CN105654645A - 一种光纤安防信号处理方法及系统 - Google Patents

Abstract

本发明公开了一种光纤安防信号处理方法及系统，包括以下步骤：S100：获取光纤布控区域内光信号的相位差异；S200：将相位差异转变为幅值差异，获得时域分析信号包；S300：得到事件信号；S400：提取所述事件信号的交流部分，获取事件信号的时域信号；S500：对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号；S600：根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构为一个数据包；S700：对所述数据包进行聚类分析，构建特征模板；S800：根据所述特征模板判断是否存在人为入侵。本发明降低了误报率。

Description

一种光纤安防信号处理方法及系统

技术领域

本发明属于安防领域，特别涉及一种光纤安防信号处理方法及系统。

背景技术

周界安防系统在国防和民用领域都具有非常重要的应用，它主要用于边境线、军事基地、仓库、营房、政府设施、机场、核电站以及监狱等重要区域的周界入侵监测。目前的周界安防技术主要有泄漏电缆、微波对射、红外对射以及光纤传感技术等。光纤周界安防系统是一种对威胁区域安全的突发事件进行监控和警报的现代防御体系，是基于分布式光纤传感技术应用于周界监控防护的新系统。由于光纤及光纤传感器具有体积小、重量轻、抗干扰能力强、灵敏度高、工作可靠性高、成本低廉以及无需外场供电等优点同时还可作为信号传输通道的特点让其在其他周界安防技术中脱颖而出。在实际工程应用中，传感光纤大多数是裸露在外界环境中，这种设计独特的传感光纤对运动、压力和振动非常敏感。它可沿这围栏、围墙铺设来探测攀爬和敲击，也可铺设在土壤草坪下探测踩踏。但光纤的高灵敏度必然带来系统的大量的报警，而基于时域信号能量的分析体系不足以区分大量事件预警，从而导致较高的误报率。已有技术中一般是取各种时频特性构造。环境产生较大变化时，安防系统性能大打折扣。市场上一般光纤周界安防系统数据包完全没有规律性，数据包并没有去验证。

发明内容

针对现有技术的缺陷，本发明提供了一种光纤安防信号处理方法及系统。

一种光纤安防信号处理方法，包括以下步骤：S100：获取光纤布控区域内光信号的相位差异；S200：将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包；S300：以预设的时间跨度划分所述时域分析信号包，得到事件信号；S400：提取所述事件信号的交流部分，获取事件信号的时域信号；S500：对所述时域信号进行快速傅立叶变换获得事件信号的频域信号；S600：根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包；S700：对所述数据包进行聚类分析，构建特征模板；S800：根据所述特征模板判断是否存在人为入侵。

一种光纤安防信号处理系统，包括以下模块：相位差异获取模块，用于获取光纤布控区域内光信号的相位差异；时域分析信号包获取模块，用于将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包；划分模块，用于以预设的时间跨度划分所述时域分析信号包，得到事件信号；第一获取模块，提取所述事件信号的交流部分，获取事件信号的时域信号；第二获取模块，用于对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号；重构模块，用于根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包；特征模板构建模块，用于对所述数据包进行聚类分析，构建特征模板；判断模块，用于根据所述特征模板判断是否存在人为入侵

本发明的有益效果是：本发明在充分分析人类行为特征的基础上，提出一种基于时域去噪，频域滤波的信号识别新方法。在保证不漏报的情况下，收集绝大多数事件信号，通过时域去噪、频域滤波压缩提取具有代表性的频域特征，然后通过与聚类分析构建的各类事件模板进行相似性分析。本发明在保证识别时间和报警率的情况下，降低误报率，为光纤周界安防系统提供重要的支撑。

附图说明

图1是本发明光纤安防信号处理方法的流程图；

图2是步骤S500的流程图；

图3是步骤S700的流程图；

图4是本发明光纤安防信号处理系统的结构示意图。

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，下面结合附图对本发明的具体实施方式做详细的说明，使本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按比例绘制附图，重点在于示出本发明的主旨。

