CN106815956A - 一种基于二维矩阵特征识别的振动信号识别算法 - Google Patents

一种基于二维矩阵特征识别的振动信号识别算法 Download PDF

Info

Publication number
CN106815956A
CN106815956A CN201710147631.XA CN201710147631A CN106815956A CN 106815956 A CN106815956 A CN 106815956A CN 201710147631 A CN201710147631 A CN 201710147631A CN 106815956 A CN106815956 A CN 106815956A
Authority
CN
China
Prior art keywords
signal
dimensional matrix
surplus
setting
characteristic value
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.)
Pending
Application number
CN201710147631.XA
Other languages
English (en)
Inventor
陈柏
杨建成
张承涛
陈宇
陈嘉琳
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.)
Wuxi Atian Optoelectronics Technology Co Ltd
Original Assignee
Wuxi Atian Optoelectronics Technology Co Ltd
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 Wuxi Atian Optoelectronics Technology Co Ltd filed Critical Wuxi Atian Optoelectronics Technology Co Ltd
Priority to CN201710147631.XA priority Critical patent/CN106815956A/zh
Publication of CN106815956A publication Critical patent/CN106815956A/zh
Pending legal-status Critical Current

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)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明公开了一种基于二维矩阵特征识别的振动信号识别算法，包括步骤数据采集、特征值计算、均值包络线、信号检测、剩余量计算、信号的设定、信号的判别以及信号的对比等。本发明通过将分布式信号先归一化成电信号，并将信号利用二维矩阵计算出特征值，再进行经验模态分解，该组合过程降低了外界环境的干扰，增强信号识别，增加了对原始信号模态分解处理，增加了判断的准确性，同时采用多特征值的检测方式，可消除某一特定特征出现偶然性引起误报的可能，能够准确无误实现入侵报警，本发明算法简单，处理便捷，判断准确，使用安全。

