CN108961641B - 一种基于分类树的降低电容围界报警系统虚警的方法 - Google Patents
一种基于分类树的降低电容围界报警系统虚警的方法 Download PDFInfo
- Publication number
- CN108961641B CN108961641B CN201810824277.4A CN201810824277A CN108961641B CN 108961641 B CN108961641 B CN 108961641B CN 201810824277 A CN201810824277 A CN 201810824277A CN 108961641 B CN108961641 B CN 108961641B
- Authority
- CN
- China
- Prior art keywords
- sample data
- data set
- signal
- classification tree
- classification
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/26—Electrical actuation by proximity of an intruder causing variation in capacitance or inductance of a circuit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明公开了一种基于分类树的降低电容围界报警系统虚警的方法,涉及社会安防技术领域,包括以下步骤:步骤1.建立用于信号识别的分类树;步骤2.对输入信号进行预处理得到数字信号;步骤3.对数字信号进行分帧处理得到帧信号;步骤4.对帧信号进行特征值提取,并通过分类树判断帧信号的类别。本发明的优点是:通过离线构建非参数、非线性判别的分类树,再将分类树放入系统中进行中进行信号在线识别,从而提高系统识别的准确性,降低系统虚警率,避免围界报警系统处于瘫痪状态。
Description
技术领域
本发明涉及社会安防技术领域,具体涉及一种基于分类树的降低电容围界报警系统虚警的方法。
背景技术
在犯罪分子利用先进的科学技术,犯罪手段更加复杂化、智能化的情况下,传统的防范手段已难以适应要害部门、重点单位安全保卫工作的需要。人力防范往往受时间、地域、人员素质和精力等因素的影响,亦难免出现漏洞和失误。因此,安装应用先进的围界探测报警系统就成为了一种必要措施。电容围界报警系统,通过实时检测报警探测线缆上的信号,判断是否有入侵行为发生,一旦发现入侵者可立即发出报警。围界报警系统在户外各种复杂环境中运行,系统在探测非法入侵的同时要面对恶劣天气影响、复杂地形、交通因素的影响,因此围界报警系统具有复杂性和可变性。一个有效的围界报警系统可通过降低入侵风险,减少破坏和人员伤害作为设备投入的回报。
在构建围界报警系统的过程中,传统的判断监测信号是否为虚假信号的核心思想是先根据某些类别归属已知的对象建立判别函数,再将需要进行分类的监测信号带入此判别函数中,根据所得函数值判断该监测信号对应的对象所应归入的类别。对于常用的线性判别分析,如贝叶斯判别、典则判别、逐步判别分析要求原始变量在各组内具有近似正态分布,同时具有相同的协方差矩阵等条件,而实际中很多数据不能满足其算法条件,使其统计结果误差偏大。再者对于二次判别函数和非参数判别分析,由于其计算复杂,使其在实际应用中受到限制。现有围界报警技术中,例如振动光缆、振动电缆、物联网传感器、红外对射等,都存在虚警率较高的现象,造成围界报警系统常常处于瘫痪状态。
发明内容
本发明的目的在于:为解决围界报警系统因虚警率高造成围界报警系统处于瘫痪状态的问题,提供了一种基于分类树的降低电容围界报警系统虚警的方法。本方法通过离线构建非参数、非线性判别的分类树,再将分类树放入系统中进行信号在线识别,提高系统识别的准确性,降低系统虚警率,避免围界报警系统处于瘫痪状态。
本发明采用的技术方案如下:
一种基于分类树的降低电容围界报警系统虚警的方法,包括以下步骤:
步骤1.建立用于信号识别的分类树;
步骤2.对输入信号进行预处理得到数字信号;
步骤3.对数字信号进行分帧处理得到帧信号;
步骤4.对帧信号进行特征值提取,并通过分类树判断帧信号的类别。
进一步地,步骤1中,建立分类树的具体步骤如下:
步骤1.1.确定用于构建停止数据拆分的判定条件的基尼系数阈值和样本数据个数阈值;
步骤1.2.输入含有若干个样本数据的样本数据集,计算样本数据中的各种特征参数的不同分裂点对应的基尼系数,并根据基尼系数找出每种特征参数对应的优级分裂点;
步骤1.3.根据所有特征参数对应的优级分裂点选出样本数据集的最佳分类参数和对应的最佳分类分裂点;
步骤1.4.根据最佳分类参数和最佳分类分裂点的基尼系数作为样本数据的分界点,将所有样本数据进行划分获得分类后的样本数据集即A类样本数据集和B类样本数据集;
步骤1.5.将A类样本数据集和B类样本数据集分别进行判断是否满足判定条件,若满足,则输出该类样本数据集所属类别;若不满足,则将该类样本数据集作为待输入的样本数据集,再次执行步骤1.2-1.5。
进一步地,步骤1.2中,计算样本数据中的每种特征参数的不同分裂点对应的基尼系数的具体步骤如下:
步骤1.2.1.统计样本数据中每种特征参数的不同分裂点具有的类别数目及对应的数量;
步骤1.2.2.根据不同分裂点的类别数目和数量计算对应的基尼系数;其中,对于含有N个样本数据的样本数据集D,计算样本数据集D中特征参数A的分裂点值为a1的基尼系数的计算表达式如下:
k表示样本数据集S包含的类别个数,Ck表示样本数据集S中第k个类别的数量,M表示样本数据集S中含有的样本数据个数;a11和a12分别表示通过值为a1分裂点将样本数据集D划分成的样本数据子集,n1和n2分别表示样本数据子集a11和a12中的样本数据个数。
进一步地,所述判定条件为判断分类后的样本数据集中样本数据个数是否小于样本数据个数阈值或判断所述分类后的样本数据集中各个样本数据的基尼系数是否均小于基尼系数阈值。
进一步地,步骤2的具体步骤如下:
步骤2.1.输入信号经模数转换电路转换得到预处理数据包,并进入数字信号处理器;
步骤2.2.数字信号处理器将预处理数据包中的异常值进行剔除得到采样数据包;
步骤2.3.通过高阶FIR滤波器对采样数据包进行去噪、降采样得到数字信号。
进一步地,所述模数转换电路包括依次连接的分压单元、真有效值计算单元、差分单元和AD转换单元。
进一步地,步骤4中,所述帧信号的类别包括入侵信号和虚警信号,通过分类树判断帧信号的类别的具体方法为:将生成的分类树存放于系统中,将帧信号的特征值放入分类树中进行识别。
进一步地,所述特征参数具体为信号变化量、变化时间、信号方差。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,首先离线建立非参数、非线性的分类树并进行修枝,再将分类树放入到系统中,对待检测信号进行在线识别,从而提高系统识别的准确性,降低系统虚警率,避免围界报警系统处于瘫痪状态。
2、本发明中,输入信号依次进入分压单元、真有效值计算单元、差分单元和AD转换单元后再进入数字信号处理器。在真有效值计算单元中,通过计算信号的电压波形的有效值,无需考虑波形参数和失真情况,提高了信号检测的准确率。通过运算放大器对信号进行差分处理,可有效地消除外界的共模干扰,提高信号的抗干扰能力,提高了模数转换电路的稳定性和可靠性。
3、本发明中,选择一个合适的数据长度作为分解值,根据分解值对数字信号进行分帧处理得到帧信号,便于有效地提取帧信号的特征值,为分类树正确识别帧信号的类别提供了有力的保障。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的判别信号类别的整体流程图;
图2为本发明的建立分类树的结构流程图;
图3为本发明的模数转换电路的系统框图;
图4为本发明生成的分类树示意图。
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,以下结合附图及实施例,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用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
本发明较佳实施例提供的一种基于分类树的降低电容围界报警系统虚警的方法,包括以下步骤:
步骤1.建立用于信号识别的分类树。建立分类树的具体步骤如下:
步骤1.1.确定用于构建停止数据拆分的判定条件的基尼系数阈值和样本数据个数阈值。其中,基尼系数阈值和样本数据个数阈值均设定为固定值,在建立分类树的过程中,根据不同阈值得到的分类效果选取合适的基尼系数阈值和样本数据个数阈值。判定条件为判断分类后的样本数据集中样本数据个数是否小于样本数据个数阈值或判断分类后的样本数据集中各个样本数据的基尼系数是否均小于基尼系数阈值。
