CN106646377B - 基于时间序列相似搜索的震动目标定位方法 - Google Patents
基于时间序列相似搜索的震动目标定位方法 Download PDFInfo
- Publication number
- CN106646377B CN106646377B CN201611249449.7A CN201611249449A CN106646377B CN 106646377 B CN106646377 B CN 106646377B CN 201611249449 A CN201611249449 A CN 201611249449A CN 106646377 B CN106646377 B CN 106646377B
- Authority
- CN
- China
- Prior art keywords
- time series
- data
- matched
- signal
- vibration
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 142
- 230000004807 localization Effects 0.000 title claims abstract description 30
- 230000035939 shock Effects 0.000 claims abstract description 90
- 230000008569 process Effects 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000001360 synchronised effect Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 43
- 238000007781 pre-processing Methods 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 241001269238 Data Species 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 4
- 239000002344 surface layer Substances 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000013461 design Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于时间序列相似搜索的震动目标定位方法，包括步骤：一、震动信号采集及同步上传：采用G个震动检测装置对待分析处理周期内待检测区域的地面震动信号分别进行采集并同步传送；二、地面震动信号接收及同步存储；三、地面震动信号处理：301、信号预处理：从所存储的G个待分析地面震动信号中选取两个待分析地面震动信号进行预处理后，获得两个待识别时间序列；302、时间序列相似搜索：调用模式匹配模块对两个待识别时间序列分别进行相似性搜索；四、时延估计；五、震动波形传播速度计算；六、震动目标定位。本发明方法步骤简单、设计合理且实现简便、使用效果好，能简便、快速对震动目标进行定位，并且定位结果准确。
Description
技术领域
本发明属于震动目标定位技术领域，尤其是涉及一种基于时间序列相似搜索的震动目标定位方法。
背景技术
目前，国内外针对震动目标定位问题有很多研究成果，有源定位和无源定位是目标定位方面常用的两种定位方式。其中，有源定位方式是指采用有源设备定位跟踪目标，例如激光、雷达等设备，这种定位方式可以获得较高的定位精度，但是因其发射的信号而容易将自身的位置信息暴露给敌方，并且这种方式的能量损耗较高。无源定位方式是指通过检测目标自身发射的信号来锁定目标位置信息，这种方式克服了有源定位方式的缺陷，在实际应用中发挥较好的作用。常用的无源定位算法有接收信号强度指示法(Received SignalStrength Indication,RSSI)、到达方位角法(Angle of Arrival,AOA)、到达时间法(Timeof Arrival,TOA)和到达时间差法(Time Difference of Arrival,TDOA)。
在实际应用中，使用震动传感器进行周界入侵目标定位的精度并不理想，实现震动目标高精度的定位是目前研究的热点和难点。到达时间差定位方法(TDOA)在震动目标定位方面具有优势，是目前震动目标定位常用的方法。时延估计是到达时间差定位方法的关键环节，时延估计的准确性直接影响到目标位置估计的精确性。在时延估计方面，国内外已经有一定的研究成果，但是在实际应用中的应用效果并不好，时延估计误差大，结果造成较大的定位误差。由于震动波的传播速度是根据波形到达不同传感器的时间差计算得到的，时间差估计的准确性影响震动波传播速度的准确性；地质环境复杂多变，震动波在地表中传播受地质条件影响，传播速度或快或慢，这对定位精度造成了很大影响。
现如今，时延估计常用的方法有广义互相关法、高阶累计量法等。其中，广义互相关法需要先验知识，信噪比和多径传播对时延估计性的影响较大。高阶累积量法受信号数据长度的影响较大，并且使用该方法进行时延估计的计算量较大；若震动信号中存在非高斯噪声，使用高阶累积量估计时延的效果也会大打折扣。另外，基本互相关法是广义互相关法的理论基础，互双谱法是高阶累积量常用的方法，经研究上述常用的时延估计方法的优缺点详见表1：
表1 常用时延估计方法优缺点对比表
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于时间序列相似搜索的震动目标定位方法，其方法步骤简单、设计合理且实现简便、使用效果好，能简便、快速对震动目标进行定位，并且定位结果准确。
为解决上述技术问题，本发明采用的技术方案是：一种基于时间序列相似搜索的震动目标定位方法
基于时间序列相似搜索的震动目标定位方法，其特征在于，该方法包括以下步骤：
步骤一、震动信号采集及同步上传：采用G个震动检测装置且均按照预先设定的采样频率fs，对待分析处理周期内待检测区域的地面震动信号分别进行采集，并将各采样时刻所采集的地面震动信号均同步传送至数据处理器；其中，G为正整数且G≥2；
所述待分析处理周期内待检测区域上存在一个震动目标且该震动目标为待定位震动目标，所述待分析处理周期为T，其中T＝N·ts，N为正整数且N≥100，ts为所述震动检测装置相邻两个采样时刻之间的时间间隔且fs的单位为Hz，ts的单位为s；
每个采样时刻所采集的地面震动信号均为该采样时刻所述震动检测装置所采集的震动幅值，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均包括N个采样时刻该震动检测装置所采集的震动幅值；
步骤二、地面震动信号接收及同步存储：采用所述数据处理器对同步接收的所述待分析处理周期内G个所述震动检测装置所采集的地面震动信号分别进行同步存储，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均为一个待分析地面震动信号；
步骤三、地面震动信号处理：采用所述数据处理器对步骤二中G个所述待分析地面震动信号进行处理，过程如下：
步骤301、信号预处理：从步骤二中G个所述待分析地面震动信号中选取两个所述待分析地面震动信号作为待处理地面震动信号，并调用信号预处理模块，对两个所述待处理地面震动信号分别进行预处理，获得两个待识别时间序列；
对两个所述待处理地面震动信号进行采集的所述震动检测装置均为已选震动检测装置；
