特征,对信号进行可变尺度的分解,将具有显著特征的N个频带小波包分解系数作为信号的频域特征。
根据上述的光纤周界防护方法,优选地,构建基于神经网络的分类器,将所需识别的各种干扰和入侵事件进行预分类并确定对应的分类器目标输出,用各个入侵事件的特征矢量构建分类器的训练样本集,训练分类器。
根据上述的光纤周界防护方法,优选地,在步骤(A6)中,提取采样信号的特征矢量,输入已经训练好的分类器,分类器的输出与各种事件的分类器目标输出做对比,当所述分类器的输出与入侵事件的目标输出的误差在预设范围内,该采样信号被判定为该类入侵事件,决定是否产发生报警。
与现有技术相比,本发明具有的有益效果为:
1.采用动态均值算法抑制由于强风雨造成的光缆的振动,并且能够精确地区分与人为入侵动作产生的相似信号,从而拒绝误报的产生,保证准确有效的报警反应;
2.统计采样信号穿过有效上升电平和噪声容限之和的次数,从而滤除噪声,并且显著地减少了数据的处理量,保留有效的数据特征;
3.对信号分段并进行动态修补,以保证信号分割的完整性。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于举例说明本发明的技术方案,而并非意在对本发明的保护范围构成限制。图中:
图1是本发明的光纤周界防护方法的流程图;
图2是根据本发明实施例1中信号分段的流程图;
图3是根据本发明实施例1的分段信号修补的流程图;
图4是根据本发明实施例1数据有效性判断的流程图;
图5是根据本发明实施例2中信号示意图;
图6是根据本发明实施例2的动态均值处理后的信号示意图;
图7是根据本发明实施例2动态修补后的信号示意图。
具体实施方式
图1-7和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案,已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此,本发明并不局限于下述可选实施方式,而仅由权利要求和它们的等同物限定。
实施例1:
图1示意性地给出了本发明实施例1的抗风雨干扰的光纤周界防护方法的流程图,如图1所示,所述光纤周界防护方法包括以下步骤:
(A1)光纤感知外界振动,感知的振动信号传送到主机;
(A2)主机采样所述感知信号,并对采样信号有效上升统计,具体为:
对主机接收到的采集信号进行采样,当采集信号的电压超过3.5V时,报警主机以250kbps采样频率进行信号的采样,一个数据帧为一秒内的数据段。对包含512个采样数据的采样信号进行统计,统计采样信号穿过有效上升电平同时穿过有效上升电平+噪声容限的次数,有效上升电平的范围在1.548V-2.048V,噪声容限的范围在0.06V-1.2V,噪声容限必须设置得比最大噪声稍大。512个统计的次数作为一个数据帧,大约1.05秒。这样进行的有效上升统计处理后的数据量比原来大大减少,为信号的后续处理提供了很大的方便,同时避免了光学噪声产生的干扰,但仍保留了原始振动信号的时频域特征。
(A3)采用动态均值算法处理有效上升统计后的数据,具体为:
采用动态均值算法处理有效上升统计后的数据,提取环境当前时刻的前N秒数据来计算其均值,在一般无干扰源的环境下,其均值会非常小甚至接近于0,在这个时候算法不发生作用;而当均值达到均值阈值时,动态均值算法作用于有效上升统计后的数据,对数据做如下的抑制处理:
其中,均值阈值范围在3-7,均值参数范围在1-2,均值=N包数据均值之和/N。如果接受到的前后两包数据之间的时间间隔大于2包间隔时间时,进行补零,从而降低环境均值。在强风雨时光缆发生强烈振动,这时环境均值越大,动态均值算法所起的抑制作用越大;
(A4)对所述数据进行平滑累加,具体为:
对经过动态均值算法抑制的数据进行平滑累加,消除不规则的随机干扰信号的影响,累加范围1-25次,对累加范围内的数据取其平均,这样做会提高信号数据曲线的光滑度,使信号特征更加明显;
(A5)对平滑累加后的数据进行分段,具体为:
图2示意性地给出了本发明实施例1的信号分段的流程图,如图1所示,所述信号分段的具体方式为:
通过信号预处理参数(信号间隔长度,最大长度,最小强度阈值)对信号进行分段。定义信号间隔长度是两个分段信号之间的时间间隔,范围为0.125s-0.625s。定义最大长度是一个完整动作产生信号的最大时间,超过最大长度的信号对应的动作是一个持续的行为动作,无需重复截取,只需其中的一段信号来表征这个持续动作,最大长度的范围可以是1.25s-2.5s,最好是2s。定义最小强度阈值是外界环境干扰引起的最大振动频率,小于最小强度阈值的信号数据是干扰数据,范围是1-10。
