CN116071881B - 基于地波和视频的多模态入侵探测系统 - Google Patents
基于地波和视频的多模态入侵探测系统 Download PDFInfo
- Publication number
- CN116071881B CN116071881B CN202310293242.3A CN202310293242A CN116071881B CN 116071881 B CN116071881 B CN 116071881B CN 202310293242 A CN202310293242 A CN 202310293242A CN 116071881 B CN116071881 B CN 116071881B
- Authority
- CN
- China
- Prior art keywords
- extreme point
- component signal
- signal
- amplitude
- acquiring
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 abstract description 14
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 15
- 238000000354 decomposition reaction Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G08B13/14—Mechanical actuation by lifting or attempted removal of hand-portable articles
- G08B13/1472—Mechanical actuation by lifting or attempted removal of hand-portable articles with force or weight detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
- G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及电数据处理技术领域，具体涉及一种基于地波和视频的多模态入侵探测系统。该系统获得地波信息与视频，将地波信号进行分解，获取分量信号，根据极值点的幅值与时宽获取分量信号的噪声干扰程度；根据噪声干扰程度确定目标分量信号；根据目标分量信号中极值点的幅值确定异常极值点，根据异常极值点获取幅值异常度；根据异常极值点的时宽确定目标分量信号的上级分量信号的初始信号中的目标曲线段，根据幅值异常度获取目标曲线段内每个极值点的调节系数；根据调节系数获取新的包络值，根据新的包络值获取去噪分量信号，根据去噪分量信号获取去噪后的地波信号，提高地波信号的准确性，根据去噪地波信号与视频进行准确的入侵探测与报警。
Description
技术领域
本发明涉及电数据处理技术领域，具体涉及一种基于地波和视频的多模态入侵探测系统。
背景技术
常用安保监控系统存在较大限制，例如视觉死区、无光照等，因此，出现了监测性能更好、应用范围更广的多模态入侵探测系统。其中，地下振动监测是指通过地波监测地下微弱振动，将微弱振动进行采集和回传，能在一定范围内对土壤的挖掘、踩踏和远距离爆破等行为取得感知并将地波信号回传，将地波信号结合视频、声波监测信息进行分析与判断入侵行为。多模态入侵探测系统可广泛应用于野外文物保护、博物馆、重点文物场所、金库、重要资料库、物质储备库等重大安全监测防范领域。
获取的地波信号会受到大量射频干扰，现有方法一般通过EMD算法分解获取的地波信号，获得分量信号，在分解时不能完全保证将不同类型噪声单独分割到每一个分量信号中，因此，对每个分量信号同时进行去噪，可能会造成分量信号中的地波信号受损，且分量信号叠加重建后该损伤还会进一步被放大。现有的另一种处理方法是直接去除前几个噪声较多的IMF分量信号，该方法比较粗糙，会丢失很多的地波信号，破坏地波信号的完整性。这两种方法都会使得地波信号的完整性缺失较大，使得地波信号不准确，进而不能对实际发生的地波状况进行准确的探测。
发明内容
为了解决去噪方法粗糙，导致地波信号受损而不准确的技术问题，本发明的目的在于提供一种基于地波和视频的多模态入侵探测系统，所采用的技术方案具体如下：
本发明实施例中提供了一种基于地波和视频的多模态入侵探测系统，该系统包括以下：
数据获取模块，用于获得地波信息与视频；
目标分量信号获取模块，用于将所述地波信号进行逐级分解，获取至少两条分量信号，根据极值点的幅值与时宽获取每条所述分量信号的噪声干扰程度，时宽为每个所述极值点的左右两侧零点之间的时间段；根据所述噪声干扰程度确定目标分量信号；