步骤1.2.输入含有若干个样本数据的样本数据集,计算样本数据中的各种特征参数的不同分裂点对应的基尼系数,并根据基尼系数找出每种特征参数对应的优级分裂点。特征参数具体为信号变化量、变化时间、信号方差。步骤1.2的具体步骤如下:
步骤1.2.1.统计样本数据中每种特征参数的不同分裂点具有的类别数目及对应的数量。
步骤1.2.2.根据不同分裂点的类别数目和数量计算对应的基尼系数;其中,对于含有N个样本数据的样本数据集D,计算样本数据集D中特征参数A的分裂点值为a1的基尼系数的计算表达式如下:
k表示样本数据集S包含的类别个数,Ck表示样本数据集S中第k个类别的数量,M表示样本数据集S中含有的样本数据个数;a11和a12分别表示通过值为a1分裂点将样本数据集D划分成的样本数据子集,n1和n2分别表示样本数据子集a11和a12中的样本数据个数。
步骤1.2.3.比较相同特征参数不同分裂点对应的基尼系数大小,将找出的最小值对应的分裂点作为该特征参数的优级分裂点。
步骤1.3.根据输入的样本数据集中所有特征参数对应的优级分裂点选出样本数据集的最佳分类参数和对应的最佳分类分裂点。
步骤1.4.根据最佳分类参数和最佳分类分裂点的基尼系数作为样本数据的分界点,将所有样本数据进行划分获得分类后的样本数据集即A类样本数据集和B类样本数据集。
步骤1.5.将A类样本数据集和B类样本数据集分别进行判断是否满足判定条件,若满足,则输出该类样本数据集所属类别,A类样本数据集输出分类结果为A,B类样本数据集输出分类结果为B,如图3所示,三角形表示判定条件,A表示入侵信号,B表示虚警信号。若不满足,则将该类样本数据集作为待输入的样本数据集,再次执行步骤1.2-1.5。
步骤2.对输入信号进行模数转换和滤波降采样处理得到数字信号。具体步骤如下:
步骤2.1.输入信号经模数转换电路转换得到预处理数据包,并进入数字信号处理器。本实施例的数字信号处理器采用TMS3200系列处理器,输入信号为频率为30-50kHz的正弦波信号,模数转换电路采样频率为500kHz。模数转换电路包括依次连接的分压单元、真有效值计算单元、差分单元和AD转换单元。其中,真有效值计算单元采用AD637集成电路,AD转换单元采用ADS8361集成电路。输入信号通过滑动变阻器进行分压,使分压后的信号为真有效值计算单元可处理范围内。真有效值计算单元计算信号中电压波形的有效值,将有效值通过运算放大器作差分处理后,通过AD采样单元将处理后的信号转换成数字信号,运算放大器采用OPA227集成电路。
步骤2.2.数字信号处理器将预处理数据包中的异常值进行剔除得到采样数据包。其中,异常值是指预处理数据包中相邻几个数据点的值相差很大的点,为异常值的数据点与相邻数据点之间连线的斜率趋近于无穷。
步骤2.3.通过高阶FIR滤波器对采样数据包进行去噪、降采样得到数字信号。采用设置于数字信号处理器中的高阶FIR带通滤波器对采样数据包中的高频信号和低频信号进行滤除。同时,为提高数字信号处理器的处理能力,在充分保留信号特征的基础上进行降采样。降采样的方法为:通过数字信号处理器将每个进行去噪后的数据包中的数据进行累加再求平均值得到数字信号。
步骤3.对数字信号进行分帧处理得到帧信号。进行分帧处理前,选择一个合适的数据长度作为分解值。例如:具有50个数据点的波形数据进入数字信号处理器中,将分帧数据长度设定为10,则帧与帧间重叠有9个数据点,第一帧的数据点为1至10,第二帧的数据点为2至11,由此可得41个帧数据。
步骤4.对帧信号进行特征值提取,并通过分类树判断帧信号的类别。其中,帧信号的类别包括入侵信号和虚警信号,通过分类树判断帧信号的类别的具体方法为:将生成的分类树存放于数字信号处理器中,通过数字信号处理器计算帧信号的特征值,再将帧信号的特征值放入分类树中进行识别。其中,帧信号的特征值具有特征参数及对应的分裂点。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于分类树的降低电容围界报警系统虚警的方法,其特征在于,包括以下步骤:
步骤1.建立用于信号识别的分类树;
步骤2.对输入信号进行预处理得到数字信号;
步骤3.对数字信号进行分帧处理得到帧信号;
步骤4.对帧信号进行特征值提取,并通过分类树判断帧信号的类别;