步骤302、时间序列相似搜索：先根据预先设定的所述待定位震动目标的类型，从预先建立的模式库中找出所述待定位震动目标的模式数据，所述待定位震动目标的模式数据为待匹配模式数据；再调用模式匹配模块且按照时间先后顺序，由先至后对步骤301中两个所述待识别时间序列分别进行相似性搜索，分别从两个所述待识别时间序列中找出与所述待匹配模式数据匹配的匹配数据，并对从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据分别进行记录；从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据均为一个已匹配时间序列；
所述模式库内存储有三个模式数据，三个所述模式数据分别为跺脚模式数据、车辆经过模式数据A和车辆经过模式数据B，三个所述模式数据均为时间序列；
所述跺脚模式数据为调用步骤301中所述信号预处理模块对跺脚模式采样数据进行预处理后获得的时间序列，所述跺脚模式采样数据包括一个人在待检测区域上进行一次跺脚过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据A为调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理后获得的时间序列，所述车辆经过模式采样数据A包括一辆车向靠近所述震动检测装置一侧行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据B为调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理后获得的时间序列，所述车辆经过模式采样数据B包括一辆车向远离所述震动检测装置行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
其中，N≥n·M，n和M为正整数，n≥10且M≥10；
所述待定位震动目标的类型为跺脚类、车辆经过类A或车辆经过类B，其中当所述待定位震动目标的类型为跺脚类时，所述待定位震动目标的模式数据为跺脚模式数据；当所述待定位震动目标的类型为车辆经过类A时，所述待定位震动目标的模式数据为车辆经过模式数据A；当所述待定位震动目标的类型为车辆经过类B时，所述待定位震动目标的模式数据为车辆经过模式数据B；
步骤四、时延估计：调用时延估计模块，对步骤三中两个所述已匹配时间序列的时间差Δt进行确定；
其中，Δt为步骤301中两个所述已选震动检测装置之间的采样时延；
步骤五、震动波形传播速度计算：调用震动波形传播速度计算模块且根据公式对所述待定位震动目标的震动波形在待检测区域的传播速度v进行计算；公式(1)中，Δd为预先设定的两个所述已选震动检测装置的传播距离差；
步骤六、震动目标定位：根据步骤四中所确定的时间差Δt和步骤五中计算得出的传播速度v，调用TDOA定位模块对所述待定位震动目标进行定位。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤一中多个所述震动检测装置由前至后布设在待检测区域的中部，多个所述震动检测装置均布设在同一直线上；
所述震动检测装置为震动传感器，所述震动传感器埋设于待检测区域的地表层内。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤一中所述的fs＝1kHz，N＝1000，T＝1s；步骤302中所述的M＝55～65。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤一中所述的G≥3；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，从G个所述震动检测装置中选取三个所述震动检测装置进行定位，所选取的三个所述震动检测装置布设在在同一直线上且三者分别为震动检测装置a、震动检测装置b和震动检测装置c，所述震动检测装置a位于震动检测装置b与震动检测装置c之间，所述震动检测装置b和震动检测装置c与所述震动检测装置a之间的距离均为d；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，根据公式和公式对所述待定位震动目标的极坐标(r,θ)进行计算；公式(2)和公式(3)中，Δtab为震动检测装置a与震动检测装置b之间的采样时延，Δtac为震动检测装置a与震动检测装置c之间的采样时延。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤四中所述的Δt为所述待定位震动目标产生的震动信号到达两个所述已选震动检测装置的时间差；
步骤四中调用时延估计模块对两个所述已匹配时间序列的时延Δt进行确定时，根据公式Δt＝Δt12＝|t1-t2|(4)进行计算，公式(4)中，t1和t2分别为两个所述已匹配时间序列中第一个数据的采样时刻。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤302中所述模式匹配模块为子序列相似性匹配模块。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤302中由先至后对两个所述待识别时间序列分别进行相似性搜索时，两个所述待识别时间序列的相似性搜索方法相同；所述待匹配模式数据记作时间序列P，时间序列P＝(M1,M2,M3,…,MM)，Mi为所述待匹配模式数据中的第i个数据点，其中i为数据点Mi的编号，i为正整数且i＝1、2、3、…、M；
对任一个所述待识别时间序列进行相似性搜索时，过程如下：
步骤3021、寻找匹配点：调用所述模式匹配模块且按照时间先后顺序，由先至后对该待识别时间序列进行相似性搜索，直至从该待识别时间序列中找出一个与所述待匹配模式数据匹配的匹配数据；
该待识别时间序列为时间序列S，时间序列S＝(x1,x2,x3,…,xN)，xj为该待识别时间序列中的第j个数据点，其中j为数据点xj的编号，j为正整数且j＝1、2、3、…、N；
本步骤中，所找出的匹配数据为一个时间序列且其记作(xa,xa+1,xa+2,…,xa+M-1)，并将数据点xa作为匹配点，数据点xa的编号为a；
步骤3022、搜索最短距离，包括以下步骤：
步骤30221、搜索范围确定：将步骤3021中所述的a与预先设定的搜索量m进行差值比较，并根据差值比较结果对搜索范围进行确定：当a＜m时，确定搜索范围为x1～xa+m且搜索次数为a+m；当a≥m且n-a≥m时，确定搜索范围为xa-m～xa+m且搜索次数为2m+1；当n-a＜m时，确定搜索范围为xa-m～xN且搜索次数为N-a+m+1；
其中，m为正整数且m＜M；
步骤30222、欧式距离计算：当步骤30221中确定搜索范围为x1～xa+m且搜索次数为a+m时，调用欧式距离计算模块，对时间序列P与a+m个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；a+m个所述待匹配序列分别为以数据点x1、x2、…、xa+m作为起始数据点的时间序列，a+m个所述待匹配序列中的第k1个所述待匹配序列记作k1为正整数且k1＝1、2、3、…、a+m；
当步骤30221中确定搜索范围为xa-m～xa+m且搜索次数为2m+1时，调用所述欧式距离计算模块，对时间序列P与2m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；2m+1个所述待匹配序列分别为以数据点xa-m、…、xa-1、xa、xa+1、…、xa+m作为起始数据点的时间序列，2m+1个所述待匹配序列中的第k2个所述待匹配序列记作k2为正整数且k2＝a-m、a-m+1、…、a+m；