调节系数获取模块，用于根据所述目标分量信号中每个极值点的幅值确定异常极值点，根据所述异常极值点的幅值分布获取幅值异常度；获取所述异常极值点的所述时宽作为局部时间段，在所述目标分量信号的上级分量信号的初始信号中将所述局部时间段的曲线作为目标曲线段，根据所述幅值异常度与所述目标曲线段内每个极值点的幅值，获取所述目标曲线段内每个极值点的调节系数；
去噪地波信号获取模块，用于根据所述目标曲线段内相邻两个极值点的所述调节系数与幅值，获取新的包络值，根据所述新的包络值获取去噪分量信号；逐级对每个所述目标分量信号进行去噪，根据所有去噪分量信号获取去噪后的地波信号；
入侵探测模块，用于根据去噪后的地波信号与视频进行入侵探测与报警。
进一步地，所述噪声干扰程度的获取方法，包括：
获取极值点的幅值与时宽之间的欧氏范数作为极值点的判断异常值；
获取任意一条分量信号中的任意一条包络线的判断异常值方差作为对应分量信号的噪声干扰程度。
进一步地，所述根据所述噪声干扰程度确定目标分量信号的方法，包括：
设置噪声干扰程度阈值，当噪声干扰程度大于或等于噪声干扰程度阈值时，将对应的分量信号标记为目标分量信号。
进一步地，所述异常极值点的获取方法，包括：
计算目标分量信号中每个极值点的幅值与对应包络线的平均幅值的差值作为异常确定值；
当异常确定值满足预设异常确定值阈值时，将对应极值点标记为异常极值点。
进一步地，所述幅值异常度的获取方法，包络：
将异常确定值与对应包络线的平均幅值的比值作为所述异常极值点的幅值异常度。
进一步地，所述调节系数的获取方法，包括：
将任意一条包络线在目标曲线段内的所有极值点的幅值进行累加的结果作为第一结果，计算目标曲线段内每个极值点的幅值与对应第一结果的比值作为每个极值点的权重；
将所述权重与幅值异常值的乘积作为目标曲线段内每个对应极值点的调节系数。
进一步地，所述新的包络值的获取方法，包括：
获取目标曲线段内同一条包络线上的相邻两个极值点的调节系数之和作为总权重；
获取目标曲线段内同一条包络线上的相邻两个极值点的幅值均值作为参考幅值；
将总权重与参考幅值的乘积作为新的包络值。
进一步地，所述根据去噪分量信号获取去噪后的地波信号的方法，包括：
将去噪分量信号进行叠加重构获取去噪后的地波信号。
本发明具有如下有益效果：
根据极值点的幅值与时宽获取每条分量信号的噪声干扰程度，确定每条分量信号中的噪声信号，进而根据噪声干扰程度确定需要进行噪声信号处理的目标分量信号，避免对每个分量信号进行分析，提高对地波信号进行去噪的效率；根据目标分量信号中每个极值点的幅值确定异常极值点，便于获取目标分量信号中的可疑噪声信号，进而确定可疑噪声信号的局部时间段；在目标分量信号的上级分量信号的初始信号中找到局部时间段内的曲线作为目标曲线段，确定要进行噪声信号处理的区域，提高去噪处理的效率；根据幅值异常度与目标曲线段内每个极值点的幅值，获取目标曲线段内每个极值点的调节系数，确定每个极值点的调节程度；根据目标曲线段内相邻两个极值点的调节系数与幅值，获取新的包络值，使得新的包络值的偏离程度更小，进而根据新的包络值获取初始信号新的包络线，使得新的包络线更趋向平直，根据新的包络线获取去噪分量信号，进而将可疑噪声信号保留在上级分量信号中，每个分量信号逐级迭代更新后，因为第一级分量信号没有对应的上一级分量信号，因此，可将可疑噪声信号全部向上堆积到第一级分量信号中，将第一级分量信号去除，即根据所有去噪分量信号获取去噪后的地波信号，实现对地波信号的去噪，使得地波信号损伤最小，且不需要使用复杂的去噪算法对各级分量信号中不同类型的噪声信号进行自适应处理，仅需要向上级分量信号中堆积噪声信号即可，去噪效果更好、数据损伤更小、地波信号监测结果更准确，进而根据去噪后的地波信号与视频进行准确的入侵探测与报警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明一个实施例所提供的一种基于地波和视频的多模态入侵探测系统的结构框图；
图2为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第一级分量信号示意图；
图3为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第二级分量信号示意图；
图4为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第三级分量信号示意图；
图5为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第四级分量信号示意图；
图6为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第五级分量信号示意图；
图7为本发明一个实施例所提供的地波信息通过常规EMD分解获得的第六级分量信号示意图；