对平滑累加处理后的信号数据进行分段,当有信号数据大于最小强度阈值时,开始对信号分段。当出现连续小于等于最小强度阈值的数据个数等于信号间隔长度时,即一个动作隔了一段时间之后发生下一个动作,此时这个动作对应的信号分段结束。如果这个动作一直在持续产生振动,没有必要重复截取,以最大长度对信号进行分段。
在分段过程中,根据需要对分段信号进行动态修补,使每段包含一个完整动作,该分段(和可能需要的修补)完成后之后再进行下一个分段,也即分段是按照顺序进行的,而非完成所有分段后再去修补,动态修补具体为:
图3示意性地给出了本发明实施例1的分段信号修补的流程图,如图3所示,所述分段信号修补的具体方式为:
通过修补长度参数对分段信号进行修补判断,以获得完整的分割信号。定义修补长度是对分段信号补上后面接下去的数据的最长时间,为最大长度的1/5~1/4。
发生以下情况时对信号进行修补:分段信号的最后一个数据大于最小强度阈值,此时分段信号对应的动作是一个持续动作中分段得到的信号,但还不足以完整得表征出这个持续动作,需要补上一段数据,从而得到完整信号。
当修补长度中的某个数据值等于修补长度中最小的数据值或者小于等于最小强度时,就补上修补长度中截止到这个数据为止的数据,修补完成;如果到修补长度结束,也找不到满足要求的数据值,就补上修补长度中的所有数据,并强制截断。修补完成,分割出一个完整的信号,足以表征作用在物理围界上的动作产生的振动。
对修补后的分段信号进行有效性判断,具体为:
图4示意性地给出了本发明实施例1的有效性判断的流程图,如图4所示,所述有效性判断的具体方式为:
对完整的分割信号进行有效性判断,通过有效性判断参数(有效长度,最大强度阈值)提取有效信号。定义有效长度是分割信号不得小于的最小时间,如果分割信号的持续时间小于有效长度,这个分割信号持续时间过短,是强风雨等外界突发干扰产生的无效信号,范围在0.3s-1.5s。定义最大强度阈值是分割信号不得小于的最小振动频率,如果分割信号的最大振动频率小于最大强度阈值,这个分割信号是强风雨等外界突发干扰产生的无效信号,范围在15-25。
一个分割信号的持续时间小于有效长度,或者它的最大振动频率小于最大强度阈值,这个分割信号为无效信号,此信号不被采用。同时满足两个有效性判断的分割信号是有效信号,排除了强风雨等外界动作引起的干扰信号,报警主机可以对此信号对应的动作进行有效的判断。
(A6)提取动态修补后的分段信号的特征矢量,输入通过已经训练好的分类器,由分类器的输出结果代表的事件模式决定是否报警。
所述分类器的构建及训练方式为:对各类干扰和入侵动作的振动信号,依据以上步骤(A1)-(A5)的方式处理后得到的有效信号提取特征矢量,作为分类器的输入。对有效信号提取时域特征,包括持续时间即有效信号的长度、有效面积即有效信号的所有数据值总和、主峰值即有效信号的最大数据值、断续时间即有效信号中小于最小强度阈值的样本数据个数。对有效信号提取频域特征,对有效信号进行可变尺度的分解,将最为显著的N个频带小波包分解系数作为信号的频域特征。将时域特征和频域特征构建为后续算法处理的特征矢量,作为分类器的输入。
构建基于神经网络的分类器,将所需进行识别的各种干扰和入侵事件进行预分类并确定对应的分类器目标输出,用各个入事件的特征矢量构建分类器的训练样本集,训练分类器。
提取采样信号的特征矢量,输入通过已经训练好的分类器得到输出,输出与各种事件的分类器目标输出对比,当输出与某个干扰或者入侵事件的目标输出的误差在一定预设范围内,该采样信号即判定为该种事件,系统决定是否产发生报警。
实施例2:
根据本发明实施例1的光纤周界防护方法的应用例。
在本应用例中,光纤周界防护方法具体为:
(A1)安装在围栏上的光缆受到碰撞,前端传感设备感知到的振动信号输出到后端报警主机;后端报警主机对接收到的采集信号进行采样;
(A2)统计信号有效上升的示意图,设置穿越电平2.048V,噪声容限0.12V,每个包含512个采样数据的采样信号的有效上升次数为黑色矩形标记部分,因此得到该信号处理后穿越次数值分别为8、7、6,如图5所示,穿越统计处理后的数据量只有原来的1/512,为信号的后续处理提供了很大的方便。
