CN117452496A - 一种震声传感器目标探测识别方法 - Google Patents
一种震声传感器目标探测识别方法 Download PDFInfo
- Publication number
- CN117452496A CN117452496A CN202311405665.6A CN202311405665A CN117452496A CN 117452496 A CN117452496 A CN 117452496A CN 202311405665 A CN202311405665 A CN 202311405665A CN 117452496 A CN117452496 A CN 117452496A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- vibration
- detection
- acoustic
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000009432 framing Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/18—Receiving elements, e.g. seismometer, geophone or torque detectors, for localised single point measurements
- G01V1/181—Geophones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/18—Receiving elements, e.g. seismometer, geophone or torque detectors, for localised single point measurements
- G01V1/186—Hydrophones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/20—Arrangements of receiving elements, e.g. geophone pattern
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/362—Effecting static or dynamic corrections; Stacking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
- G01V1/3808—Seismic data acquisition, e.g. survey design
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Oceanography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种震声传感器目标探测识别方法,属于目标探测识别技术领域。该方法包括:获取多源地面传感器探测数据,通过对震动、声响的数据进行独立检测识别,随后采用数据融合方式,基于D‑S证据理论将识别结果进行时间维度的信息融合处理,完成对人员、车辆、直升机等目标的高准确率、低虚警率检测识别。同时,声阵列传感器采用了平面四元阵方式,通过时延估计完成目标定向功能。该方法及系统用于震声传感器对敏感目标的探测识别,可提高目标识别能力和目标信息量。通过多手段联合探测和多源信息融合处理,提高系统的探测能力和目标识别准确率。
Description
技术领域
本发明属于目标探测识别技术领域,涉及一种震声传感器目标探测识别方法。
背景技术
地面传感器具有探测范围广,纵深远,不受地形和天候条件影响,隐蔽性好,抗干扰能力和生存能力强,获取目标信息准确、及时、不间断、布设方便灵活等特点。传统地面传感器的应用主要体现在单传感器节点对地面移动目标进行检测。单传感器节点表现形式为单一类型传感器,包括震动传感器、声响传感器、红外传感器、图像传感器、激光传感器等类型。
目前地面传感器目标识别方法主要受限于传感器类型单一的局限,存在目标探测信息内容单一、准确率低、虚警高等不足,特别是缺乏单一复合传感器间异构传感器间信息融合,无法提供给决策者准确、丰富的目标信息。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种震声传感器目标探测识别方法。
本发明的技术方案是这样实现的:
一种震声传感器目标探测识别方法,包括以下步骤:
步骤1,采用震动/声响复合传感器进行目标探测识别,震动/声响复合传感器包括震动传感器和声阵列传感器;当无目标时,震动传感器和声阵列传感器中的一路处于低功耗值守状态,其余单元关闭;当探测到有目标侵入时,执行步骤2;