图8为本发明一个实施例所提供的第n-1个分量信号的初始信号与第n个目标分量信号之间关系的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于地波和视频的多模态入侵探测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于地波和视频的多模态入侵探测系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于地波和视频的多模态入侵探测系统的结构框图，该系统包括：数据获取模块10、目标分量信号获取模块20、调节系数获取模块30、去噪地波信号获取模块40、入侵探测模块50。
数据获取模块10，用于获得地波信息与视频。
具体的，多模态入侵探测系统由中央控制探测报警平台、引导传输光缆和地波微震动传感器等构成。中央控制探测报警平台放置在监控机房，提供管理监控界面和报警联动等功能，是系统中唯一需要供电的设备，可配备UPS不间断电源。引导传输光缆用于连接机房的中央控制探测报警平台和远端的地波微震动传感器以及视频监控，可采用普通单模通讯光缆，传输距离可达数十公里，可覆盖范围广。地波微震动传感器为全无源光学结构，无需任何供电，防雷防水防腐蚀，灵敏度高，埋入地下能有效感知半径25米内的挖掘震动和100米外的爆破震动。
直接从地波微震动传感器中获取时域地波信号，高频地波雷达一般工作在3-30MHz，而很多密集的通讯信号、广播信号、工业干扰信号在此频段的功率强于雷达地波信号，因此在此频段存在大量射频干扰，使得采集的地波信号中存在大量噪声，进而需要进行去噪处理，确保地波信号的准确性。
目标分量信号获取模块20，用于将地波信号进行逐级分解，获取至少两条分量信号，根据极值点的幅值与时宽获取每条分量信号的噪声干扰程度，时宽为每个极值点的左右两侧零点之间的时间段；根据噪声干扰程度确定目标分量信号。
具体的，由于射频干扰叠加在地波信号上，导致了地波信号中存在噪声和地波信号畸变，不同源的射频干扰之间的频率尽管存在差异但仍相近或有重合部分，因此，无法直接在原始信号上观察到噪声信号，也不能通过无差别平滑进行去噪。现有方法利用EMD算法将地波信号进行分解，即可将地波信号按照频率分为多个层次的信号分量。其中，EMD算法以及平滑去噪为公知技术，在此不再进行赘述。
常规EMD算法是用原始地波信号减去原始地波信号的上、下包络线所得均值包络线，得到残余分量信号，此为一次迭代；再根据残余分量信号的上、下包络线得到残余分量信号的均值包络线，残余分量信号再减去该均值包络线，得到新的残余分量信号，此为第二次迭代；直至残余分量信号的均值包络线平直不再波动，即所有上下包络线局部对称，迭代停止，得到第一级分量信号如图2，即IMF1。将第一级分量信号从原始信号中减去，得到新的信号，对新的信号重复获取第一级分量信号的操作，得到第二级分量信号如图3，即IMF2。后续同样重复获取第一级分量信号的操作直至最终分量信号中的极值点小于等于2个，停止分解，得到所有分量信号，如图4为第三级分量信号IMF3、图5为第四分量信号IMF4、图6为第五分量信号IMF5、图7为第六分量信号IMF6。
理想的分解效果是不同源的射频干扰的噪声存在于不同的分量信号内，然后对所有分量信号进行去噪，但实际分解过程存在多类射频干扰源混杂，不能通过常规EMD分解将不同源的噪声干扰区分开来。如图2的IMF1、图3的IMF2、图4的IMF3可以观察到明显的噪声，图5的IMF4、图6的IMF5、图7的IMF6中几乎没有噪声，且图2的IMF1与图3的IMF2内的噪声无论从幅值还是频率方面仍是多类干扰源混杂。因此，贸然去噪是很难保证有效的地波信息不被损坏，且当多个分量信号中均进行有损去噪时，重构后的地波信号将所有损失累加起来可能导致地波信号严重失真。
现有技术认为IMF1、IMF2、IMF3内的噪声信息较多，在去噪时直接将IMF1、IMF2、IMF3三个分量信号舍弃，仅对后续的分量信号进行重构得到去噪后的地波信号；但IMF1、IMF2、IMF3三个分量信号中会存在有效的地波信号，直接将IMF1、IMF2、IMF3三个分量信号去除太过粗糙，同样会丢失大量有效的地波信息。
本发明实施例在此基础上提出通过调整上级分量信号的初始信号的局部包络线将下级分量信号中的可疑噪声信号向上进行堆积，使可疑噪声信号尽可能集中在IMF1中，再将IMF1去除，即可去除大量的噪声，同时又最大程度的保留了有效地波信息。
本发明实施例中包络线由包络值拟合得到，包络值为相邻极值点求平均所得，其中，上包络线的包络值由分量信号中的两个相邻上极值点求平均获得，下包络线的包络值由分量信号中的两个相邻下极值点求平均获得，因此，当调整包络线时，下级分量信号的上极值点所得调整系数对应上级分量信号的初始信号的上包络线，下级分量信号的下极值点所得调整系数对应上级分量信号的初始信号的下包络线。
首先需要确定分量信号中的噪声干扰程度，进而对分量信号中的噪声信号进行处理，使得噪声对应的异常信号段不断向上级分量信号进行堆积。优选地，确定分量信号中的噪声干扰程度的方法为，获取极值点的幅值与时宽之间的欧氏范数作为极值点的判断异常值；获取任意一条分量信号中的任意一条包络线的判断异常值方差作为对应分量信号的噪声干扰程度。