当步骤30221中确定搜索范围为xa-m～xN且搜索次数为N-a+m+1时，所述调用欧式距离计算模块，对时间序列P与N-a+m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；N-a+m+1个所述待匹配序列分别为以数据点xa-m、xa-m+1、xa-m+2、…、xN作为起始数据点的时间序列，N-a+m+1个所述待匹配序列中的第k3个所述待匹配序列记作k3为正整数且k3＝a-m、a-m+1、…、N；
本步骤中，所找出的与时间序列P之间欧式距离最短的待匹配序列记作(xp,xp+1,xp+2,…,xp+M-1)，p为正整数；
步骤30223、最匹配点确定：步骤30222中所找出的待匹配序列中数据点xp为最匹配点，所找出的待匹配序列为从该识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤301中调用信号预处理模块对所述待处理地面震动信号进行预处理时，包括以下步骤：
步骤3011、归一化处理：调用归一化处理模块，对本分析处理周期内所采集的地面震动信号进行归一化处理，将所述地面震动信号中各震动幅值均处理到0～1之间，获得归一化处理后信号；
步骤3012、去噪处理：调用去噪处理模块，对步骤3011中所述归一化处理后信号进行去噪处理，获得去噪后信号；
步骤3013、平滑处理：调用平滑处理模块，对步骤3012中所述去噪后信号进行平滑处理，获得平滑处理后信号；
步骤3014、获取时间序列：调用滑动聚集平均近似PAA法处理模块，对步骤3013中所述平滑处理后信号进行处理，获得本分析处理周期内所采集地面震动信号的时间序列，该时间序列为所述待识别时间序列。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤3012中调用所述去噪处理模块对所述归一化处理后信号进行去噪处理时，按照Haar小波分析处理方法对所述归一化处理后信号进行去噪处理；步骤3013中调用所述平滑处理模块对所述去噪后信号进行平滑处理时，按照五点三次平滑方法对所述去噪后信号进行平滑处理。
上述基于时间序列相似搜索的震动目标定位方法，其特征是：步骤302中调用所述信号预处理模块对跺脚模式采样数据进行预处理时、调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理时和调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理时，按照步骤3011至步骤3014中所述的方法进行预处理。
本发明与现有技术相比具有以下优点：
1、方法步骤简单且实现简便，投入成本较低。
2、设计合理，基于时间序列相似搜索进行时延估计，时间序列数据是指一系列数据的集合，这些数据不是简单的孤立个体，具有二元属性：时间属性和数值属性。地表震动目标的震动数据是一系列与时间相关的数据，符合时间序列数据的特征。对震动数据进行处理时，根据预先建立的模式库，将待分类数据(即待识别时间序列)与待匹配模式数据进行模式匹配，从而得出匹配数据。时间序列相似性匹配分为全序列匹配和子序列匹配，序列匹配是使用相似性度量方法比对两个序列是否相似或者相同从而达到分类和预测的目的。本发明采用子序列匹配进行匹配，并且实际进行匹配时，基于欧式距离进行匹配，当两个序列(即待匹配时间序列与待匹配模式数据)之间的欧式距离小于预先设定的距离判断阈值时，说明两个序列匹配；否则，说明两个序列不匹配，实现简便，能在很短时间内自动完成匹配过程，智能化程度高。
3、使用效果好且实用价值高，使用时间序列相似搜索方法进行时延估计，不受信号互相关性、噪声互相关性和高斯白噪声的影响，改进了现有时延估计的缺陷；并且，根据时延估计得到的震动波传播的时间差并结合震动波形传播速度，完成震动目标位置的确定。本发明使用时间序列预处理方法对震动数据进行预处理，能有效降低环境噪声对信号的干扰。并且，使用时间序列相似性匹配方法进行时延估计时，找到匹配点后便能停止搜索，减少计算量，计算复杂度小。采用本发明进行震动目标位置确定时，与基于广义互相关的时延估计方法比较，目标位置的极径平均误差降低了45.53％，极角平均误差降低了9.80％。由上述内容可知，本发明设计新颖、合理，能有效提高震动目标定位的准确性，实现方便，使用效果好，便于推广使用。
综上所述，本发明方法步骤简单、设计合理且实现简便、使用效果好，能简便、快速对震动目标进行定位，并且定位结果准确。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的装配示意图。
图2为本发明跺脚模式数据的波形示意图。
图3为本发明车辆经过模式数据A的波形示意图。
图4为本发明车辆经过模式数据B的波形示意图。
具体实施方式
如图1所示的一种基于时间序列相似搜索的震动目标定位方法，包括以下步骤：
步骤一、震动信号采集及同步上传：采用G个震动检测装置且均按照预先设定的采样频率fs，对待分析处理周期内待检测区域的地面震动信号分别进行采集，并将各采样时刻所采集的地面震动信号均同步传送至数据处理器；其中，G为正整数且G≥2；
所述待分析处理周期内待检测区域上存在一个震动目标且该震动目标为待定位震动目标，所述待分析处理周期为T，其中T＝N·ts，N为正整数且N≥100，ts为所述震动检测装置相邻两个采样时刻之间的时间间隔且fs的单位为Hz，ts的单位为s；
每个采样时刻所采集的地面震动信号均为该采样时刻所述震动检测装置所采集的震动幅值，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均包括N个采样时刻该震动检测装置所采集的震动幅值；
步骤二、地面震动信号接收及同步存储：采用所述数据处理器对同步接收的所述待分析处理周期内G个所述震动检测装置所采集的地面震动信号分别进行同步存储，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均为一个待分析地面震动信号；
步骤三、地面震动信号处理：采用所述数据处理器对步骤二中G个所述待分析地面震动信号进行处理，过程如下：
步骤301、信号预处理：从步骤二中G个所述待分析地面震动信号中选取两个所述待分析地面震动信号作为待处理地面震动信号，并调用信号预处理模块，对两个所述待处理地面震动信号分别进行预处理，获得两个待识别时间序列；
对两个所述待处理地面震动信号进行采集的所述震动检测装置均为已选震动检测装置；
步骤302、时间序列相似搜索：先根据预先设定的所述待定位震动目标的类型，从预先建立的模式库中找出所述待定位震动目标的模式数据，所述待定位震动目标的模式数据为待匹配模式数据；再调用模式匹配模块且按照时间先后顺序，由先至后对步骤301中两个所述待识别时间序列分别进行相似性搜索，分别从两个所述待识别时间序列中找出与所述待匹配模式数据匹配的匹配数据，并对从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据分别进行记录；从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据均为一个已匹配时间序列；
所述模式库内存储有三个模式数据，三个所述模式数据分别为跺脚模式数据、车辆经过模式数据A和车辆经过模式数据B，三个所述模式数据均为时间序列；