步骤2,声阵列传感器对声信号进行采集和处理,生成声探测结果,同时,震动传感器对震动数据进行采集和处理,生成震动探测目标信息;
步骤3,对声探测结果和震动探测目标信息进行单节点数据融合;
步骤4,生成融合目标信息,并将信息上报;
步骤5,当目标离开探测区域后,声阵列和处理单元关电,设备重新进入低功耗值守状态。
进一步地,所述声阵列传感器为采用平面十字阵布阵结构的平面四元声阵列,四个传声器处于同一平面的正方形的四个顶点处,用来接收目标的声响信号,根据声信号到达各个传感器的时间差计算出目标方位。
本发明相比背景技术的优点在于:
1、多手段联合探测:原有节点具备单手段探测能力,只能探测目标声音、震动、红外、磁敏等某一方面的特性,且不具备目标的精确定位和连续跟踪能力,易受环境影响,虚警率高,信息准确率低。针对原有探测节点单手段探测的不足,将声音、震动等多种探测手段集成到单个探测节点,实现多种手段联合探测,发挥各种探测手段的优点,优势互补,提高系统探测准确率,降低虚警率;
2、单节点多源异构信息融合:对探测到的目标多源信息进行融合处理,融合处理方法采用多数表决规则和D-S证据理论,能够提高目标识别能力;
3、目标定向:单震动传感器或声响传感器不能提供车辆等地面移动目标方位,使用平面四元声阵列通过声响信号到阵面时间延迟误差,测算目标方向的基本原理,可以解决人员、车辆等移动目标的定向问题。
附图说明
图1是本发明的震声传感器目标探测识别方法的流程图;
图2是本发明的目标探测识别处理原理示图;
图3是本发明的声传感器平面四元阵定向原理示图;
图4是本发明的时延估计的频域相关算法流程图;
图5一种震声传感器目标探测识别系统组成图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
一种震声传感器目标探测识别方法,该目标探测识别方法实现流程为震声地面传感器对目标(人员、轮式车辆、履带车辆和直升机)进入范围后进行自动探测,在确定存在目标后启动震动和声响传感器进行独立目标识别和定向,对各识别结果在处理单元实现数据融合。
自动探测方法采用自动增益控制原理,主要流程为通过对震/声阵列获取的信号,进行环境信号采样分析后,设定启动门限。当探测信号的强度和持续时间超过阈值后,触发目标分类识别流程。同时实时对环境背景噪声进行自动增益控制,实现对环境的自适应,从而保障在不同环境场景下实现目标信号的检测。
目标分类识别算法采用机器学习和深度学习方法,包括数据预处理、数据交叠组帧、目标特征提取、分类决策、加权综合判决和时间联合判决,最后通过D-S证据理论完成数据融合,得到目标分类结果。此外,可通过采集特定目标信息后进行样本训练,提升目标的分类准确率。
根据本发明的另一方面,提供了一种声响阵列传感器目标定向方法。
声阵列传感器采用平面四元阵定位方法,通过点声源到达四面阵时间不同这一原理,同时考虑设备小型化和系统随机误差的因素综合设计四元阵的基线长度,实现对点声源的目标定向。
一种震声传感器目标探测识别系统,包括震动采集模块、声响阵列模块、定位模块和信息分类融合模块;所述震动采集模块,用于震动信号的数据采集预处理;所述声响阵列模块,用于获取目标的声响信息和方位信息;所述定位模块,用于获取传感器的位置信息和时间信息;所述信息分类融合模块,用于对所述目标的震动信息、声响信息进行分类识别,基于多源信息融合算法,叠加方位信息和位置时间信息进行目标信息融合。
下面为更具体的例子:
一种震声传感器目标探测识别方法,主要完成人员、轮式车辆、履带车辆和直升机等目标类型的探测识别,如图1所示,包括以下步骤:
1、当无目标时,震动传感器和声阵列传感器中的一路处于低功耗值守状态,其余单元关闭。当探测到有目标侵入时,自动开启声阵列及处理单元,检测目标类型和目标方向;当目标离开探测区域后,声阵列和处理单元关电,设备重新进入低功耗值守状态。
如图2所示,目标检测识别处理算法对前端采集数据的处理步骤包括数据预处理、数据交叠组帧、目标特征提取、分类决策、加权综合判决、时间联合判决和融合处理。
2、数据预处理包括数据分帧和信号预处理操作。
分帧操作可对采集信号短时间内的特征进行提取,并在此基础上建立相关模型。选取帧长度过短会增加误判几率,不易突出各类目标间的特征区别,突发性噪声对判决影响加大,此外目标信号间隙数据会判为噪声影响最终判决;帧长度过长会增大目标判决的响应时间,影响系统联动处置。综合考虑选定帧处理长度为1s的数据片段。
信号预处理方法主要包括数据平滑处理和对数据多项式趋势的去除。数据采集时环境信号干扰、器件噪声信号会掺杂进目标信号中,信号进行处理前要对其中的噪声和干扰进行一定的处理,将其剔除,以便得到最优化的有用信号。