作为一个示例，以第k个分量信号中的上极值点为例进行如下说明：
（1）获取判断异常值。
获取每个极值点的幅值与对应的时宽，时宽为极值点的左右两侧零点之间的时间长度，将极值点的幅值与时宽之间的欧氏范数作为极值点的判断异常值。获取第k个分量信号中的第i个上极值点的判断异常值的公式为：
其中，
为第k个分量信号中的第i个上极值点的判断异常值；
为第k个分量信号中的第i个上极值点的幅值；
为第k个分量信号中的第i个上极值点的时宽。
需要说明的是，
越大，第k个分量信号中的第i个上极值点越偏离第k个分量信号中的整体上极值点，第k个分量信号中的第i个上极值点越异常，
越大；
越大，第k个分量信号中的第i个上极值点的时宽与其他上极值点对应的时宽之间的差异越大，第k个分量信号中的第i个上极值点越异常，
越大；因此，
越大，第k个分量信号中的第i个上极值点越为噪声点。
（2）根据判读异常值获取分量信号的噪声干扰程度。
根据第k个分量信号中的所有上极值点的判断异常值，获取第k个分量信号中上极值点的判断异常值的方差作为第k个分量信号的噪声干扰程度。获取第k个分量信号的噪声干扰程度
的公式为：
其中，
为第k个分量信号的噪声干扰程度；
为第k个分量信号中所有上极值点的数量；
为第k个分量信号中的第i个上极值点的判断异常值；
为第k个分量信号中的所有上极值点的判断异常值的均值。
需要说明的是，
越大，说明第k个分量信号中的第i个上极值点越偏离第k个分量信号中整体上极值点，第k个分量信号中的第i个上极值点越为噪声点且噪声影响程度越大；
为第k个分量信号中的第i个上极值点偏离度，即将
进行归一化处理，
越大，说明第k个分量信号中的第i个上极值点的偏离程度越大，对应的时宽中的噪声干扰程度越大；
代表整个第k个分量信号中所有上极值点的离散度即第k个分量信号的噪声干扰程度，因偏离度已经进行了归一化处理，因此噪声干扰程度的取值范围为0-1，且
越大，说明第k个分量信号中的噪声干扰程度越深。
根据获取第k个分量信号的噪声干扰程度的方法，获取每个分量信号分的噪声干扰程度；其中，当根据下极值点获取噪点干扰程度时，因为下极值点越小越偏离且越异常，因此，为了避免偏离度为负数，将判断异常值的均值减去每个下极值点的判断异常值。
（3）确定需要进行噪声处理的目标分量信号。
噪声干扰程度越大，说明对应的分量信号中的噪声含量越复杂，对地波信号的干扰越大。优选地，确定需要进行噪声处理的目标分量信号的方法为，设置噪声干扰程度阈值，当噪声干扰程度大于或等于噪声干扰程度阈值时，将对应的分量信号标记为目标分量信号。
本发明实施例设置噪声干扰程度的阈值为0.5，当噪声干扰程度大于等于0.5时，噪声干扰程度对应的分量信号需要进行噪声处理，对需要进行噪声处理的分量信号标记为目标分量信号，使得目标分量信号中的噪声向上级分量信号进行堆积。
调节系数获取模块30，用于根据目标分量信号中每个极值点的幅值确定异常极值点，根据异常极值点的幅值分布获取幅值异常度；获取异常极值点的时宽作为局部时间段，在目标分量信号的上级分量信号的初始信号中将局部时间段的曲线作为目标曲线段，根据幅值异常度与目标曲线段内每个极值点的幅值，获取目标曲线段内每个极值点的调节系数。
具体的，当第n个目标分量信号内的噪声含量越复杂时，便将第n个目标分量信号内的噪声信号向上堆积在第n个目标分量信号的上级分量信号第n-1个分量信号中。例如，当IMF3的
大于噪声干扰程度阈值时，在获取IMF2时，将大部分噪声信号保留在IMF2中，那么IMF2的初始信号减去IMF2得到的残余信号作为IMF3的初始信号，IMF3的初始信号分解后得到IMF3即可减少噪声信号干扰，保留IMF3的有效地波信息，就可以仅舍弃IMF2和IMF1。同理，若IMF2也将噪声信号保留在IMF1中，IMF2也可以被保留，使得噪声信号统一向IMF1堆积，最终去除IMF1，即可以去除噪声，又能降低地波信号的损失，使得地波信号更准确。为了将第n个目标分量信号内的噪声信号向第n-1个分量信号进行堆积，需要先确定第n个目标分量信号中存在可疑噪声信号的局部时间段，在第n-1个分量信号中找到同样的局部时间段，获取局部时间段内的第n-1个分量信号的均值包络线，对第n-1个分量信号的包络线进行处理，使得均值包络线尽可能平直，当第n-1个分量信号的初始信号减去第n-1个分量信号的残余信号时，就可以将可疑噪声信号保留在第n-1个分量信号中；当第n-1个分量信号的初始信号减去第n-1个分量信号时，可将可疑噪声信号不延续到第n个分量信号中。如图8为第n-1个分量信号即
的初始信号与第n个目标分量信号即
之间关系的示意图，其中，c为第n个目标分量信号中的异常极值点，
与
之间的时间段为异常极值点c的局部时间段。
获取目标分量信号中存在可疑噪声的局部时间段，需要先确定可能为噪声点的极值点即异常极值点。优选地，获取异常极值点的方法为：计算目标分量信号中每个极值点的幅值与对应包络线的平均幅值的差值作为异常确定值；当异常确定值满足预设异常确定值阈值时，将对应极值点标记为异常极值点。