实施例1

首先对本发明的光纤安防信号处理方法做介绍，请参阅图1，本发明的安防信号处理方法在充分分析人类行为特征的基础上，提出了一种基于时域去噪，频域滤波的信号识别方法，收集绝大多数事件信号，通过时域去噪、频域滤波压缩提取具有代表性的频域特征，然后通过与聚类分析构建的各类事件模板进行相似性分析，从而判断是否发生入侵事件。

S100：获取光纤布控区域内光信号的相位差异。可以通过M-Z型干涉仪获取所述光信号的相位差异，使用M-Z型光纤周界安防系统实时反馈布控区域内的光信号。如果光信号相位出现异常波动，则认为有事件发生。

S200：将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包。当有事件发生时，光传感单元(M-Z型)按时间上的采样率将光信号相位的差异转变成电信号上幅值的差异，获得时域分析信号包。

S300：以预设的时间跨度划分所述时域分析信号包，得到事件信号。时域预处理：当光纤相位产生瞬时异动的时候，通过分析通常持续时间不到1秒。相对应的，人的瞬时行为和自然现象的瞬时效应对光纤相位的影响持续是相近的。但是，从人体力学的角度分析，人的瞬时行为是在一定适用范围内的。如人平均一分钟正常行走60～80步。按100米的距离进行奔跑分析，人的步伐为60步左右，奔跑时间为12秒左右。1秒钟内人的出拳次数在5次左右。从最短受力时间来说，人的行为是有趋势的，受限于身体各部分肌肉与骨骼的力学特性，这一切都无法超出肢体动作的速度和频率的能力限度。所以，人对光纤作用的影响从力量速度而言，取决于动作的方向和动作轨迹；从频率而言，取决于动作的部位和方式。人的行为通常是一连串动作，从整体上分析，自然环境的干扰也可能是不连续，间断的一连串干扰。动物的干扰也因符合肌肉与骨骼的力学特性属于一段范围内的速度与频率。从力学角度上分析，要持续保持受力，就必须持续有力做功。而持续做功的典型为机器振动，异常的自然环境。所以从时域上分析，用于实现光纤周界安防的时间分析上限可以为10s。同时从工程实践的领域分析，一个预警系统需要在最短时间内区分触发的事件。充分考虑工程中人行为的特性，大致将单个时域分析信号包划为0.1～1s。通过实验测试不同时间跨度的事件数据包，本发明发现入侵行为中数据包时间跨度为0.25秒左右的时候实际区分度最高。所以本发明建立以0.25秒做为事件数据分析时间跨度的时域体系。

S400：提取所述事件信号的交流部分，获取事件信号的时域信号。采集到的事件信号中会存在一些直流信号，在事件分析中只需要提取信号交流部分特征，因此需要通过算法将信号中的直流信号滤除。每帧信号定义为S_i(n)，定义信号均值为：

$\stackrel{\‾}{S_i}=\[\underset{n=0}{\overset{N}{\mathrm{\Σ}}}{s}_i\left(n\right)\]/n$

令直流信号分量部分为则交流部分为同时，入侵信号大致在100KHz以内。通过对事件信号降采样。降采样得到压缩后的数据包。

S500：对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号。由于人为入侵信号与环境噪声的时域波形的能量和过零率上有一些差别，因此本发明根据信号的短时过零率和短时能量大小来提取事件信号的时域特征。如图2所示，其包括以下步骤：

S501：计算短时能量和短时过零率。定义接收到的时域信号为S_i(n)，每帧信号短时能量为

$E_i=\underset{n=0}{\overset{N}{\mathrm{\Σ}}}\left|S_i\left(n\right)\right|$

设每帧的短时过零率为

$Z_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\left|\mathrm{sgn}\[S_i\left(n\right)\]-\mathrm{sgn}\[S_i\left(n-1\right)\]\right|$