3、数据交叠组帧的具体方法为接收数据的采样率为fs,则每存储够fs/2点就要进行一次目标分类识别处理。将上一次存储的fs/2点数据与当前存储的fs/2点数据拼为一帧进行处理(第一次处理时可认为前fs/2点数据与当前存储的fs/2点相同),即一次处理数据点为1s时间内采集的数据;此操作的目的为了尽可能减少信息的丢失。
4、特征提取采用时域、频域、时频域等处理方法,包括过零检测、峰值能量百分比、峰度检测、频带能量检测和小波结合倒谱分析处理算法,充分利用了不同类别目标在不同特征域的区别进行有效的目标特征提取。特征提取是目标识别中非常关键的一步,提取信号特征就是提取信号的有效成分,根据特征向量用来分类识别。
过零检测:过零率是信号分析中最简单但是比较有效的一种特征。它是指每帧内信号通过一个接近0的门限值的次数。过零率可以在一定程度上反映信号谱性质,可以通过过零率获得谱特性的一种粗略估计。而背景噪声、人员、车辆信号间存在频率差别,因此,可以利用过零检测来进行目标的检测和分类;
峰值能量百分比:人员信号为离散冲击信号,车辆、直升机和背景噪声信号为连续波形信号,所以人员信号最大值占总能量百分比比较大,而车辆信号由于波形连续性,最大值点和其他点差别不大,所以其最大值信号占总能量的百分比并不大,背景噪声较车辆信号平稳性更高,其最大值占总能量百分比更低,因此可以应用信号峰值能量百分比特征来进行目标的检测和分类;
峰度检测:峰度是衡量总体离群数据离群度的量。如:n个数据的总体中,离群度最强的情况是n-1个数据点相同,而只有一个数据点与其它不同。信号峰度类似于信号峰值能量百分比,都是求取信号尖峰程度,只是求取方式不同;
频带能量检测:频带能量比衡量的是信号频域某个频带内能量占全部频带能量的比率,由于背景噪声、人员、车辆和直升机信号的频谱分布不同,信号主要集中的频谱区域不同,因此可以利用此特征来进行目标的检测和分类。信号频带能量比类似于信号过零率检测,不同的是频带能量比是频域特征提取,且是一段频率区域共同作用的特征,过零率是计算一帧时间内信号频率的平均值;
小波结合倒谱分析处理算法:算法对采集数据应用小波包变换进行精细的频带划分,具体为做7级小波包分解,小波包基函数选取db6小波,每一层每一个结点都代表一定的特征;对第7层的每个尺度上的信号进行单尺度频谱能量重构;最后计算其能量的对数,再进行离散余弦变换(DCT),得到倒谱系数特征参数;
5、分类决策算法采用多级二分类树的分类器设计,多层二分类处理层层递进,逐层完成多类目标的识别。
震动信号的分类目标共有四类:噪声、人、小型轿车、轮式装甲车、履带装甲车。对四类识别目标共设置四个二分类器:噪声目标二分类器、人员车辆二分类器、小型车装甲车二分类器,轮式车履带车二分类器;震声信号的分类目标共有三类:噪声、直升机、轮式装甲车、履带装甲车。对三类识别目标共设置三个二分类器:噪声目标二分类器、车辆飞机二分类器、车辆二分类器。
每个二分类器的分类器参数均由训练数据训练生成,实际应用时由终端计算机按参数传递格式进行输入并层层递进,只要识别结果不是最终的“叶子节点”(噪声信号、人员信号、轮式车信号、履带车信号、直升机信号),就要进行下一分类器的分类识别处理。
6、加权综合判决主要利用不同二分类器下每个特征参量对正确识别目标信号的贡献权重,对不同二分类器下各特征的目标识别结果进行加权处理,综合判决。
7、时间联合判决具体方法为:当前一次判决结果,要联合前n-1次的判决结果,进行联合判决,n次判决的哪类目标合计更多则判定为哪类目标。对于采集刚开始时的第1次到第n-1次的判决(前面的信号一共不足n次的),有几次算几次进行综合判决。由于实际应用时人员、车辆目标和直升机作用于传感器的信号往往是连续的几秒钟或几十秒钟,因此此方法可提高目标的识别概率,减小误判概率。
8、对于多种传感器获取的不确定性的目标分类、数量规模等目标属性报告,利用D-S证据推理法进行融合,对所观测的目标给出联合的目标属性判断,最后给出比单一传感器更准确、更具体、更完备的目标分类与属性。
D-S证据理论融合处理过程如下:
判别框Θ={人员,轻型轮式车,轮式装甲车,履带装甲车,直升机};
{车辆}={轻型轮式车,轮式装甲车,履带装甲车};
{探测到}=Θ;
对Θ的幂集中的元素的信念称为概率质量,概率质量取为置信度,表示为m(x),任何有一个非零m(x)值的子集x称为焦点元素。
D-S理论说明可以根据如下规则合并新质量和原始质量:
提供两种概率度量,它们用于估计任何假设集合的信念(Bel,belief)和似然性(Pl,plausibility):
用符号mn表示第n步出现的证据。
这个等式说明应该用每个新焦点元素除以所有不为空的旧焦点元素的和。
决策方法:基于概率质量的决策。设满足
若有
则A1即为判决结果,其中ε1、ε2为预先设定的门限。
计算过程中n个传感器的m次识别结果的融合计算与1个传感器的n×m次识别结果相同。D-S证据理论中两类目标多次识别计算时,可交换融合目标的先后顺序,融合后的识别概率结果不变;融合处理后目标识别概率随单节点单次识别概率增高、一次测试试验过程目标识别次数的增高而增高。