作为一个示例，以第n个目标分量信号中的第d个上极值点为例，获取第n个目标分量信号中的第d个上极值点的异常确定值
的公式为：
其中，
为第n个目标分量信号中的第d个上极值点的异常确定值；
为第n个目标分量信号中的第d个上极值点的幅值；
为第n个目标分量信号中所有上极值点的平均幅值。
需要说明的是，
越大，说明第n个目标分量信号中的第d个上极值点的幅值越偏离，第n个目标分量信号中的第d个上极值点越为可疑噪声点，
越大；因此，
越大，第n个目标分量信号中的第d个上极值点越为噪声点。
根据获取第n个目标分量信号中的第d个上极值点的异常确定值的方法，获取每个上极值点的异常确定值。其中，在获取下极值点的异常极值点时，因为下极值点越小，就越偏离且越异常，因此，将下包络线的平均幅值与同一条下包络线上的每个下极值点的幅值的差值作为每个下极值点的异常确定值。
本发明实施例设定预设异常确定值阈值为0，当异常确定值大于等于异常确定值阈值时，对应的极值点就是异常极值点。
将异常极值点的异常确定值与对应包络线的平均幅值的比值作为异常极值点的幅值异常度，幅值异常度越异常，说明异常极值点越可能为可疑噪声点，进而调整异常极值点所在目标分量信号的上级分量信号的初始信号的包络线，使得对应的均值包络线趋于平直，即包络线趋于平直。
作为一个示例，第n个目标分量信号中的第c个异常极值点的幅值异常度的获取公式为：
其中，
为第n个目标分量信号中的第c个异常极值点的幅值异常度；
为第n个目标分量信号中的第c个异常极值点的异常确定值；
为第n个目标分量信号中所有上极值点的平均幅值；norm为归一化函数。
需要说明的是，
越大，第n个目标分量信号中的第c个异常极值点的偏离程度越大，进而对第n个目标分量信号的上级分量信号第n-1个分量信号的包络值进行调整程度越大。其中，
可以理解为第n个目标分量信号中的第c个异常极值点的异常确定值归一化后的值，取值范围为0-1。
根据获取第n个目标分量信号中的第c个异常极值点的幅值异常度的方法，获取每个异常极值点的幅值异常度。
获取异常极值点的时宽，确定异常极值点的左右两侧过零点的交点。因为每个分量信号对应的时间是相同的，所有每个分量信号中都可以找到相同的时宽。以第n个目标分量信号中的第c个异常极值点为例，如图8中第c个异常极值点的左右两侧过零点的交点分别为
、
，获取第c个异常极值点的时宽为
，在第n个目标分量信号的上级分量信号第n-1个分量信号的初始分量信号中找到
的时间段的曲线作为目标曲线段，第n个目标分量信号中的第c个异常极值点的幅值异常度同时是第n-1个分量信号的初始分量信号在目标曲线段内的总调整系数。根据目标曲线段内每个极值点的幅值，获取目标曲线段内的每个极值点的调节系数。
优先地，获取调节系数的方法为，将任意一条包络线在目标曲线段内的所有极值点的幅值进行累加的结果作为第一结果，计算目标曲线段内每个极值点的幅值与对应第一结果的比值作为每个极值点的权重；将权重与幅值异常值的乘积作为目标曲线段内每个对应极值点的调节系数。
作为一个示例，获取第n-1个分量信号的初始信号在目标曲线段内的第m个上极值点的调节系数
的公式为：
其中，
为第n-1个分量信号的初始信号在目标曲线段内的第m个上极值点的调节系数；
为第n个目标分量信号中的第c个异常极值点的幅值异常度即目标曲线段内的总调整系数；
为第n-1个分量信号的初始信号在目标曲线段内的第m个上极值点的幅值；norm为归一化函数。
需要说明的是，总调整系数
越大，说明目标曲线段内的噪声信号越复杂，越多，
越大；
越大，目标曲线段内的第m个上极值点越偏离，对应的调节程度越大，
越大；因此，
越大，说明第n-1个分量信号的初始信号在目标曲线段内的第m个上极值点的偏离程度越大，噪声干扰越严重，调整程度越大。其中，上极值点的调节是向下调整，下极值点的调节是向上调整。
根据获取第n-1个分量信号的初始信号在目标曲线段内的第m个上极值点的调节系数的方法，获取目标曲线段内每个极值点的调节系数。
去噪地波信号获取模块40，用于根据目标曲线段内相邻两个极值点的调节系数与幅值，获取新的包络值，根据新的包络值获取去噪分量信号，根据所有去噪分量信号获取去噪后的地波信号。
获取目标曲线段内每个极值点的调节系数，优选地，根据调节系数获取目标曲线段内新的包络值的方法为：获取目标曲线段内同一条包络线上的相邻两个极值点的调节系数之和作为总权重；获取目标曲线段内同一条包络线上的相邻两个极值点的幅值均值作为参考幅值；将总权重与参考幅值的乘积作为新的包络值。
作为一个示例，以第n-1个分量信号的初始信号中的目标曲线段为例，获取目标曲线段内的第m个上极值点与第m+1个上极值点对应的新的包络值
的公式为：
其中，
为第n-1个分量信号的初始信号中的目标曲线段内的第m个上极值点与第m+1个上极值点对应的新的包络值；
为第n-1个分量信号的初始信号中的目标曲线段内的第m个上极值点的调节系数；