步骤1中,建立分类树的具体步骤如下:
步骤1.1.确定用于构建停止数据拆分的判定条件的基尼系数阈值和样本数据个数阈值;
步骤1.2.输入含有若干个样本数据的样本数据集,计算样本数据中的各种特征参数的不同分裂点对应的基尼系数,并根据基尼系数找出每种特征参数对应的优级分裂点;
步骤1.3.根据所有特征参数对应的优级分裂点选出样本数据集的最佳分类参数和对应的最佳分类分裂点;
步骤1.4.根据最佳分类参数和最佳分类分裂点的基尼系数作为样本数据的分界点,将所有样本数据进行划分获得分类后的样本数据集即A类样本数据集和B类样本数据集;
步骤1.5.将A类样本数据集和B类样本数据集分别进行判断是否满足判定条件,若满足,则输出该类样本数据集所属类别;若不满足,则将该类样本数据集作为待输入的样本数据集,再次执行步骤1.2-1.5;
步骤2的具体步骤如下:
步骤2.1.输入信号经模数转换电路转换得到预处理数据包,并进入数字信号处理器;所述模数转换电路包括依次连接的分压单元、真有效值计算单元、差分单元和AD转换单元;
步骤2.2.数字信号处理器将预处理数据包中的异常值进行剔除得到采样数据包;
步骤2.3.通过高阶FIR滤波器对采样数据包进行去噪、降采样得到数字信号;
步骤4中,所述帧信号的类别包括入侵信号和虚警信号,通过分类树判断帧信号的类别的具体方法为:将生成的分类树存放于系统中,将帧信号的特征值放入分类树中进行识别。
2.根据权利要求1所述的一种基于分类树的降低电容围界报警系统虚警的方法,其特征在于,
步骤1.2中,计算样本数据中的每种特征参数的不同分裂点对应的基尼系数的具体步骤如下:
步骤1.2.1.统计样本数据中每种特征参数的不同分裂点具有的类别数目及对应的数量;
步骤1.2.2.根据不同分裂点的类别数目和数量计算对应的基尼系数;其中,对于含有N个样本数据的样本数据集D,计算样本数据集D中特征参数A的分裂点值为a1的基尼系数的计算表达式如下:
3.根据权利要求1所述的一种基于分类树的降低电容围界报警系统虚警的方法,其特征在于,所述判定条件为判断分类后的样本数据集中样本数据个数是否小于样本数据个数阈值或判断所述分类后的样本数据集中各个样本数据的基尼系数是否均小于基尼系数阈值。
4.根据权利要求1所述的一种基于分类树的降低电容围界报警系统虚警的方法,其特征在于,所述特征参数具体为信号变化量、变化时间、信号方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824277.4A CN108961641B (zh) | 2018-07-24 | 2018-07-24 | 一种基于分类树的降低电容围界报警系统虚警的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824277.4A CN108961641B (zh) | 2018-07-24 | 2018-07-24 | 一种基于分类树的降低电容围界报警系统虚警的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961641A CN108961641A (zh) | 2018-12-07 |
CN108961641B true CN108961641B (zh) | 2021-03-19 |
Family
ID=64464733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810824277.4A Active CN108961641B (zh) | 2018-07-24 | 2018-07-24 | 一种基于分类树的降低电容围界报警系统虚警的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961641B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011006210A1 (en) * | 2009-07-17 | 2011-01-20 | Future Fibre Technologies Pty Ltd | Intrusion detection |
CN104240455B (zh) * | 2014-08-07 | 2016-08-17 | 北京航天控制仪器研究所 | 一种分布式光纤管线安全预警系统中的扰动事件识别方法 |
