CN110346032A - 一种基于恒虚警与过零率相结合的φ-otdr振动信号端点检测方法 - Google Patents

Abstract

本发明涉及基于恒虚警与过零率相结合的Φ‑OTDR振动信号端点检测方法，是一种对振动信号进行检测识别的方法，属于信号处理与模式识别领域，其特征在于采用如下步骤：(1)确定噪声信号的概率分布和预加重的滤波器；(2)确定恒虚警率阈值和预加重后的振动信号；(3)确定光纤帧信号；(4)确定过零率；(5)建立短时过零率检测模型；(6)融合恒虚警阈值检测结果与短时过零率的检测结果。本发明将过零率方法与恒虚警检测算法相结合，提出一种振动信号端点检测方法，增加了许多新的报警点，具有较高的检测率。实验结果表明本发明设计的振动信号端点检测方法有着较好的信号检测效果，极大程度上降低了虚警率。

Description

一种基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检 测方法

技术领域

本发明涉及信号处理与模式识别领域，主要是一种对振动信号进行检测识别的方法。

背景技术

在实际生活中，光纤检测到的振动信号中会掺杂着周围环境中本身存在的噪声信号，但二者信号特征有所不同。目前，针对振动信号检测问题，由于分布式光纤振动信号与脉冲雷达信号之间存在特性相似之处，所以主要利用恒虚警(CFAR)及其衍生算法实现入侵信号检测的研究探索。CFAR算法是通过设计阈值，使得背景干扰的虚警率达到最小化的一种处理方法。但是该方法的性能常受限于实际信号的分布特点，对振动信号的检测率较低，经常出现虚假报警、误报的情况，对周界安防等预警系统造成很大影响。而过零率算法对复杂环境下的噪声干扰，在低信噪比条件下展现出了优越性，此方法能够有效滤除无用信号，并在一定程度上排除自然界产生的干扰，并且简单高效，同时能够加快程序运行的时间。

振动信号检测方面的应用范围非常广，例如，航空航天发动机、高速旋转机械设备的故障诊断等尖端科学研究领域或各种光纤振动预警系统等。现今主要选用Φ-OTDR技术对光纤振动信号进行检测，其具有施工简单、灵敏度高、抗电磁干扰性强、绝缘性好以及能够长距离监测等优点，但基于Φ-OTDR的传感器灵敏度高，干扰过多，因此存在大批噪声，导致系统的检测率下降。所以，关于Φ-OTDR振动信号检测问题，如何克服干扰，提高振动信号的检测率以及识别率是目前研究的重点。基于上述问题，必须建立一种精确、高效的光纤振动信号检测方法，进一步提高振动信号的识别率，有效减少识别时间，提高预警系统性能，减少操作者不必要的现场考勤，为管道等重要场所提供实时、准确的入侵预警。

发明内容

针对上述现有技术中存在的问题，本发明要解决的技术问题是提供一种基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测方法，其具体流程如图1所示。

技术方案实施步骤如下：

(1)确定噪声信号的概率分布p₁(z)和预加重的滤波器H_pre(x)：

噪声信号服从高斯分布，因此它的概率密度分布为：

式中，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号。

预加重的作用是降低信号的低频部分，使信号变平，维持信号在整个频谱的信噪比一致，以便于对信号进行进一步的分析。为了完全消除信号的直流偏置，用来预加重的滤波器的表达式如下：

H_pre(x)＝1-x^-k

式中，H_pre(x)表示预加重滤波器，x表示原始振动信号，k表示滤波器阶数。

(2)确定恒虚警率阈值T和预加重后的振动信号X(n)：

恒虚警率p_fa为：

式中，p_fa表示恒虚警率，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号，T表示恒虚警率阈值。当恒虚警率p_fa≤10^-5时，可得出阈值T。

经过滤波器对振动信号进行预加重后，得到的信号X(n)为：

X(n)＝1-x(n)^-k

式中，X(n)表示预加重后的振动信号，x(n)表示原始Φ-OTDR振动信号。

(3)确定光纤帧信号X_n(n)：

X_n(n)＝X(n)*w(n)

式中，X_n(n)表示光线帧信号，X(n)表示预加重后的振动信号，w(n)表示窗函数。

(4)确定过零率R(n)：

在离散振动信号情况下，如果相邻的振动信号具有不同的代数符号就称为发生了过零，因此可以计算过零的次数，单位时间内过零的次数就称为过零率。本发明用到的过零率是短时过零率，因此，定义为：