为第n-1个分量信号的初始信号中的目标曲线段内的第m+1个上极值点的调节系数；
为第n-1个分量信号的初始信号中的目标曲线段内的第m个上极值点的幅值；
为第n-1个分量信号的初始信号中的目标曲线段内的第m+1个上极值点的幅值。
需要说明的是，总权重
越大，
越大；参考幅值
越大，
越大。
的作用是降低异常极值点的偏离程度，使得异常极值点经过分解后保留在第n-1个分量信号中。
根据获取第n-1个分量信号的初始信号中的目标曲线段内的第m个上极值点与第m+1个上极值点对应的新的包络值的方法，获取目标曲线段内的所有新的包络值。
连接新的包络值，获取新的包络线，重新进行迭代，获取新的第n-1个分量信号即第n-1个去噪分量信号，并将对应的残余信号作为第n个分量信号新的初始信号，经过继续分解获取新的第n个分量信号即第n个去噪分量信号。进而根据去噪分量信号获取去噪后的地波信号。优选地，获取去噪后的地波信号的方法为，将去噪分量信号进行叠加重构获取去噪后的地波信号。
本发明实施例对目标分量信号中的噪声信号进行调节的方式是由后至前的，即根据目标分量信号中的异常极值点确定目标分量信号的上级分量信号的初始信号的目标曲线段，进而调节目标曲线段内的包络线；当目标曲线段内的包络线发生改变时，目标曲线段所在分量信号以及后续分量信号均会受到影响，因此对于所有级别的分量信号而言，需要先对上级目标分量信号进行去噪，再对下级目标分量信号进行去噪，即整体分量信号之间的去噪过程是由前及后的。其中，获取的新的分量信号即为去噪分量信号，并不断迭代，使得每个去噪分量信号的噪声干扰程度小于噪声干扰程度阈值，因此，噪声信号会不断向第一级分量信号即IMF1堆积，当去噪后的IMF2及以下所有去噪后的分量信号中的噪声干扰程度均小于噪声干扰程度阈值时，可以将IMF1作为噪声分量信号直接去除，对所有去噪分量信号进行叠加重构，得到去噪后的地波信号。
入侵探测模块50，用于根据去噪后的地波信号与视频进行入侵探测与报警。
去噪后的地波信号大幅度改善了射频噪声干扰问题，使地波信号的可信度大幅提高，将去噪后的地波信号输入中央控制探测报警平台中，通过智能化时域、频域、小波域等信号分析和处理技术，当监测到异常的地波微震动信号时，中央控制探测报警平台进入预警状态，并连续对地波信号进行实时算法处理，将地波原始信号与入侵行为特征信号进行算法比对，根据设定规则特征，当达到报警条件时，自动触发报警，输出入侵行为类型，并结合视频监控、红外监控等多个维度的特征提取和行为识别，实现入侵探测的零漏报率或极低的误报率。
至此，本发明完成。
综上所述，本发明实施例获得地波信息与视频，将地波信号进行分解，获取分量信号，根据极值点的幅值与时宽获取分量信号的噪声干扰程度；根据噪声干扰程度确定目标分量信号；根据目标分量信号中极值点的幅值确定异常极值点，根据异常极值点获取幅值异常度；根据异常极值点的时宽确定目标分量信号的上级分量信号的初始信号中的目标曲线段，根据幅值异常度获取目标曲线段内每个极值点的调节系数；根据调节系数获取新的包络值，根据新的包络值获取去噪分量信号，根据去噪分量信号获取去噪后的地波信号，提高地波信号的准确性，根据去噪地波信号与视频进行准确的入侵探测与报警。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (3)
1.一种基于地波和视频的多模态入侵探测系统，其特征在于，所述系统包括：
数据获取模块，用于获得地波信息与视频；
目标分量信号获取模块，用于将所述地波信号进行逐级分解，获取至少两条分量信号，根据极值点的幅值与时宽获取每条所述分量信号的噪声干扰程度，时宽为每个所述极值点的左右两侧零点之间的时间段；根据所述噪声干扰程度确定目标分量信号；
调节系数获取模块，用于根据所述目标分量信号中每个极值点的幅值确定异常极值点，根据所述异常极值点的幅值分布获取幅值异常度；获取所述异常极值点的所述时宽作为局部时间段，在所述目标分量信号的上级分量信号的初始信号中将所述局部时间段的曲线作为目标曲线段，根据所述幅值异常度与所述目标曲线段内每个极值点的幅值，获取所述目标曲线段内每个极值点的调节系数；
去噪地波信号获取模块，用于根据所述目标曲线段内相邻两个极值点的所述调节系数与幅值，获取新的包络值，根据所述新的包络值获取去噪分量信号；逐级对每个所述目标分量信号进行去噪，根据所有去噪分量信号获取去噪后的地波信号；
入侵探测模块，用于根据去噪后的地波信号与视频进行入侵探测与报警；
所述噪声干扰程度的获取方法，包括：
获取极值点的幅值与时宽之间的欧氏范数作为极值点的判断异常值；
获取任意一条分量信号中的任意一条包络线的判断异常值方差作为对应分量信号的噪声干扰程度；
所述异常极值点的获取方法，包括：
计算目标分量信号中每个极值点的幅值与对应包络线的平均幅值的差值作为异常确定值；
当异常确定值满足预设异常确定值阈值时，将对应极值点标记为异常极值点；
所述幅值异常度的获取方法，包络：
将异常确定值与对应包络线的平均幅值的比值作为所述异常极值点的幅值异常度；