本发明的实施例目标分类结果表明,利用震声复合传感器进行目标独立探测识别并进行数据融合后,目标分类正确率可达到90%。
本发明的实施方式还提供了一种平面四元阵目标定向方法,平面四元声阵列采用平面十字阵布阵结构,四个传声器处于同一平面的正方形的四个顶点处,用来接收目标的声响信号。目标的声信号可视为按球面波方式传播,根据声信号到达各个传感器的时间差可以计算出目标方位。如图3所示,包括以下步骤:
1、点P表示目标声源,Sensor1、Sensor2、Sensor3、Sensor4分别表示四个处于同一平面上用来接收信号的传声器,位于正方形的四个顶点处,基阵的边长为L,则各个传声器的坐标可表示为Sensor1(L/2,0,0)、Sensor2(0,L/2,0)、Sensor3(-L/2,0,0)、Sensor4(0,-L/2,0);
2、目标声源P的直角坐标为P(x,y,z),以球坐标参数表示为(Rcosθ),其中,R为目标距离,θ为目标俯仰角,/>为目标方位角。目标P到各个传感器距离分别为R1、R2、R3、R4。目标的声信号可视为按球面波方式传播,声信号到达各个传感器的时间分别为t1、t2、t3、t4,到达Sensor2、Sensor3、Sensor4相对于Sensor1的时延分别为τ21、τ31、τ41。由几何关系可以列出下列方程组:
其中:
其中,C为声速,将公式(2)代入方程组(1),再将方程组(1)的后三式分别与第一式相减得:
解以上方程组可得:
由公式(1)(2)第一式可得:
代入公式(2)可得:
方位角计算可由x,y值计算得:
由公式z=Rcosθ得:
至此,目标的直角坐标系下坐标P(x,y,z),球坐标系下下坐标(R,θ,φ)均可由公式(4)中结果表示。重点关注方位角φ:
由定位算法原理可得:在已知阵列间距L,声速C的前提条件下,只要能够测得或计算出t21、t31、t41,就可以得到目标点P的直角坐标和球坐标(都可以表示成L、C、t21、t31、τ41的函数),完成对目标的定位。阵列间距L、声速C在系统及环境确定之后其值即可测量确定。所以定位算法的关键是对目标信号到达阵元2、3、4与到达阵元1的时差τ21、τ31、t41的估计;
3、时差估计方法采用了频域相关算法,如图4所示,具体为将两信号分别进行FFT运算,再进行共轭相乘,最后再进行IFFT运算。由于FFT/IFFT运算中的时域长度和频域长度是相同的,因此在做频域相关时,对原始信号必须进行补零加长处理。即两序列的长度皆为N,若要进行频域上相关,必须用补零方式,将序列长度扩至2N-1,然后再进行频域相关操作,这样才能保证得到相关后的时域长度为2N-1。工程上采用的快速FFT算法的数据长度要求为2n,所以序列长度真实需要扩充至2n,n要满足2n-1<2N-1<2n的条件。
本发明的实施例利用平面四元阵的方式,通过时延估计算法计算声信号到达各个传感器的时间差完成目标精确定向。
本发明还提供了一种震声传感器目标探测识别系统,包括:
震动采集模块,用于震动信号的数据采集预处理;
声响阵列模块,获取目标的声响信息,利用平面四元阵方法获取目标定向信息;
定位模块,用于获取传感器的位置信息和时间信息;
信息分类融合模块,利用震声目标探测算法完成目标分类识别,基于多源信息融合算法可得到精确完整的目标信息。
本发明利用震动和声阵列传感器复合在一起,组成声震复合传感器,对人员、车辆和直升机等目标进行实时信号采集,同时实施采集环境噪声,利用自动探测方法和目标分类识别算法,最终通过数据融合算法完成目标探测识别。同时,利用声阵列的平面四元阵方式,根据时延估计算法完成目标定向。本发明可在不同噪声环境下完成高准确率、低虚警率的目标探测识别。
Claims (2)
1.一种震声传感器目标探测识别方法,其特征在于,包括以下步骤:
步骤1,采用震动/声响复合传感器进行目标探测识别,震动/声响复合传感器包括震动传感器和声阵列传感器;当无目标时,震动传感器和声阵列传感器中的一路处于低功耗值守状态,其余单元关闭;当探测到有目标侵入时,执行步骤2;
步骤2,声阵列传感器对声信号进行采集和处理,生成声探测结果,同时,震动传感器对震动数据进行采集和处理,生成震动探测目标信息;
步骤3,对声探测结果和震动探测目标信息进行单节点数据融合;
步骤4,生成融合目标信息,并将信息上报;
步骤5,当目标离开探测区域后,声阵列和处理单元关电,设备重新进入低功耗值守状态。