CN104978837B (zh) * | 2015-05-27 | 2017-12-15 | 苏文电能科技股份有限公司 | 一种面向用户端变电所的报警系统及其实现方法 |
CN105184319B (zh) * | 2015-09-02 | 2019-07-30 | 同方威视技术股份有限公司 | 光纤周界入侵信号的识别方法、装置及周界入侵报警系统 |
CN105846780B (zh) * | 2016-03-19 | 2018-04-03 | 上海大学 | 一种基于决策树模型的光伏组件故障诊断方法 |
CN106779929B (zh) * | 2016-12-05 | 2020-12-29 | 北京知道创宇信息技术股份有限公司 | 一种产品推荐方法、装置和计算设备 |
CN107301513A (zh) * | 2017-06-27 | 2017-10-27 | 上海应用技术大学 | 基于cart决策树的水华预警方法和装置 |
-
2018
- 2018-07-24 CN CN201810824277.4A patent/CN108961641B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108961641A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10281504B2 (en) | Method and apparatus for analyzing waveform signals of a power system | |
CN110895526A (zh) | 一种大气监测系统中数据异常的修正方法 | |
CN108801437B (zh) | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 | |
CN106649831A (zh) | 一种数据过滤方法及装置 | |
CN105023379A (zh) | 一种机场光纤周界预警系统的信号识别方法 | |
CN108508297B (zh) | 一种基于突变系数和svm的故障电弧检测方法 | |
CN113283331A (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
CN116030590A (zh) | 火灾判断方法、装置、计算机设备及可读存储介质 | |
CN116838955A (zh) | 一种两阶段的油气管道沿线干扰识别方法 | |
CN103995969A (zh) | 一种可配置的光纤侵犯事件发生端点检测方法以及检测仪 | |
CN108961641B (zh) | 一种基于分类树的降低电容围界报警系统虚警的方法 | |
CN114397963A (zh) | 一种手势识别方法、装置、电子设备及存储介质 | |
CN111476965B (zh) | 火灾检测模型的构建方法、火灾检测方法及相关设备 | |
CN115993503B (zh) | 一种变压器的运行检测方法、装置、设备及存储介质 | |
CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
CN111951505A (zh) | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 | |
CN116364108A (zh) | 变压器声纹检测方法及装置、电子设备、存储介质 | |
CN108537105B (zh) | 一种家庭环境下的危险行为识别方法 | |
CN113378935B (zh) | 一种用于气体的嗅觉智能识别方法 | |
CN116895286B (zh) | 一种打印机故障监控方法以及相关装置 | |
CN117992931B (zh) | 一种直流信号特征库与参比信号模型建立系统及方法 | |
CN111368677B (zh) | 一种改进过零数分析的目标检测与识别方法 | |
CN117523605B (zh) | 基于多传感器信息融合的变电站动物入侵检测方法 | |
KR102443221B1 (ko) | 수면 음성 분석 장치 및 방법 | |
JPH04276523A (ja) | 音識別装置 |
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 |