所述跺脚模式数据为调用步骤301中所述信号预处理模块对跺脚模式采样数据进行预处理后获得的时间序列，所述跺脚模式采样数据包括一个人在待检测区域上进行一次跺脚过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据A为调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理后获得的时间序列，所述车辆经过模式采样数据A包括一辆车向靠近所述震动检测装置一侧行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据B为调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理后获得的时间序列，所述车辆经过模式采样数据B包括一辆车向远离所述震动检测装置行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
其中，N≥n·M，n和M为正整数，n≥10且M≥10；
所述待定位震动目标的类型为跺脚类、车辆经过类A或车辆经过类B，其中当所述待定位震动目标的类型为跺脚类时，所述待定位震动目标的模式数据为跺脚模式数据；当所述待定位震动目标的类型为车辆经过类A时，所述待定位震动目标的模式数据为车辆经过模式数据A；当所述待定位震动目标的类型为车辆经过类B时，所述待定位震动目标的模式数据为车辆经过模式数据B；
步骤四、时延估计：调用时延估计模块，对步骤三中两个所述已匹配时间序列的时间差Δt进行确定；
其中，Δt为步骤301中两个所述已选震动检测装置之间的采样时延，且Δt为两个所述已匹配时间序列的采样时间间隔；具体而言，Δt为两个所述已选震动检测装置对所述待定位震动目标的采样时延，两个所述已选震动检测装置对所述待定位震动目标的采样时延为所述待定位震动目标产生的震动信号到达两个所述已选震动检测装置的时间差，因而Δt为所述待定位震动目标产生的震动信号到达两个所述已选震动检测装置的传播时延差值；
步骤五、震动波形传播速度计算：调用震动波形传播速度计算模块且根据公式对所述待定位震动目标的震动波形在待检测区域的传播速度v进行计算；公式(1)中，Δd为预先设定的两个所述已选震动检测装置的传播距离差；
步骤六、震动目标定位：根据步骤四中所确定的时间差Δt和步骤五中计算得出的传播速度v，调用TDOA定位模块对所述待定位震动目标进行定位。
步骤302中从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据为一个时间序列，并且该匹配数据的数据长度与所述模式数据的数据长度相同。
其中，所述跺脚模式采样数据、所述车辆经过模式采样数据A和所述车辆经过模式采样数据B均为一个所述震动检测装置M个连续的采样时刻所采集的震动幅值。
本实施例中，步骤一中所述震动检测装置为震动传感器，所述震动传感器埋设于待检测区域的地表层内。
震动通常是指体积较为庞大的物体发生的短时间的偶尔一次或几次间断式的震动。众所众知，震动传感器是一种能够灵敏地感知地面震动的信息探测器，它通过震动探头拾取地面振动波来探测目标，也称为拾震器。
实际使用时，所述震动传感器与所述数据处理器之间以有线或无线通信方式进行双向通信。本实施例中，所述震动传感器与所述数据处理器之间以无线通信方式进行双向通信。
本实施例中，步骤一中多个所述震动检测装置由前至后布设在待检测区域的中部，多个所述震动检测装置均布设在同一直线上。
本实施例中，步骤一中所述的G＝2。
实际使用时，可根据具体需要，对G的取值大小进行相应调整。
本实施例中，步骤一中所述的fs＝1kHz，N＝1000，T＝1s。
因而，所述待分析处理周期＝1s，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号中均包括该震动检测装置1000个连续的采样时刻所采集的震动幅值。每个所述采样时刻均为一个采样点。
实际使用时，可根据具体需要，对fs和N的取值大小分别进行相应调整。
步骤302中所述的M＝55～65。
本实施例中，M＝60。
实际使用时，可根据具体需要，对M的取值大小进行相应调整。
无论是跺脚还是车辆经过，震动信号中均存在突变信号。采集这两种情况下的震动数据，将这两类模式数据中的突变数据提取出来，并作为这两种类型的原始模式数据，这样做可以忽略次要矛盾而抓住主要特征，对震动目标识别与定位非常有利。
如图2所示，所述跺脚模式数据中所述震动检测装置所采集的震动幅值先逐渐减小再逐渐增大，并且持续时间较短，通常仅有十几个采样时刻。如图3所示，车辆经过模式数据A中起始点的波形幅值比较平缓，随时间的推移，其波形幅值逐渐变大，这种情况是由于车辆向靠近震动传感器一侧驶来，在车辆距离所述震动传感器较远时，采集的信号较为平缓，越靠近所述震动传感器，震动波形就会出现较大变化；如图4所示，从整体看，车辆经过模式数据A的波形幅值从大逐渐变平缓，这种情况是由于车辆远离所述震动传感器产生的。
本实施例中，步骤301中调用信号预处理模块对所述待处理地面震动信号进行预处理时，包括以下步骤：
步骤3011、归一化处理：调用归一化处理模块，对本分析处理周期内所采集的地面震动信号进行归一化处理，将所述地面震动信号中各震动幅值均处理到0～1之间，获得归一化处理后信号；
步骤3012、去噪处理：调用去噪处理模块，对步骤3011中所述归一化处理后信号进行去噪处理，获得去噪后信号；
步骤3013、平滑处理：调用平滑处理模块，对步骤3012中所述去噪后信号进行平滑处理，获得平滑处理后信号；
步骤3014、获取时间序列：调用滑动聚集平均近似PAA法处理模块，对步骤3013中所述平滑处理后信号进行处理，获得本分析处理周期内所采集地面震动信号的时间序列，该时间序列为所述待识别时间序列。
本实施例中，步骤3012中调用所述去噪处理模块对所述归一化处理后信号进行去噪处理时，按照Haar小波分析处理方法对所述归一化处理后信号进行去噪处理；步骤3013中调用所述平滑处理模块对所述去噪后信号进行平滑处理时，按照五点三次平滑方法对所述去噪后信号进行平滑处理。
实际使用时，也可以采用其它类型的去噪处理方法和平滑处理方法。
本实施例中，步骤302中调用所述信号预处理模块对跺脚模式采样数据进行预处理时、调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理时和调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理时，按照步骤3011至步骤3014中所述的方法进行预处理。
步骤3011中归一化处理后，能有效去除数据的异构性。步骤3014中调用滑动聚集平均近似PAA法处理模块，对所述平滑处理后信号进行处理时，按照常规的滑动聚集平均近似PAA(Piecewise Aggregate Approximation)法进行处理，具体是按照常规的滑动聚集平均近似PAA法对所述平滑处理后信号进行表示。滑动聚集平均近似PAA法也称为逐段聚集近似PAA法，为一种时间序列的表示方法。
步骤302中进行时间序列相似搜索的过程，实质上为模式匹配过程，模式匹配是数据结构中字符串的一种基本运算。本实施例中，步骤302中所述模式匹配模块为子序列相似性匹配模块。并且，按照常规的子序列相似性匹配方法进行匹配。其中，对所述待匹配模式数据进行匹配时，以所述待匹配模式数据作为子序列与所述待识别时间序列进行匹配。实际进行匹配时，基于欧式距离进行匹配，当两个序列(即待识别时间序列与所述待模式数据)之间的欧式距离小于预先设定的距离判断阈值时，说明两个序列匹配；否则，说明两个序列不匹配，实现简便。
本实施例中，步骤四中所述的Δt为所述待定位震动目标产生的震动信号到达两个所述已选震动检测装置的时间差；
步骤四中调用时延估计模块对两个所述已匹配时间序列的时延Δt进行确定时，根据公式Δt＝Δt12＝|t1-t2|(4)进行计算，公式(4)中，t1和t2分别为两个所述已匹配时间序列中第一个数据的采样时刻。