Description

一种基于二维矩阵特征识别的振动信号识别算法
技术领域
本发明涉及振动信号的识别，尤其涉及一种基于二维矩阵特征识别的振动信号识别算法。
背景技术
随着社会经济和科技的发展，人们的安防意识逐步提高，尤其是针对油库、国防、各种化工厂、燃料库、核电站、码头等关系到国民安全的重要领域，随之而来的安防监测设施层出不穷。
相较于传统的安防监测方式，如人工监测、红外对射、电子围栏等众多安防入侵系统，干涉型光纤周界安防系统具有耐高温高压、抗电磁干扰、监测区域大、无漏报、误报 率低等优势，适用于易燃、易爆及潮湿等恶劣环境。干涉型光纤周界安防系统是基于光干涉相位调制技术，将光纤作为传输传感二合一的器件，通过直接接触或承载物如覆土、钢丝网、围栏等接触方式，置于待测环境中，当受到外界振动时，由于光纤的应变效应和光弹效应，传感光纤受到振动信号作用导致光纤自身长度、直径和折射率发生变化，而使光纤中传输的光相位发生变化，通过检测光纤中光波相位的变化可知响应的振动情况。
而传统的识别算法会存在信号识别的问题，尤其是环境恶劣、干扰较多的条件下，很难精确识别人为入侵，为此，我们提出一种基于二维矩阵特征识别的振动信号识别算法，以解决上述背景技术中提到的问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于二维矩阵特征识别的振动信号识别算法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于二维矩阵特征识别的振动信号识别算法，该算法包括以下步骤：
S1、数据采集特征值计算均值包络线信号检测剩余量计算信号的设定信号的判别，从数据采集端读取光纤振动传感器所采集的数据，并进行归一化处理成电信号S（t）；
S2、特征值计算，找出S（t）中局部极大值和局部极小值，并利用二维矩阵中三重特征值的算法算出特征值；
S3、均值包络线，将S2中的特征值进行平均，等到均值包络线M（t）；
S4、将原始信号S（t）与均值包络线相减，得到一个分量H1（t）；
S5、信号检测，检查分量H（t）是否符合IMF条件，如果不符合，则回到步骤S1，并将H（t）当作原始信号进行第二次筛选，得到H2（t），重复筛选N次，直到HN（t）符合IMF条件，即得到一个IMF分量C1（t），即C1（t）=HN（t）；
S6、剩余量计算，将原始信号S（t）减去C1（t，得到剩余量M1（t），然后将M1（t）作为新的信号重复执行以上步骤N次，得到剩余量M1（t）、M2（t）……MN（t），直到MN（t）为单调函数时完成计算；
S7、信号的设定，预先在识别端设定一个稳定信号频率范围，不在这个范围内的信号则为危险信号，并设置报警装置；
S8、信号的判别，利用数学建模建立多特征值得联合：A=b1*A1+b2*A2+……bN*AN,其中A为更具不同信号判断出的信号种类，bN为AN的的贡献率；
S9、信号的对比，将不同的信号种类A与预设的信号做对比，若在预设信号频率范围内，则判断为正常，若不在设定的信号频率范围内，则进行报警提醒。
优选的，在S1中光纤振动传感器所采集的数据频率设置在50-200Hz。
优选的，在S1中归一化处理利用的是IMF技术，且剩余量的计算采用经验模态分解。
优选的，在S7中，信号的设定可以更具季节以及气候的变换来进行调整改变。
本发明提供的一种基于二维矩阵特征识别的振动信号识别算法，通过将分布式信号先归一化成电信号，并将信号利用二维矩阵计算出特征值，再进行经验模态分解，该组合过程降低了外界环境的干扰，增强信号识别，增加了对原始信号模态分解处理，增加了判断的准确性，同时采用多特征值的检测方式，可消除某一特定特征出现偶然性引起误报的可能，能够准确无误实现入侵报警，本发明算法简单，处理便捷，判断准确，使用安全。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种基于二维矩阵特征识别的振动信号识别算法，该算法包括以下步骤：
S1、数据采集特征值计算均值包络线信号检测剩余量计算信号的设定信号的判别，从数据采集端读取光纤振动传感器所采集的数据，并进行归一化处理成电信号S（t）；
S2、特征值计算，找出S（t）中局部极大值和局部极小值，并利用二维矩阵中三重特征值的算法算出特征值；
S3、均值包络线，将S2中的特征值进行平均，等到均值包络线M（t）；
S4、将原始信号S（t）与均值包络线相减，得到一个分量H1（t）；
S5、信号检测，检查分量H（t）是否符合IMF条件，如果不符合，则回到步骤S1，并将H（t）当作原始信号进行第二次筛选，得到H2（t），重复筛选N次，直到HN（t）符合IMF条件，即得到一个IMF分量C1（t），即C1（t）=HN（t）；
S6、剩余量计算，将原始信号S（t）减去C1（t，得到剩余量M1（t），然后将M1（t）作为新的信号重复执行以上步骤N次，得到剩余量M1（t）、M2（t）……MN（t），直到MN（t）为单调函数时完成计算；
S7、信号的设定，预先在识别端设定一个稳定信号频率范围，不在这个范围内的信号则为危险信号，并设置报警装置；
S8、信号的判别，利用数学建模建立多特征值得联合：A=b1*A1+b2*A2+……bN*AN,其中A为更具不同信号判断出的信号种类，bN为AN的的贡献率；
S9、信号的对比，将不同的信号种类A与预设的信号做对比，若在预设信号频率范围内，则判断为正常，若不在设定的信号频率范围内，则进行报警提醒。
所述的S1中光纤振动传感器所采集的数据频率设置在50-200Hz。
所述的S1中归一化处理利用的是IMF技术，且剩余量的计算采用经验模态分解。
所述的S7中，信号的设定可以更具季节以及气候的变换来进行调整改变。
本发明提供的一种基于二维矩阵特征识别的振动信号识别算法，通过将分布式信号先归一化成电信号，并将信号利用二维矩阵计算出特征值，再进行经验模态分解，该组合过程降低了外界环境的干扰，增强信号识别，增加了对原始信号模态分解处理，增加了判断的准确性，同时采用多特征值的检测方式，可消除某一特定特征出现偶然性引起误报的可能，能够准确无误实现入侵报警，本发明算法简单，处理便捷，判断准确，使用安全。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于二维矩阵特征识别的振动信号识别算法，其特征在于，该算法包括以下步骤：
S1、数据采集特征值计算均值包络线信号检测剩余量计算信号的设定信号的判别，从数据采集端读取光纤振动传感器所采集的数据，并进行归一化处理成电信号S（t）；
S2、特征值计算，找出S（t）中局部极大值和局部极小值，并利用二维矩阵中三重特征值的算法算出特征值；
S3、均值包络线，将S2中的特征值进行平均，等到均值包络线M（t）；
S4、将原始信号S（t）与均值包络线相减，得到一个分量H1（t）；
S5、信号检测，检查分量H（t）是否符合IMF条件，如果不符合，则回到步骤S1，并将H（t）当作原始信号进行第二次筛选，得到H2（t），重复筛选N次，直到HN（t）符合IMF条件，即得到一个IMF分量C1（t），即C1（t）=HN（t）；
S6、剩余量计算，将原始信号S（t）减去C1（t，得到剩余量M1（t），然后将M1（t）作为新的信号重复执行以上步骤N次，得到剩余量M1（t）、M2（t）……MN（t），直到MN（t）为单调函数时完成计算；
S7、信号的设定，预先在识别端设定一个稳定信号频率范围，不在这个范围内的信号则为危险信号，并设置报警装置；
S8、信号的判别，利用数学建模建立多特征值得联合：A=b1*A1+b2*A2+……bN*AN,其中A为更具不同信号判断出的信号种类，bN为AN的的贡献率；
S9、信号的对比，将不同的信号种类A与预设的信号做对比，若在预设信号频率范围内，则判断为正常，若不在设定的信号频率范围内，则进行报警提醒。
2.根据权利要求1所述的一种基于二维矩阵特征识别的振动信号识别算法，其特征在于：在S1中光纤振动传感器所采集的数据频率设置在50-200Hz。
3.根据权利要求1所述的一种基于二维矩阵特征识别的振动信号识别算法，其特征在于：在S1中归一化处理利用的是IMF技术，且剩余量的计算采用经验模态分解。
4.根据权利要求1所述的一种基于二维矩阵特征识别的振动信号识别算法，其特征在于：在S7中，信号的设定可以更具季节以及气候的变换来进行调整改变。
CN201710147631.XA 2017-03-13 2017-03-13 一种基于二维矩阵特征识别的振动信号识别算法 Pending CN106815956A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710147631.XA CN106815956A (zh) 2017-03-13 2017-03-13 一种基于二维矩阵特征识别的振动信号识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710147631.XA CN106815956A (zh) 2017-03-13 2017-03-13 一种基于二维矩阵特征识别的振动信号识别算法