(A3)对统计有效上升后的数据采用动态均值算法处理,提取环境当前25秒数据来计算其均值,设置均值阈值为4,均值参数为1。此时动态均值算法对暴雨数据进行的抑制作用如图6所示,经有效上升统计后的数据通过计算均值及抑制处理:
得到处理后的信号,暴雨数据被抑制,而无干扰的数据依然保持。
(A4)对经过动态均值算法处理后的数据进行预处理,过程如下:
对数据进行累加平滑算法,累加平滑参数设置为16,即对每16个由以上步骤处理后的数据取其平均值。1秒数据帧就得到32个累加平滑处理的数据。
(A5)设置信号预处理参数(信号间隔长度为0.315s,最大长度2s,最小强度阈值5)对信号进行分段。最大长度2秒可以作为基本的信号长度,满足一个一般性动作的分段。对平滑累加处理后的信号数据进行分段,当有信号数据大于5时,开始对信号分段。当连续小于等于5的数据个数等于0.315s时,即一个动作隔了0.315s之后发生下一个动作,此时这个动作对应的信号分段结束。当这个动作一直在持续产生振动,以2s对信号进行分段。
设置修补长度为最大长度的1/4即0.5s,当分段信号的最后一个数据大于5时,分段信号对应的动作是一个持续动作中分段得到的信号,但还不足以完整得表征出这个持续动作,补上接下去0.5s的信号数据,从而得到完整信号。如果遇到在这0.5s数据中小于等于5的第一个点或者接这0.5s中最小的数据值对应的点,修补结束,获得完整的分割信号。如图7所示,累加平滑处理后的数据经过信号分段和信号修补之后不会出现分割到峰值的情况,信号分段到竖直线,修补后分割出完整信号。
对完整的分割信号进行有效性判断,设置有效性判断参数(有效长度0.3s,最大强度阈值20),提取有效信号。
(A6)提取各类干扰和入侵动作的多个完整信号数据的特征矢量,作为分类器的输入,构建基于神经网络的分类器。提取采样信号的特征矢量,输入通过已经训练好的分类器得到输出,由分类器的输出结果代表的事件模式决定是否报警。
Claims (10)
1.一种抗风雨干扰的光纤周界防护方法,所述光纤周界防护方法包括以下步骤:
(A1)光纤感知外界振动,感知信号传送到主机;
(A2)主机采样所述感知信号,并对采样信号有效上升统计;
(A3)采用动态均值算法处理有效上升统计后的数据;
(A4)对所述数据进行平滑累加;
(A5)对平滑累加后的数据进行分段,并对分段信号进行动态修补,使每段包含一个完整动作;
(A6)提取动态修补后的分段信号的特征矢量,输入通过已经训练好的分类器,由分类器的输出结果代表的事件模式决定是否报警。
2.根据权利要求1所述的光纤周界防护方法,其特征在于:所述分类器的建立方式为:
依据步骤(A1)-步骤(A6)的方式处理各类干扰和入侵动作的振动信号,提取处理后得到的信号的特征矢量作为分类器的输入,构建基于神经网络的分类器。
3.根据权利要求1所述的光纤周界防护方法,其特征在于:在步骤(A2)中,有效上升统计的方式为:
统计采样信号穿过有效上升电平和噪声容限之和的次数,噪声容限大于最大噪声;有效上升电平的范围在1.548-2.048V,噪声容限的范围在0.06V-1.21V。
4.根据权利要求3所述的光纤周界防护方法,其特征在于:在步骤(A3)中,提取环境当前时刻的前N秒数据来计算其均值,而当均值达到均值阈值时,动态均值算法作用于有效上升统计后的数据,对数据做如下的抑制处理:
均值阈值的范围在3-7,均值参数的范围在1-2,均值=N包数据均值之和/N。
5.根据权利要求1所述的光纤周界防护方法,其特征在于:在步骤(A5)中,信号分段的方式为:
当信号数据大于最小强度阈值时,开始对信号分段;当出现连续小于最小强度阈值的数据个数等于信号间隔长度时,信号分段结束;超过最大长度的信号以最大长度分段;
信号间隔长度是两个分段信号之间的时间间隔;最大长度是一个完整动作产生信号的最大时间,最小强度阈值是外界环境干扰引起的最大振动频率:
信号间隔长度的范围为0.125-0.625s;最大长度的范围是1.25-2.51s。
6.根据权利要求1所述的光纤周界防护方法,其特征在于:在步骤(A5)中,当分段信号的最后一个数据大于最小强度阈值时,该分段信号需要修补:
当修补长度中的数据值等于修补长度中最小的数据值或者小于最小强度时,就补上修补长度中截止到这个数据为止的数据,修补完成;如果到修补长度结束,也找不到满足要求的数据值,就补上修补长度中的所有数据,并强制截断;
修补长度是对分段信号补上后面接下去的数据的最长时间,为最大长度的1/5~1/4;最大长度是一个完整动作产生信号的最大时间,最大长度的范围是1.25-2.51s。