计算环境噪声的短时能量和短时过零率，假设前10帧信号为环境噪声，首先求出每帧噪声的均方差，将这10个均方差的均值作为信号短时过零率的直流偏置。求出前10帧的短时能量和短时过零率的均值Z_mean；、E_mean和标准差Z_std、E_std，就可以得到其初始值Z₀＝Z_mean+2*Z_std和E₀＝E_mean+2*E_std,设置两个系数E_coef和Z_coef作为阈值，改变两个系数值用于调节系统的灵敏度。

S502：每过预设时间，重复步骤S501，只计算小于阈值的帧，修改阈值；预设的时间可以是1小时、1天等。

S503：提取出事件信号的时域信号x(n)。若此时有一帧信号S_i(n)被判定为入侵信号，取出该帧信号的前一帧S_i-1(n)平分为5个子帧，从后往前分别计算这几个子帧的短时能量。取出子帧中短时能量大于阈值的几个子帧，作为该次入侵信号的起点。同样的方法找出入侵信号的终点。提取出信号x(n)。

S504：频域特征处理：在事件信号在时域上提取特征后，事件信号再通过FFT变换，再将频域数据归一化，作为频域特征。对时域信号x(n)做傅里叶变换得出频域特性：

$X\left(k\right)={\mathrm{\Σ}}_{n=0}^{N-1}x\left(n\right)W_N^{kn},k=0,1,\mathrm{2...},N-1;W_N=e^{-j\frac{2\mathrm{\π}}{N}}$

然后对频域信号进行归一化：

$X_{norm}\left(k\right)=\frac{X\left(k\right)-X{\left(k\right)}_{\min }}{X{\left(k\right)}_{\max }-X{\left(k\right)}_{\min }}$

S600：根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包。时域特征取时域信号的最大值、最小值和均值作为时域特征；频域特征通过聚类分析对比模板可以选取差异率较大的1KHz以内的频域信号作为频域特征。

S700：对所述数据包进行聚类分析，构建特征模板。在系统正式使用前，聚合大量事件的特征进行聚类分析，通过聚类分析构建出各种类别的特征模板。再将各个类别的模板分成2类：一类为人为；一类为非人为。本发明将每一个入侵信号的时频特征数据看作一组向量。应用K均值聚类方法找出每类入侵信号一个或几个模版向量，请参阅图3。

S701：根据实际情况确定分类数k，从n个数据对象选择2个距离最大的对象x_i1，x_i2作为聚点；

S702：选择第3个聚点x_i3，满足如下关系：

min{d(x_i3，x_ir)}＝max{min{d(x_j，x_ir)}}

其中：r＝1，2；j≠i₁，i₂；

S703：重复步骤S702直到选择出第k个聚点X_ik，得到k个初始聚点的集合：

$L^{\left(0\right)}=\{x_1^{\left(0\right)},x_2^{\left(0\right)},\mathrm{...},x_k^{\left(0\right)}\}$

分类原则记为：

$G_i^{\left(0\right)}=\{x:d\left(x,x_1^{\left(0\right)}\right)\≤d\left(x,x_j^{\left(0\right)}\right)\}$

于是，将样品分成不相交的k类，得到一个初始分类：

$G^{\left(0\right)}=\left\{G_0^{\left(0\right)},G_2^{\left(0\right)},\mathrm{...},G_k^{\left(0\right)}\right\}$

S704：根据初始分类重新计算聚点，规则如下：

$x_i^{\left(1\right)}=\frac{1}{n_i}\underset{x_i\∈G_i^{\left(0\right)}}{\mathrm{\Σ}}{x}_i,i=1,2,\mathrm{...},k$