式中，R(n)表示过零率，N表示窗函数的帧长，m表示当前第m帧，X_n(m)表示光线帧信号，sgn[X_n(m)]表示符号函数，表达式如下：

式中，X_n(m)表示光线帧信号。

(5)建立短时过零率检测模型：

式中，Z表示短时过零率的检测结果，H₁表示有振动信号的假设，H₀表示无振动信号的假设，det表示检测出振动信号的假设，R(n)表示过零率。

(6)融合恒虚警阈值检测结果T与短时过零率的检测结果Z：

将恒虚警计算出阈值的检测结果与短时过零率的检测结果相融合，对于小于恒虚警阈值的结果置1，得出真正的检测结果，即：

式中，S(n)表示最终检测出的振动信号，T表示恒虚警阈值检测结果，Z表示短时过零率的检测结果。

本发明比现有技术具有的优点：

(1)本发明将用于语言信号处理的端点检测技术、过零率方法与恒虚警检测算法相结合，提出了一种基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测方法，经过实验验证发现，本发明和单一的恒虚警检测方法相比，增加了许多新的报警点，具有较高的检测率。

(2)本发明将用于语音信号检测的过零率方法应用于振动信号的检测中，与现有技术相比取得了明显的信号检测效果，本发明针对振动信号进行检测时，可以极大程度上降低虚警率。

附图说明

为了更好地理解本发明，下面结合附图作进一步的说明。

图1是建立基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测的步骤流程图；

图2是建立基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测流程图；

图3是本发明的Φ-OTDR振动信号检测结果图；

具体实施方案

下面通过实施案例对本发明作进一步详细说明。

本实施案例采取人工挖掘、挖掘机、跑步、电镐四种入侵振动信号进行实验。初始采集到的振动信号文件为二进制文件，需要对其进行格式转换。每类振动信号的采集次数为20次，采样频率为2KHz,对应于4种振动信号，一共有80组实验数据。将每组数据分为10段，将1到5段信号划分为一个样本，2到6段划分为一个样本，依次类推，则每组信号可得6个样本，20组数据可得120个样本，数据集总共的样本数目为480。

本发明所提供的Φ-OTDR振动信号检测算法整体流程如图1所示，具体步骤如下：

(1)确定噪声信号的概率分布p₁(z)和预加重的滤波器H_pre(x)：

噪声信号服从高斯分布，因此它的概率密度分布为：

式中，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号。本案例中的噪声信号主要为刮风、下雨等外界环境噪声，对其进行分析处理，其均值μ和方差σ²分别为1.5和2.25。

预加重的作用是降低信号的低频部分，使信号变平，维持信号在整个频谱的信噪比一致，以便于对信号进行进一步的分析。为了完全消除信号的直流偏置，用来预加重的滤波器的表达式如下：

H_pre(x)＝1-x^-k

式中，H_pre(x)表示预加重滤波器，x表示原始振动信号，k表示滤波器阶数。本例中，k的取值为2，即H_pre(x)＝1-x^-2。

(2)确定恒虚警率阈值T和预加重后的振动信号X(n)：

恒虚警率p_fa为：

式中，p_fa表示恒虚警率，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号，T表示恒虚警率阈值。将均值和方差数值代入上述公式可得：

当恒虚警率p_fa≤10^-5时，可得出阈值T。对上式进行积分求解可得，当p_fa≤10^-5时，阈值T的值为18.39。

经过滤波器对振动信号进行预加重后，得到的信号X(n)为：

X(n)＝1-x(n)^-2

式中，X(n)表示预加重后的振动信号，x(n)表示原始Φ-OTDR振动信号。

(3)确定光纤帧信号X_n(n)：

X_n(n)＝X(n)*w(n)

式中，X_n(n)表示光线帧信号，X(n)表示预加重后的振动信号，w(n)表示窗函数。本例中，参考语音信号的处理，选择海明窗函数对信号进行分帧，表达式如下：

式中，N表示窗函数的帧长，n表示当前第n帧。

(4)确定过零率R(n)：

在离散振动信号情况下，如果相邻的振动信号具有不同的代数符号就称为发生了过零，因此可以计算过零的次数，单位时间内过零的次数就称为过零率。本发明用到的过零率是短时过零率，因此，定义为：