7.根据权利要求6所述的光纤周界防护方法,其特征在于:在步骤(A5)中,对修补后的分段信号进行有效性判断,具体方式为:
若分段信号的持续时间小于有效长度,或者分段信号的最大振动频率小于最大强度阈值,这个分割信号为无效信号;
所述有效长度的范围为0.3-1.5s;最大振动频率的范围为15-25Hz。
8.根据权利要求2所述的光纤周界防护方法,其特征在于:所述特征矢量包括:
信号的时域特征,包括持续时间、有效面积、主峰值、断续时间;
信号的频域特征,对信号进行可变尺度的分解,将具有显著特征的N个频带小波包分解系数作为信号的频域特征。
9.根据权利要求8所述的光纤周界防护方法,其特征在于:构建基于神经网络的分类器,将所需识别的各种干扰和入侵事件进行预分类并确定对应的分类器目标输出,用各个入侵事件的特征矢量构建分类器的训练样本集,训练分类器。
10.根据权利要求1所述的光纤周界防护方法,其特征在于:在步骤(A6)中,提取采样信号的特征矢量,输入已经训练好的分类器,分类器的输出与各种事件的分类器目标输出做对比,当所述分类器的输出与入侵事件的目标输出的误差在预设范围内,该采样信号被判定为该类入侵事件,决定是否产发生报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021769.2A CN105469523B (zh) | 2015-12-30 | 2015-12-30 | 抗风雨干扰的光纤周界防护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021769.2A CN105469523B (zh) | 2015-12-30 | 2015-12-30 | 抗风雨干扰的光纤周界防护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105469523A true CN105469523A (zh) | 2016-04-06 |
CN105469523B CN105469523B (zh) | 2017-10-10 |
Family
ID=55607173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511021769.2A Active CN105469523B (zh) | 2015-12-30 | 2015-12-30 | 抗风雨干扰的光纤周界防护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105469523B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869327A (zh) * | 2016-04-20 | 2016-08-17 | 宁波绿阳智汇电气科技有限公司 | 一种光纤振动探测系统及其探测入侵的方法 |
CN105931402A (zh) * | 2016-06-27 | 2016-09-07 | 上海波汇科技股份有限公司 | 基于图像识别的光纤周界入侵监测方法 |
CN106874833A (zh) * | 2016-12-26 | 2017-06-20 | 中国船舶重工集团公司第七0研究所 | 一种振动事件的模式识别方法 |
CN107067608A (zh) * | 2017-05-19 | 2017-08-18 | 中国电子科技集团公司第四十研究所 | 一种基于三级阈值判定的有效振动波形截取方法 |
CN108416953A (zh) * | 2018-03-09 | 2018-08-17 | 北京环境特性研究所 | 一种智能光纤周界报警系统 |
CN108629932A (zh) * | 2018-06-22 | 2018-10-09 | 苏州热工研究院有限公司 | 一种结合区域信息的光纤光栅周界安防系统报警方法 |
CN108919676A (zh) * | 2018-06-27 | 2018-11-30 | 合肥草木蕃景生态科技有限公司 | 一种景区树木防护系统及其控制方法 |
CN114495393A (zh) * | 2022-02-28 | 2022-05-13 | 中国人民公安大学 | 一种基于物联网的地下异常振动安全监测系统 |