由于在实际环境中难免存在各种噪声，这些噪声混杂在采集到的震动数据中，如果使用互相关函数对时延进行估计，该函数的最大峰会淹没在噪声中而不容易被观察出来。在极端情况下互相关函数会出现多个峰值，时延估计会因为多个峰值的出现而难以得到准确的估计值。本发明采用时间序列相似搜索的方法进行时延估计，利用时间序列模式匹配方法计算时延Δt。
采用时间序列相似搜索的方法进行时延估计时，需计算子序列距离，即主模式序列(即所述待识别时间序列)和子序列(即所述待匹配模式数据)之间的最短距离，求解子序列距离是用时间序列相似搜索方法求解时延估计的关键。常规的做法是将子序列同主模式序列逐次求解距离，并记录求解的所有距离，待所有可能的距离求解完毕后，寻找出子序列和主模式序列之间的最短距离，然后再根据求得的最短距离推算出子序列和主模式序列最匹配时的起始点。采用上述常规的做法进行时间序列相似搜索时，完成子序列距离计算，需要的时间复杂度为
本实施例中，步骤302中由先至后对两个所述待识别时间序列分别进行相似性搜索时，两个所述待识别时间序列的相似性搜索方法相同；所述待匹配模式数据记作时间序列P，时间序列P＝(M1,M2,M3,…,MM)，Mi为所述待匹配模式数据中的第i个数据点，其中i为数据点Mi的编号，i为正整数且i＝1、2、3、…、M；
对任一个所述待识别时间序列进行相似性搜索时，过程如下：
步骤3021、寻找匹配点：调用所述模式匹配模块且按照时间先后顺序，由先至后对该待识别时间序列进行相似性搜索，直至从该待识别时间序列中找出一个与所述待匹配模式数据匹配的匹配数据；
该待识别时间序列为时间序列S，时间序列S＝(x1,x2,x3,…,xN)，xj为该待识别时间序列中的第j个数据点，其中j为数据点xj的编号，j为正整数且j＝1、2、3、…、N；
本步骤中，所找出的匹配数据为一个时间序列且其记作(xa,xa+1,xa+2,…,xa+M-1)，并将数据点xa作为匹配点，数据点xa的编号为a；
步骤3022、搜索最短距离，包括以下步骤：
步骤30221、搜索范围确定：将步骤3021中所述的a与预先设定的搜索量m进行差值比较，并根据差值比较结果对搜索范围进行确定：当a＜m时，确定搜索范围为x1～xa+m且搜索次数为a+m；当a≥m且n-a≥m时，确定搜索范围为xa-m～xa+m且搜索次数为2m+1；当n-a＜m时，确定搜索范围为xa-m～xN且搜索次数为N-a+m+1；
其中，m为正整数且m＜M；
步骤30222、欧式距离计算：当步骤30221中确定搜索范围为x1～xa+m且搜索次数为a+m时，调用欧式距离计算模块，对时间序列P与a+m个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；a+m个所述待匹配序列分别为以数据点x1、x2、…、xa+m作为起始数据点的时间序列，a+m个所述待匹配序列中的第k1个所述待匹配序列记作k1为正整数且k1＝1、2、3、…、a+m；
当步骤30221中确定搜索范围为xa-m～xa+m且搜索次数为2m+1时，调用所述欧式距离计算模块，对时间序列P与2m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；2m+1个所述待匹配序列分别为以数据点xa-m、…、xa-1、xa、xa+1、…、xa+m作为起始数据点的时间序列，2m+1个所述待匹配序列中的第k2个所述待匹配序列记作k2为正整数且k2＝a-m、a-m+1、…、a+m；
当步骤30221中确定搜索范围为xa-m～xN且搜索次数为N-a+m+1时，所述调用欧式距离计算模块，对时间序列P与N-a+m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；N-a+m+1个所述待匹配序列分别为以数据点xa-m、xa-m+1、xa-m+2、…、xN作为起始数据点的时间序列，N-a+m+1个所述待匹配序列中的第k3个所述待匹配序列记作k3为正整数且k3＝a-m、a-m+1、…、N；
本步骤中，所找出的与时间序列P之间欧式距离最短的待匹配序列记作(xp,xp+1,xp+2,…,xp+M-1)，p为正整数；
步骤30223、最匹配点确定：步骤30222中所找出的待匹配序列中数据点xp为最匹配点，所找出的待匹配序列为从该识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据。
其中，最匹配点即数据点xp的编号为p。
由上述内容可知，本发明中进行相似性搜索时，由先至后进行相似性搜索，并相应计算得出时间序列S与时间序列P之间的欧式距离D(S,P)，当D(S,P)<ε时，说明时间序列S与时间序列P匹配，记录匹配点的编号a，停止搜索，即出现第一个匹配点就停止搜索，因为再进行搜索对时延估计并没有益处。如果此时进行时延估计，误差很大，因此还需要在匹配点的前m个数据和后m个数据中搜索时间序列S与时间序列P的最短距离，就是所谓的子序列距离。根据最短距离推算出最匹配点，这样得到时延估计才会准确。这种方法的时间复杂度为O(a+2m)，因此，该方法比常规方法的时间复杂度小。其中，ε为预先设定的距离判断阈值且ε＞0。
实际使用时，步骤30221中进行寻找匹配点时，将时间序列P在时间序列S上由前至进行滑动，并计算两个序列的欧式距离D(S,P)，当D(S,P)<ε时，记录匹配点xa，停止滑动；
步骤30222中欧式距离计算时，需要分三种情况进行处理：当a＜m时，说明搜索范围在时间序列S的开头部分，将时间序列P沿时间序列x1、x2、…、xa+m滑动，搜索最短距离，需要滑动a+m个数据点；当a≥m且n-a≥m时，说明搜索范围在时间序列S的中间部分，将时间序列P沿时间序列xa-m、…、xa-1、xa、xa+1、…、xa+m滑动，搜索最短距离，需要滑动2m+1个数据点；当n-a＜m时，说明搜索范围在时间序列S的尾部，将时间序列P沿时间序列xa-m、xa-m+1、xa-m+2、…、xN滑动，搜索最短距离，需要滑动N-a+m+1个数据点。
步骤30223中进行最匹配点确定时，采用最匹配点进行时延估计能有减少时延估计的计算误差，从而提高震动目标定位的准确度。
本实施例中，按照步骤30221至步骤30223中所述的方法，对两个所述待识别时间序列分别进行相似性搜索后，确定两个所述待识别时间序列的最匹配点的编号分别为p1和p2。
并且Δt＝|p1-p2|·ts。
其中，调用所述欧式距离计算模块对两个序列之间的欧式距离进行计算时，为常规的欧式距离计算方法。
并且，具体是n维空间中两点或两个向量之间的欧式距离计算方法。
震动信号在不同地质中的传播速度不同，在一些地质条件下传播的快，而在另一种地质条件下传播速度慢。在实现震动目标定位时，首先要测得所在场地表面震动波的大致传播速度，为震动目标定位做铺垫。
本实施例中，对Δd进行确定时，根据公式Δd＝|d1-d2|进行计算，其中d1表示震动源所处位置与一个所述震动传感器之间的直线距离，d2表示震动源所处位置与另一个所述震动传感器之间的直线距离。因而，Δd为两个所述震动传感器(即两个所述已选震动检测装置)对同一个振动源的传播距离差，即两个所述震动传感器(即两个所述已选震动检测装置)对同一个振动源的传播距离之间的差值。此处，以铅球在某一个位置处(即震动源所处位置)连续原地做自由落体动作产生的震动作为震动源，两个所述震动传感器同时采集该震动信号，为了方便计算震动波的传播速度，将震动源和两个所述震动传感器放置于一条直线上。为了获得较为准确的传播速度，采用多次测量求平均值的方法，计算Δd。