Publications (1)

Publication Number Publication Date
CN106815956A true CN106815956A (zh) 2017-06-09

Family

ID=59115175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710147631.XA Pending CN106815956A (zh) 2017-03-13 2017-03-13 一种基于二维矩阵特征识别的振动信号识别算法

Country Status (1)

Country Link
CN (1) CN106815956A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353717A (zh) * 2011-06-28 2012-02-15 哈尔滨工业大学 基于非负张量分解振动特征的钢轨伤损探测装置和方法
CN103617684A (zh) * 2013-12-12 2014-03-05 威海北洋电气集团股份有限公司 干涉型光纤周界振动入侵识别算法
CN105956514A (zh) * 2016-04-15 2016-09-21 南京航空航天大学 一种振动数据驱动的直升机旋翼异常检测方法
CN106204993A (zh) * 2016-08-15 2016-12-07 成都市和平科技有限责任公司 一种居民周界入侵报警系统及其报警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353717A (zh) * 2011-06-28 2012-02-15 哈尔滨工业大学 基于非负张量分解振动特征的钢轨伤损探测装置和方法
CN103617684A (zh) * 2013-12-12 2014-03-05 威海北洋电气集团股份有限公司 干涉型光纤周界振动入侵识别算法
CN105956514A (zh) * 2016-04-15 2016-09-21 南京航空航天大学 一种振动数据驱动的直升机旋翼异常检测方法
CN106204993A (zh) * 2016-08-15 2016-12-07 成都市和平科技有限责任公司 一种居民周界入侵报警系统及其报警方法

Similar Documents

Publication Publication Date Title
Wang et al. Pattern recognition using relevant vector machine in optical fiber vibration sensing system
US11867541B2 (en) Distributed fibre optic sensing
Borate et al. IoT Based Self Alert Generating Coal Miner Safety Helmets
CN103617684B (zh) 干涉型光纤周界振动入侵识别算法
US20080024321A1 (en) Methods, apparatus, and systems for monitoring transmission systems
Lyu et al. Abnormal events detection based on RP and inception network using distributed optical fiber perimeter system
CN118261429B (zh) 施工安全用工程管理方法及系统
WO2019244094A4 (en) Wildfire detection system and method using array of co2 sensors and artificial intelligence
Reddy Machine Learning Models for Anomaly Detection in Cloud Infrastructure Security
Mahmoud Practical aspects of perimeter intrusion detection and nuisance suppression for distributed fiber-optic sensors
CN104916059B (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
CN106815956A (zh) 一种基于二维矩阵特征识别的振动信号识别算法
Kouhestani et al. Counter unmanned aerial system testing and evaluation methodology
He et al. High accuracy intrusion pattern recognition using a dual-stage-recognition network for fiber optic distributed sensing system
Wang et al. Forest fire detection system based on Fuzzy Kalman filter
CN104833378B (zh) 光纤周界系统干扰信号识别方法
WO1997028521A1 (de) Vorrichtung zum erzeugen eines alarmes und zur überwachung eines gebietes
CN115909645A (zh) 一种车间生产安全预警系统和预警方法
CN113261039B (zh) 信息处理装置、信息处理方法和信息处理程序
Son et al. A Study of Kernel Characteristics of CNN Deep Learning for Effective Fire Detection Based on Video
CN113295255A (zh) 一种汽车衡防作弊方法及系统
CN111489521A (zh) 一种基于温度检测的网络电子围栏系统及其实施方法
Saleh et al. FBG security fence for intrusion detection
CN108931198A (zh) 一种智能安全帽检测方法及系统
Komarov et al. Security of major pipelines in presence of terroristic threats: prognostic estimates

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170609

RJ01 Rejection of invention patent application after publication