CN116189395A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005227808A (ja) * | 2004-02-10 | 2005-08-25 | Mitsubishi Electric Engineering Co Ltd | 検知通報装置 |
CN102968868A (zh) * | 2012-10-31 | 2013-03-13 | 武汉理工光科股份有限公司 | 基于时域包络分析光纤光栅周界入侵行为识别方法及系统 |
CN103236127A (zh) * | 2013-05-06 | 2013-08-07 | 无锡成电光纤传感科技有限公司 | 一种光纤围栏入侵监测系统及其模式识别方法 |
CN103617685A (zh) * | 2013-12-09 | 2014-03-05 | 中国船舶重工集团公司第七〇五研究所 | 一种基于光纤振动传感报警系统的自学习算法 |
CN103956013A (zh) * | 2014-05-04 | 2014-07-30 | 中国电子科技集团公司第四十一研究所 | 一种风雨扰动信号实时判定方法 |
CN104794839A (zh) * | 2015-04-27 | 2015-07-22 | 武汉世纪金桥安全技术有限公司 | 一种基于potdr光纤入侵识别算法 |
CN105095624A (zh) * | 2014-05-15 | 2015-11-25 | 中国电子科技集团公司第三十四研究所 | 一种光纤传感振动信号的识别方法 |
-
2015
- 2015-12-30 CN CN201511021769.2A patent/CN105469523B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005227808A (ja) * | 2004-02-10 | 2005-08-25 | Mitsubishi Electric Engineering Co Ltd | 検知通報装置 |
CN102968868A (zh) * | 2012-10-31 | 2013-03-13 | 武汉理工光科股份有限公司 | 基于时域包络分析光纤光栅周界入侵行为识别方法及系统 |
CN103236127A (zh) * | 2013-05-06 | 2013-08-07 | 无锡成电光纤传感科技有限公司 | 一种光纤围栏入侵监测系统及其模式识别方法 |
CN103617685A (zh) * | 2013-12-09 | 2014-03-05 | 中国船舶重工集团公司第七〇五研究所 | 一种基于光纤振动传感报警系统的自学习算法 |
CN103956013A (zh) * | 2014-05-04 | 2014-07-30 | 中国电子科技集团公司第四十一研究所 | 一种风雨扰动信号实时判定方法 |
CN105095624A (zh) * | 2014-05-15 | 2015-11-25 | 中国电子科技集团公司第三十四研究所 | 一种光纤传感振动信号的识别方法 |
CN104794839A (zh) * | 2015-04-27 | 2015-07-22 | 武汉世纪金桥安全技术有限公司 | 一种基于potdr光纤入侵识别算法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869327A (zh) * | 2016-04-20 | 2016-08-17 | 宁波绿阳智汇电气科技有限公司 | 一种光纤振动探测系统及其探测入侵的方法 |
CN105931402A (zh) * | 2016-06-27 | 2016-09-07 | 上海波汇科技股份有限公司 | 基于图像识别的光纤周界入侵监测方法 |
CN106874833A (zh) * | 2016-12-26 | 2017-06-20 | 中国船舶重工集团公司第七0研究所 | 一种振动事件的模式识别方法 |
CN106874833B (zh) * | 2016-12-26 | 2021-05-28 | 中国船舶重工集团公司第七一0研究所 | 一种振动事件的模式识别方法 |
CN107067608A (zh) * | 2017-05-19 | 2017-08-18 | 中国电子科技集团公司第四十研究所 | 一种基于三级阈值判定的有效振动波形截取方法 |
CN108416953A (zh) * | 2018-03-09 | 2018-08-17 | 北京环境特性研究所 | 一种智能光纤周界报警系统 |