S705：重复步骤S704m次后，当前分类G^(m)与前次分类G^(m-1)相等时，即G^(m)＝G^(m-1)时，则计算结束；

S706：将作为一组模版保存下来。

S800：根据所述特征模板判断是否存在人为入侵。将实时数据与特征模版对比相似度，取相似度最大的类别模板。然后再判断模板是属于人为还是非人为。以此作为输出，人为生成报警信号，非人为生成提示信号。由于余弦相似度越大，则表明入侵信号于模版的相似度越高。计算入侵信号x与模版之间的余弦相似度:

${\mathrm{xcor}}_i=\frac{x\·x_i^{\left(m\right)}}{\sqrt{x^2}\·\sqrt{x_i^{{\left(m\right)}^2}}},i=1,2,\mathrm{...},k$

得到一组余弦相似度数组xcor。因此求出xcor中最大值xcor_i和类别i，并将该入侵信号作为第i类入侵信号。

实施例2

相应的，如图4所示，本发明还提供了一种光纤安防信号处理系统，包括以下模块：相位差异获取模块，用于获取光纤布控区域内光信号的相位差异；时域分析信号包获取模块，用于将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包；划分模块，用于以预设的时间跨度划分所述时域分析信号包，得到事件信号；第一获取模块，提取所述事件信号的交流部分，获取事件信号的时域信号；第二获取模块，用于对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号；重构模块，用于根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包；特征模板构建模块，用于对所述数据包进行聚类分析，构建特征模板；判断模块，用于根据所述特征模板判断是否存在人为入侵。

本发明根据人体工程学理论上制订了一个合理的数据包时间跨度划分算法，并反复实验验证实践过程中合适的数据包时间跨度。构造数据特征模板，不断收集各种事件模板；在实际项目中保护周界安全，根据实际环境调节使用的模板。如果产生异常环境时，系统已存不常见的非人为或者人为特征模板可以保证并克服恶劣环境。

在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (10)

1.一种光纤安防信号处理方法，其特征在于，包括以下步骤：

S100：获取光纤布控区域内光信号的相位差异；

S200：将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包；

S300：以预设的时间跨度划分所述时域分析信号包，得到事件信号；

S400：提取所述事件信号的交流部分，获取事件信号的时域信号；

S500：对所述时域信号进行快速傅立叶变换获得事件信号的频域信号；

S600：根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包；

S700：对所述数据包进行聚类分析，构建特征模板；

S800：根据所述特征模板判断是否存在人为入侵。

2.根据权利要求1所述的光纤安防信号处理方法，其特征在于，通过M-Z型干涉仪获取所述光信号的相位差异。

3.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述预设的时间跨度为0.1-1S。

4.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述预设的时间跨度为0.25S。

5.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述步骤S400具体包括:每帧事件信号定义为S_i(n)，定义事件信号均值为

$\stackrel{\‾}{S_i}=\[\underset{n=0}{\overset{N}{\Σ}}{s}_i\left(n\right)\]/n$

式中n代表第n各采样点，令直流信号分量部分为

$S_{dc}\left(n\right)=\stackrel{\‾}{S_i}$

则交流部分为

$S_{ac}\left(n\right)=S_i\left(n\right)-\stackrel{\‾}{S_i}.$

6.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述步骤S500具体包括：

S501：接收到的每帧事件信号为S_i(n)，每帧事件信号的短时能量E_i为

$E_i=\underset{n=0}{\overset{N}{\Σ}}\left|S_i\left(n\right)\right|$

设每帧的短时过零率Z_i为

$Z_i=\underset{n=1}{\overset{N}{\Σ}}|\mathrm{sgn}\[S_i\left(n\right)\]-\mathrm{sgn}\[S_i(n-1)\]|,$ 式中sgn为符号函数；

计算环境噪声的短时能量和短时过零率，假设前10帧事件信号为环境噪声，首先求出每帧噪声的均方差，将这10个均方差的均值作为信号短时过零率的直流偏置，求出前10帧的短时能量和短时过零率的均值Z_mean、E_mean和标准差Z_std、E_std，得到其初始值Z₀＝Z_mean+2*Z_std和E₀＝E_mean+2*E_std，设置两个系数E_coef和Z_coef作为阈值，两个阈值用于调节系统灵敏度；