所述调节系数的获取方法，包括：
将任意一条包络线在目标曲线段内的所有极值点的幅值进行累加的结果作为第一结果，计算目标曲线段内每个极值点的幅值与对应第一结果的比值作为每个极值点的权重；
将所述权重与幅值异常值的乘积作为目标曲线段内每个对应极值点的调节系数；
所述新的包络值的获取方法，包括：
获取目标曲线段内同一条包络线上的相邻两个极值点的调节系数之和作为总权重；
获取目标曲线段内同一条包络线上的相邻两个极值点的幅值均值作为参考幅值；
将总权重与参考幅值的乘积作为新的包络值；
对目标分量信号中的噪声信号进行调节的方式是由后至前的。
2.如权利要求1所述的一种基于地波和视频的多模态入侵探测系统，其特征在于，所述根据所述噪声干扰程度确定目标分量信号的方法，包括：
设置噪声干扰程度阈值，当噪声干扰程度大于或等于噪声干扰程度阈值时，将对应的分量信号标记为目标分量信号。
3.如权利要求1所述的一种基于地波和视频的多模态入侵探测系统，其特征在于，所述根据去噪分量信号获取去噪后的地波信号的方法，包括：
将去噪分量信号进行叠加重构获取去噪后的地波信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310293242.3A CN116071881B (zh) | 2023-03-24 | 2023-03-24 | 基于地波和视频的多模态入侵探测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310293242.3A CN116071881B (zh) | 2023-03-24 | 2023-03-24 | 基于地波和视频的多模态入侵探测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116071881A CN116071881A (zh) | 2023-05-05 |
| CN116071881B true CN116071881B (zh) | 2023-06-13 |
Family
ID=86175254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310293242.3A Active CN116071881B (zh) | 2023-03-24 | 2023-03-24 | 基于地波和视频的多模态入侵探测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116071881B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116738153B (zh) * | 2023-08-15 | 2023-10-17 | 中国科学院东北地理与农业生态研究所 | 基于光谱分析的有机肥利用效果评价方法 |
| CN116976684B (zh) * | 2023-09-25 | 2024-01-02 | 尚古智造(山东)智能装备有限公司 | 用于物流输送机的风险模型预测控制方法及系统 |
| CN117420346B (zh) * | 2023-12-19 | 2024-02-27 | 东莞市兴开泰电子科技有限公司 | 一种电路保护板过流值检测方法及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4536752A (en) * | 1982-12-29 | 1985-08-20 | Southwest Microwave | Intrusion detection system and method |
| JP3198451B2 (ja) * | 1993-04-26 | 2001-08-13 | 日本光電工業株式会社 | 雑音除去方法及び装置 |
| JP3399888B2 (ja) * | 1999-09-30 | 2003-04-21 | 横河電子機器株式会社 | 侵入者検知装置 |
| DE10313875B3 (de) * | 2003-03-21 | 2004-10-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Analysieren eines Informationssignals |
| GB2474303B (en) * | 2009-10-12 | 2012-02-08 | Geco Technology Bv | Noise filtering of seismic data |
| CN102360519B (zh) * | 2011-07-29 | 2013-04-03 | 电子科技大学 | 一种分布式光纤围栏入侵检测与定位的方法 |
| CN107272066B (zh) * | 2017-06-22 | 2019-01-25 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