式中，R(n)表示过零率，N表示窗函数的帧长，m表示当前第m帧，X_n(m)表示光线帧信号，sgn[X_n(m)]表示符号函数，表达式如下：

式中，X_n(m)表示光线帧信号。

(5)建立短时过零率检测模型：

式中，Z表示短时过零率的检测结果，H₁表示有振动信号的假设，H₀表示无振动信号的假设，det表示检测出振动信号的假设，R(n)表示过零率。

(6)融合恒虚警阈值检测结果T与短时过零率的检测结果Z：

将恒虚警计算出阈值的检测结果与短时过零率的检测结果相融合，对于小于恒虚警阈值的结果置1，得出真正的检测结果，即：

式中，S(n)表示最终检测出的振动信号，T表示恒虚警阈值检测结果，Z表示短时过零率的检测结果。

为了验证本发明对Φ-OTDR振动信号检测的有效性，对本发明进行了Φ-OTDR振动信号检测实验，最终的Φ-OTDR振动信号检测结果如图3所示。由图3可以看出，短时过零率与恒虚警相结合的端点检测方法经验证检测出来的点都是真实存在的报警点，极大程度上降低了虚警率。和单一的恒虚警检测方法相比，增加了许多新的报警点，提升了检测率。这表明本发明建立的Φ-OTDR振动信号检测方法是有效的，为建立精确的Φ-OTDR振动信号检测模型提供了更好的方法，更适用于实际中使用。

Claims (1)

1.本发明特征在于：(1)确定噪声信号的概率分布和预加重的滤波器；(2)确定恒虚警率阈值和预加重后的振动信号；(3)确定光纤帧信号；(4)确定过零率；(5)建立短时过零率检测模型；(6)融合恒虚警阈值检测结果与短时过零率的检测结果；具体包括以下六个步骤：

步骤一：确定噪声信号的概率分布p₁(z)和预加重的滤波器H_pre(x)：

噪声信号服从高斯分布，因此它的概率密度分布为：

式中，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号；

预加重的作用是降低信号的低频部分，使信号变平，维持信号在整个频谱的信噪比一致，以便于对信号进行进一步的分析，为了完全消除信号的直流偏置，用来预加重的滤波器的表达式如下：

H_pre(x)＝1-x^-k；

式中，H_pre(x)表示预加重滤波器，x表示原始振动信号，k表示滤波器阶数；

步骤二：确定恒虚警率阈值T和预加重后的振动信号X(n)：

恒虚警率p_fa为：

式中，p_fa表示恒虚警率，p₁(z)表示噪声信号的概率分布，μ表示均值，σ²表示方差，z表示噪声信号，T表示恒虚警率阈值，当恒虚警率p_fa≤10^-5时，可得出阈值T；

经过滤波器对振动信号进行预加重后，得到的信号X(n)为：

X(n)＝1-x(n)^-k；

式中，X(n)表示预加重后的振动信号，x(n)表示原始Φ-OTDR振动信号；

步骤三：确定光纤帧信号X_n(n)：

X_n(n)＝X(n)*w(n)；

式中，X_n(n)表示光线帧信号，X(n)表示预加重后的振动信号，w(n)表示窗函数；

步骤四：确定过零率R(n)：

在离散振动信号情况下，如果相邻的振动信号具有不同的代数符号就称为发生了过零，因此可以计算过零的次数，单位时间内过零的次数就称为过零率，本发明用到的过零率是短时过零率，因此，定义为：

式中，R(n)表示过零率，N表示窗函数的帧长，m表示当前第m帧，X_n(m)表示光线帧信号，egn[X_n(n)]表示符号函数，表达式如下：

式中，X_n(m)表示光线帧信号；

步骤五：建立短时过零率检测模型：

式中，Z表示短时过零率的检测结果，H₁表示有振动信号的假设，H₀表示无振动信号的假设，det表示检测出振动信号的假设，R(n)表示过零率；

步骤六：融合恒虚警阈值检测结果T与短时过零率的检测结果Z：

将恒虚警计算出阈值的检测结果与短时过零率的检测结果相融合，对于小于恒虚警阈值的结果置1，得出真正的检测结果，即：

式中，S(n)表示最终检测出的振动信号，T表示恒虚警阈值检测结果，Z表示短时过零率的检测结果。