实际使用过程中，为计算简便，由于两个所述已选震动检测装置均为待检测区域中部，Δd为预先设定的两个所述已选震动检测装置之间的直线距离。
本发明中，步骤六中进行震动目标定位时，采用的是常规的TDOA定位方法。
本实施例中，步骤一中所述的G≥3；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，从G个所述震动检测装置中选取三个所述震动检测装置进行定位，所选取的三个所述震动检测装置布设在在同一直线上且三者分别为震动检测装置a、震动检测装置b和震动检测装置c，所述震动检测装置a位于震动检测装置b与震动检测装置c之间，所述震动检测装置b和震动检测装置c与所述震动检测装置a之间的距离均为d；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，根据公式和公式对所述待定位震动目标的极坐标(r,θ)进行计算；公式(2)和公式(3)中，Δtab为震动检测装置a与震动检测装置b之间的采样时延，Δtac为震动检测装置a与震动检测装置c之间的采样时延。
公式(2)和公式(3)中，r为所述待定位震动目标的极径，θ为所述待定位震动目标的极角。
具体而言，Δtab为震动检测装置a与震动检测装置b对所述待定位震动目标的采样时延，震动检测装置a与震动检测装置b对所述待定位震动目标的采样时延为所述待定位震动目标产生的震动信号到达震动检测装置a与震动检测装置b的时间差，因而Δtab为所述待定位震动目标产生的震动信号到达震动检测装置a与震动检测装置b的传播时延差值。
相应地，Δtac为震动检测装置a与震动检测装置c对所述待定位震动目标的采样时延，震动检测装置a与震动检测装置c对所述待定位震动目标的采样时延为所述待定位震动目标产生的震动信号到达震动检测装置a与震动检测装置c的时间差，因而Δtac为所述待定位震动目标产生的震动信号到达震动检测装置a与震动检测装置c的传播时延差值。
对Δtab和Δtac进行确定时，二者的确定方法与步骤四中对步骤301中两个所述已选震动检测装置之间的采样时延Δt的确定方法相同。
其中，对Δtab进行确定时，先按照步骤301中所述的方法，对步骤二中存储的所述震动检测装置a与震动检测装置b所采集的地面震动信号分别进行预处理，并获得两个待识别时间序列；再按照步骤301中所述的方法，对此时获得的两个待识别时间序列分别进行时间序列相似搜索，并获得两个已匹配时间序列，此时所获得的两个已匹配时间序列为与所述震动检测装置a和震动检测装置b对应的已匹配时间序列；Δtab为与所述震动检测装置a和震动检测装置b对应的两个所述已匹配时间序列的时间差，即Δtab为与所述震动检测装置a和震动检测装置b对应的两个所述已匹配时间序列中第一个数据的采样时刻之差，Δtab＝|ta-tb|，ta和tb分别为与所述震动检测装置a和震动检测装置b对应的两个所述已匹配时间序列中第一个数据的采样时刻。
对Δtac进行确定时，先按照步骤301中所述的方法，对步骤二中存储的所述震动检测装置a与震动检测装置c所采集的地面震动信号分别进行预处理，并获得两个待识别时间序列；再按照步骤301中所述的方法，对此时获得的两个待识别时间序列分别进行时间序列相似搜索，并获得两个已匹配时间序列，此时所获得的两个已匹配时间序列为与所述震动检测装置a和震动检测装置c对应的已匹配时间序列；Δtac为与所述震动检测装置a和震动检测装置c对应的两个所述已匹配时间序列的时间差，即Δtac为与所述震动检测装置a和震动检测装置c对应的两个所述已匹配时间序列中第一个数据的采样时刻之差，Δtac＝|ta-tc|，ta和tc分别为与所述震动检测装置a和震动检测装置c对应的两个所述已匹配时间序列中第一个数据的采样时刻。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (10)
1.一种基于时间序列相似搜索的震动目标定位方法，其特征在于，该方法包括以下步骤：
步骤一、震动信号采集及同步上传：采用G个震动检测装置且均按照预先设定的采样频率fs，对待分析处理周期内待检测区域的地面震动信号分别进行采集，并将各采样时刻所采集的地面震动信号均同步传送至数据处理器；其中，G为正整数且G≥2；
所述待分析处理周期内待检测区域上存在一个震动目标且该震动目标为待定位震动目标，所述待分析处理周期为T，其中T＝N·ts，N为正整数且N≥100，ts为所述震动检测装置相邻两个采样时刻之间的时间间隔且fs的单位为Hz，ts的单位为s；
每个采样时刻所采集的地面震动信号均为该采样时刻所述震动检测装置所采集的震动幅值，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均包括N个采样时刻该震动检测装置所采集的震动幅值；
步骤二、地面震动信号接收及同步存储：采用所述数据处理器对同步接收的所述待分析处理周期内G个所述震动检测装置所采集的地面震动信号分别进行同步存储，所述待分析处理周期内每个所述震动检测装置所采集的地面震动信号均为一个待分析地面震动信号；
步骤三、地面震动信号处理：采用所述数据处理器对步骤二中G个所述待分析地面震动信号进行处理，过程如下：
步骤301、信号预处理：从步骤二中G个所述待分析地面震动信号中选取两个所述待分析地面震动信号作为待处理地面震动信号，并调用信号预处理模块，对两个所述待处理地面震动信号分别进行预处理，获得两个待识别时间序列；
对两个所述待处理地面震动信号进行采集的所述震动检测装置均为已选震动检测装置；
步骤302、时间序列相似搜索：先根据预先设定的所述待定位震动目标的类型，从预先建立的模式库中找出所述待定位震动目标的模式数据，所述待定位震动目标的模式数据为待匹配模式数据；再调用模式匹配模块且按照时间先后顺序，由先至后对步骤301中两个所述待识别时间序列分别进行相似搜索，分别从两个所述待识别时间序列中找出与所述待匹配模式数据匹配的匹配数据，并对从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据分别进行记录；从两个所述待识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据均为一个已匹配时间序列；
所述模式库内存储有三个模式数据，三个所述模式数据分别为跺脚模式数据、车辆经过模式数据A和车辆经过模式数据B，三个所述模式数据均为时间序列；
所述跺脚模式数据为调用步骤301中所述信号预处理模块对跺脚模式采样数据进行预处理后获得的时间序列，所述跺脚模式采样数据包括一个人在待检测区域上进行一次跺脚过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据A为调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理后获得的时间序列，所述车辆经过模式采样数据A包括一辆车向靠近所述震动检测装置一侧行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
所述车辆经过模式数据B为调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理后获得的时间序列，所述车辆经过模式采样数据B包括一辆车向远离所述震动检测装置行驶过程中所述震动检测装置M个连续的采样时刻所采集的震动幅值；
其中，N≥n·M，n和M为正整数，n≥10且M≥10；
所述待定位震动目标的类型为跺脚类、车辆经过类A或车辆经过类B，其中当所述待定位震动目标的类型为跺脚类时，所述待定位震动目标的模式数据为跺脚模式数据；当所述待定位震动目标的类型为车辆经过类A时，所述待定位震动目标的模式数据为车辆经过模式数据A；当所述待定位震动目标的类型为车辆经过类B时，所述待定位震动目标的模式数据为车辆经过模式数据B；