S502：每过预设时间，重复步骤S501，只计算小于阈值的帧，修改阈值；

S503：若此时有一帧信号S_i(n)被判定为入侵信号，取出该帧信号的前一帧S_i-1(n)平分为5个子帧，从后往前分别计算这几个子帧的短时能量，取出子帧中短时能量大于阈值的几个子帧，作为该次入侵信号的起点，同理找出入侵信号的终点，提取出事件信号的时域信号x(n)；

S504：对时域信号x(n)做傅里叶变换得出频域信号：

$X\left(k\right)={\mathrm{\Σ}}_{n=0}^{N-1}x\left(n\right)W_N^{kn},k=0,1,2...,N-1;W_N=e^{-j\frac{2\mathrm{\π}}{N}}$

然后对频域信号进行归一化：

$X_{norm}\left(k\right)=\frac{X\left(k\right)-X{\left(k\right)}_{\min }}{X{\left(k\right)}_{max}-X{\left(k\right)}_{min}}.$

7.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述步骤S600具体包括：将所述时域信号的最大值、最小值和均值作为所述时域特征；通过聚类分析对比模板选取差异率较大的1KHz以内的频域信号作为频域特征。

8.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述步骤S700具体包括：

S701：确定分类数k，从n个数据对象选择2个距离最大的对象x_i1，x_i2作为聚点；

S702：选择第3个聚点x_i3，满足如下关系：

min{d(x_i3，x_ir}＝max{min{d(x_j，x_ir)}}

其中：r＝1，2；j≠i₁，i₂；

S703：重复步骤S702直到选择出第k个聚点X_ik，得到k个初始聚点的集合：

$L^{\left(0\right)}=\{x_1^{\left(0\right)},x_2^{\left(0\right)},...,x_k^{\left(0\right)}\}$

分类原则记为：

$G_i^{\left(0\right)}=\{x:d(x,x_1^{\left(0\right)})\≤d(x,x_j^{\left(0\right)})\}$

于是，将样品分成不相交的k类，得到一个初始分类：

$G^{\left(0\right)}=\{G_1^{\left(0\right)},G_2^{\left(o\right)},...,G_k^{\left(0\right)}\}$

S704：根据初始分类重新计算聚点，规则如下：

$x_i^{\left(1\right)}=\frac{1}{n_i}\underset{x_i\∈G_i^{\left(0\right)}}{\Σ}{x}_i,i=1,2,...,k$

S705：重复步骤S704m次后，得到G^(m)＝G^(m-1)，则计算结束；

S706：将作为一组模版保存下来。

9.根据权利要求1所述的光纤安防信号处理方法，其特征在于，所述步骤S800包括：

计算入侵信号x与模版之间的余弦相似度:

${\mathrm{xcor}}_i=\frac{x\·x_i^{\left(m\right)}}{\sqrt{x^2}\·\sqrt{x_i^{{\left(m\right)}^2}}},i=1,2,...,k$

得到一组余弦相似度数组xcor,求出xcor中最大值xcor_i和类别i，并将该入侵信号作为第i类入侵信号。

10.一种光纤安防信号处理系统，其特征在于，包括以下模块：

相位差异获取模块，用于获取光纤布控区域内光信号的相位差异；

时域分析信号包获取模块，用于将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得时域分析信号包；

划分模块，用于以预设的时间跨度划分所述时域分析信号包，得到事件信号；

第一获取模块，提取所述事件信号的交流部分，获取事件信号的时域信号；

第二获取模块，用于对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号；

重构模块，用于根据所述时域信号和频域信号获取所述事件信号的时域特征和频域特征，重构所述频域特征和时域特征为一个数据包；

特征模板构建模块，用于对所述数据包进行聚类分析，构建特征模板；

判断模块，用于根据所述特征模板判断是否存在人为入侵。