| WO2021049008A1 (ja) * | 2019-09-13 | 2021-03-18 | 三菱電機エンジニアリング株式会社 | 振動検出装置、振動検出方法および異常判定システム |
| CN113109586A (zh) * | 2021-03-25 | 2021-07-13 | 彭迪康 | 基于振动信号提取转速信息的方法及系统 |
-
2023
- 2023-03-24 CN CN202310293242.3A patent/CN116071881B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116071881A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116071881B (zh) | 基于地波和视频的多模态入侵探测系统 | |
| US10620038B2 (en) | Distributed optical fiber sensing signal processing method for safety monitoring of underground pipe network | |
| Slutsky et al. | Methods for reducing false alarms in searches for compact binary coalescences in LIGO data | |
| CN109470352B (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
| CN111104891B (zh) | 基于BiLSTM的复合特征光纤传感扰动信号模式识别方法 | |
| CN103617684A (zh) | 干涉型光纤周界振动入侵识别算法 | |
| CN102280001B (zh) | 基于φ-otdr的分布式光纤围栏入侵检测与定位方法 | |
| Yang et al. | Pipeline safety early warning by multifeature-fusion CNN and LightGBM analysis of signals from distributed optical fiber sensors | |
| CN106845447A (zh) | 一种工作面瓦斯浓度预测预警方法 | |
| CN112069912B (zh) | 一种基于φ-otdr的光缆通道施工威胁事件的识别方法 | |
| CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
| CN107424626A (zh) | 一种岸桥小车轨道声音监测及故障识别系统 | |
| CN111507310B (zh) | 一种基于φ-otdr的光缆通道内人为触缆作业信号识别方法 | |
| CN117031566A (zh) | 一种地磁异常数据集的构建方法及系统 | |
| Srirangarajan et al. | Water main burst event detection and localization | |
| CN104819382B (zh) | 一种用于光纤预警系统的自适应恒虚警率振源检测方法 | |
| Bi et al. | Harmful intrusion detection algorithm of optical fiber pre-warning system based on correlation of orthogonal polarization signals | |
| CN117189239A (zh) | 一种隧道围岩损伤监测方法 | |
| Yang et al. | Linear prediction of one-sided autocorrelation sequence for noisy acoustics recognition of excavation equipments | |
| CN101626270B (zh) | 光电复合缆外部安全预警定位系统进行事件预警与分类的方法 | |
| CN112857798A (zh) | 一种基于频谱分析的多轴系机械传动系统质量评估方法 | |
| CN110503813B (zh) | 一种埋地管道防开挖监测预警方法 | |
| CN118013401B (zh) | 一种基于das的带式输送机振动误报抑制方法 | |
| CN112464777B (zh) | 一种光纤振动源垂直距离智能估算方法 | |
| CN103903270A (zh) | 光纤链路监测信号的规整化有效特征段选取方法 |
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 |