步骤四、时延估计：调用时延估计模块，对步骤三中两个所述已匹配时间序列的时间差Δt进行确定；
其中，Δt为步骤301中两个所述已选震动检测装置之间的采样时延；
步骤五、震动波形传播速度计算：调用震动波形传播速度计算模块且根据公式对所述待定位震动目标的震动波形在待检测区域的传播速度v进行计算；公式(1)中，Δd为预先设定的两个所述已选震动检测装置的传播距离差；
步骤六、震动目标定位：根据步骤四中所确定的时间差Δt和步骤五中计算得出的传播速度v，调用TDOA定位模块对所述待定位震动目标进行定位。
2.按照权利要求1所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤一中多个所述震动检测装置由前至后布设在待检测区域的中部，多个所述震动检测装置均布设在同一直线上；
所述震动检测装置为震动传感器，所述震动传感器埋设于待检测区域的地表层内。
3.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤一中所述的fs＝1kHz，N＝1000，T＝1s；步骤302中所述的M＝55～65。
4.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤一中所述的G≥3；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，从G个所述震动检测装置中选取三个所述震动检测装置进行定位，所选取的三个所述震动检测装置布设在在同一直线上且三者分别为震动检测装置a、震动检测装置b和震动检测装置c，所述震动检测装置a位于震动检测装置b与震动检测装置c之间，所述震动检测装置b和震动检测装置c与所述震动检测装置a之间的距离均为d；
步骤六中调用TDOA定位模块对所述待定位震动目标进行定位时，根据公式和公式对所述待定位震动目标的极坐标(r,θ)进行计算；公式(2)和公式(3)中，Δtab为震动检测装置a与震动检测装置b之间的采样时延，Δtac为震动检测装置a与震动检测装置c之间的采样时延。
5.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤四中所述的Δt为所述待定位震动目标产生的震动信号到达两个所述已选震动检测装置的时间差；
步骤四中调用时延估计模块对两个所述已匹配时间序列的时延Δt进行确定时，根据公式Δt＝Δt12＝|t1-t2| (4)进行计算，公式(4)中，t1和t2分别为两个所述已匹配时间序列中第一个数据的采样时刻。
6.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤302中所述模式匹配模块为子序列相似性匹配模块。
7.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤302中由先至后对两个所述待识别时间序列分别进行相似搜索时，两个所述待识别时间序列的相似搜索方法相同；所述待匹配模式数据记作时间序列P，时间序列P＝(M1,M2,M3,…,MM)，Mi为所述待匹配模式数据中的第i个数据点，其中i为数据点Mi的编号，i为正整数且i＝1、2、3、…、M；
对任一个所述待识别时间序列进行相似搜索时，过程如下：
步骤3021、寻找匹配点：调用所述模式匹配模块且按照时间先后顺序，由先至后对该待识别时间序列进行相似搜索，直至从该待识别时间序列中找出一个与所述待匹配模式数据匹配的匹配数据；
该待识别时间序列为时间序列S，时间序列S＝(x1,x2,x3,…,xN)，xj为该待识别时间序列中的第j个数据点，其中j为数据点xj的编号，j为正整数且j＝1、2、3、…、N；
本步骤中，所找出的匹配数据为一个时间序列且其记作(xa,xa+1,xa+2,…,xa+M-1)，并将数据点xa作为匹配点，数据点xa的编号为a；
步骤3022、搜索最短距离，包括以下步骤：
步骤30221、搜索范围确定：将步骤3021中所述的a与预先设定的搜索量m进行差值比较，并根据差值比较结果对搜索范围进行确定：当a＜m时，确定搜索范围为x1～xa+m且搜索次数为a+m；当a≥m且n-a≥m时，确定搜索范围为xa-m～xa+m且搜索次数为2m+1；当n-a＜m时，确定搜索范围为xa-m～xN且搜索次数为N-a+m+1；
其中，m为正整数且m＜M；
步骤30222、欧式距离计算：当步骤30221中确定搜索范围为x1～xa+m且搜索次数为a+m时，调用欧式距离计算模块，对时间序列P与a+m个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；a+m个所述待匹配序列分别为以数据点x1、x2、…、xa+m作为起始数据点的时间序列，a+m个所述待匹配序列中的第k1个所述待匹配序列记作k1为正整数且k1＝1、2、3、…、a+m；
当步骤30221中确定搜索范围为xa-m～xa+m且搜索次数为2m+1时，调用所述欧式距离计算模块，对时间序列P与2m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；2m+1个所述待匹配序列分别为以数据点xa-m、…、xa-1、xa、xa+1、…、xa+m作为起始数据点的时间序列，2m+1个所述待匹配序列中的第k2个所述待匹配序列记作k2为正整数且k2＝a-m、a-m+1、…、a+m；
当步骤30221中确定搜索范围为xa-m～xN且搜索次数为N-a+m+1时，所述调用欧式距离计算模块，对时间序列P与N-a+m+1个待匹配序列之间的欧式距离分别进行计算，并找出一个与时间序列P之间欧式距离最短的待匹配序列；N-a+m+1个所述待匹配序列分别为以数据点xa-m、xa-m+1、xa-m+2、…、xN作为起始数据点的时间序列，N-a+m+1个所述待匹配序列中的第k3个所述待匹配序列记作k3为正整数且k3＝a-m、a-m+1、…、N；
本步骤中，所找出的与时间序列P之间欧式距离最短的待匹配序列记作(xp,xp+1,xp+2,…,xp+M-1)，p为正整数；
步骤30223、最匹配点确定：步骤30222中所找出的待匹配序列中数据点xp为最匹配点，所找出的待匹配序列为从该识别时间序列中找出的与所述待匹配模式数据匹配的匹配数据。
8.按照权利要求1或2所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤301中调用信号预处理模块对所述待处理地面震动信号进行预处理时，包括以下步骤：
步骤3011、归一化处理：调用归一化处理模块，对本分析处理周期内所采集的地面震动信号进行归一化处理，将所述地面震动信号中各震动幅值均处理到0～1之间，获得归一化处理后信号；
步骤3012、去噪处理：调用去噪处理模块，对步骤3011中所述归一化处理后信号进行去噪处理，获得去噪后信号；
步骤3013、平滑处理：调用平滑处理模块，对步骤3012中所述去噪后信号进行平滑处理，获得平滑处理后信号；
步骤3014、获取时间序列：调用滑动聚集平均近似PAA法处理模块，对步骤3013中所述平滑处理后信号进行处理，获得本分析处理周期内所采集地面震动信号的时间序列，该时间序列为所述待识别时间序列。
9.按照权利要求8所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤3012中调用所述去噪处理模块对所述归一化处理后信号进行去噪处理时，按照Haar小波分析处理方法对所述归一化处理后信号进行去噪处理；步骤3013中调用所述平滑处理模块对所述去噪后信号进行平滑处理时，按照五点三次平滑方法对所述去噪后信号进行平滑处理。