CN108629932A (zh) * | 2018-06-22 | 2018-10-09 | 苏州热工研究院有限公司 | 一种结合区域信息的光纤光栅周界安防系统报警方法 |
CN108919676A (zh) * | 2018-06-27 | 2018-11-30 | 合肥草木蕃景生态科技有限公司 | 一种景区树木防护系统及其控制方法 |
CN108919676B (zh) * | 2018-06-27 | 2021-12-03 | 祁娜 | 一种景区树木防护系统及其控制方法 |
CN114495393A (zh) * | 2022-02-28 | 2022-05-13 | 中国人民公安大学 | 一种基于物联网的地下异常振动安全监测系统 |
CN116189395A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
CN116189395B (zh) * | 2023-04-27 | 2023-07-04 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105469523B (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105469523A (zh) | 抗风雨干扰的光纤周界防护方法 | |
CN104568122B (zh) | 一种分布式光纤振动传感系统扰动事件识别及定位方法 | |
CN102045120B (zh) | 光纤周界系统的振动信号识别方法 | |
CN110087099B (zh) | 一种保护隐私的监控方法和系统 | |
CN101930649B (zh) | 光纤围栏报警系统在恶劣天气条件下防止误报的方法 | |
CN103236127A (zh) | 一种光纤围栏入侵监测系统及其模式识别方法 | |
CN113283476B (zh) | 一种物联网网络入侵检测方法 | |
CN105931402A (zh) | 基于图像识别的光纤周界入侵监测方法 | |
CN105095624A (zh) | 一种光纤传感振动信号的识别方法 | |
WO2020138154A1 (ja) | 光ファイバ信号の特徴に基づき振動を検知及び識別し且つ時空間を特定する方法及びシステム | |
AU2008234405B2 (en) | Method and apparatus for monitoring a structure | |
CN105575024A (zh) | 抗干扰的光纤周界防护系统及方法 | |
CN106600869A (zh) | 一种用于光纤围栏安防系统的围栏入侵识别方法 | |
CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
CN105023379B (zh) | 一种机场光纤周界预警系统的信号识别方法 | |
CN108509850A (zh) | 一种基于分布式光纤系统的入侵信号识别算法 | |
CN107067605A (zh) | 一种分布式光纤围栏振动入侵识别方法 | |
Zhu et al. | Self-learning filtering method based on classification error in distributed fiber optic system | |
CN110033581A (zh) | 基于希尔伯特黄变换和机器学习的机场周界入侵报警方法 | |
CN116838955A (zh) | 一种两阶段的油气管道沿线干扰识别方法 | |
CN110108979A (zh) | 基于opgw的输电线路雷击闪络与非闪络的识别方法 | |
CN106781152A (zh) | 一种光纤光栅围栏入侵报警检测系统及方法 | |
CN111222461A (zh) | 一种光纤振动探测系统入侵信号的识别方法 | |
CN104346528A (zh) | 一种基于波形特征统计的有效振动数据截取方法 | |
CN108280950B (zh) | 一种基于高频能量分布的防区型光纤周界防护算法 |
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 | ||
GR01 | Patent grant |