10.按照权利要求8所述的基于时间序列相似搜索的震动目标定位方法，其特征在于：步骤302中调用所述信号预处理模块对跺脚模式采样数据进行预处理时、调用步骤301中所述信号预处理模块对车辆经过模式采样数据A进行预处理时和调用步骤301中所述信号预处理模块对车辆经过模式采样数据B进行预处理时，按照步骤3011至步骤3014中所述的方法进行预处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611249449.7A CN106646377B (zh) | 2016-12-29 | 2016-12-29 | 基于时间序列相似搜索的震动目标定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611249449.7A CN106646377B (zh) | 2016-12-29 | 2016-12-29 | 基于时间序列相似搜索的震动目标定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106646377A CN106646377A (zh) | 2017-05-10 |
| CN106646377B true CN106646377B (zh) | 2019-02-22 |
Family
ID=58836160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611249449.7A Expired - Fee Related CN106646377B (zh) | 2016-12-29 | 2016-12-29 | 基于时间序列相似搜索的震动目标定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106646377B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111044975A (zh) * | 2019-12-10 | 2020-04-21 | 北京无线电计量测试研究所 | 一种地震动信号定位方法和系统 |
| CN112305498A (zh) * | 2020-11-09 | 2021-02-02 | 成都信息工程大学 | 一种异构tdoa定位系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102721942A (zh) * | 2012-06-29 | 2012-10-10 | 中国科学院声学研究所 | 楼宇环境下目标的声学定位系统及其方法 |
| CN103544791B (zh) * | 2012-07-10 | 2016-01-20 | 中国矿业大学(北京) | 基于地震波的地下入侵监测系统 |
| CN104880693B (zh) * | 2014-02-27 | 2018-07-20 | 华为技术有限公司 | 室内定位方法和装置 |
| US20150316666A1 (en) * | 2014-05-05 | 2015-11-05 | The Board Of Trustees Of The Leland Stanford Junior University | Efficient Similarity Search of Seismic Waveforms |
| CN105224543A (zh) * | 2014-05-30 | 2016-01-06 | 国际商业机器公司 | 用于处理时间序列的方法和装置 |
-
2016
- 2016-12-29 CN CN201611249449.7A patent/CN106646377B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN106646377A (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106772246B (zh) | 基于声阵列的无人机实时检测和定位系统及方法 | |
| CN109521422A (zh) | 一种基于雷达信号的多目标生命探测方法及探测雷达 | |
| CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
| US8184504B2 (en) | System and method for positioning | |
| CN106019254B (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
| CN108089171B (zh) | 一种针对无人机目标的雷达快速检测方法 | |
| CN107102295A (zh) | 基于glmb滤波的多传感器tdoa无源定位方法 | |
| Saad et al. | Automatic arrival time detection for earthquakes based on stacked denoising autoencoder | |
| CN108828501B (zh) | 在室内声场环境中对移动声源进行实时跟踪定位的方法 | |
| CN105759241A (zh) | 基于时差频差的直接定位方法 | |
| CN108734725A (zh) | 基于高斯过程的概率数据关联滤波扩展目标跟踪方法 | |
| CN110441819A (zh) | 一种基于均值偏移聚类分析的地震初至波自动拾取方法 | |
| CN108957403B (zh) | 一种基于广义互相关的高斯拟合包络时延估计方法及系统 | |
| CN105445699B (zh) | 一种非视距误差消除的测距方法及系统 | |
| CN104570076A (zh) | 一种基于二分法的地震波初至自动拾取方法 | |
| CN106772299B (zh) | 一种基于距离匹配的pd雷达微弱目标动态规划检测方法 | |
| CN106646377B (zh) | 基于时间序列相似搜索的震动目标定位方法 | |
| CN106954190A (zh) | 一种基于指数映射域的wifi室内定位方法 | |
| CN110488273A (zh) | 一种基于雷达的车辆跟踪检测方法及装置 | |
| He et al. | Enhancing seismic p-wave arrival picking by target-oriented detection of the local windows using faster-rcnn | |
| Baggenstoss | Processing advances for localization of beaked whales using time difference of arrival | |
| CN108761384A (zh) | 一种抗差的传感器网络目标定位方法 | |
| CN110133680A (zh) | 一种机载激光测深接收波形有效信号初值确定方法及系统 | |
| CN106353819A (zh) | 一种井中三分量微地震初至拾取方法 | |
| CN109600711B (zh) | 一种基于信道响应频域和空域联合处理的室内定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190222 |