2.根据权利要求1所述的一种震声传感器目标探测识别方法,其特征在于,所述声阵列传感器为采用平面十字阵布阵结构的平面四元声阵列,四个传声器处于同一平面的正方形的四个顶点处,用来接收目标的声响信号,根据声信号到达各个传感器的时间差计算出目标方位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405665.6A CN117452496A (zh) | 2023-10-26 | 2023-10-26 | 一种震声传感器目标探测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405665.6A CN117452496A (zh) | 2023-10-26 | 2023-10-26 | 一种震声传感器目标探测识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117452496A true CN117452496A (zh) | 2024-01-26 |
Family
ID=89582965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311405665.6A Pending CN117452496A (zh) | 2023-10-26 | 2023-10-26 | 一种震声传感器目标探测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117452496A (zh) |
-
2023
- 2023-10-26 CN CN202311405665.6A patent/CN117452496A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A dynamic time sequence recognition and knowledge mining method based on the hidden Markov models (HMMs) for pipeline safety monitoring with Φ-OTDR | |
CN107591002B (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
CN102045120B (zh) | 光纤周界系统的振动信号识别方法 | |
CN111880157B (zh) | 一种雷达图像中目标的检测方法及系统 | |
CN109901130B (zh) | 一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法 | |
CN104680554A (zh) | 基于surf的压缩跟踪方法和系统 | |
CN115508821A (zh) | 一种多源融合无人机智能探测系统 | |
CN113640768B (zh) | 一种基于小波变换的低分辨雷达目标识别方法 | |
CN103116740A (zh) | 一种水下目标识别方法及其装置 | |
Kandpal et al. | Classification of ground vehicles using acoustic signal processing and neural network classifier | |
CN111951505B (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 | |
CN106056150A (zh) | 基于人工智能随机森林方法建立不同车型分零件远程定损系统及方法 | |
WO2020151627A1 (zh) | 一种连续型车辆碰撞检测系统及其方法 | |
CN116594057B (zh) | 一种基于深度学习和边缘计算的地震预警方法与装置 | |
CN116910690A (zh) | 一种基于数据融合的目标分类系统 | |
Khan et al. | Prior recognition of flash floods: Concrete optimal neural network configuration analysis for multi-resolution sensing | |
CN117452496A (zh) | 一种震声传感器目标探测识别方法 | |
CN116524537A (zh) | 一种基于cnn和lstm联合的人体姿态识别方法 | |
Bin et al. | Intelligent moving target recognition based on compressed seismic measurements and deep neural networks | |
CN115825869A (zh) | 一种基于音视频耦合的鸣笛车辆定位方法及系统 | |
Yang et al. | Linear prediction of one-sided autocorrelation sequence for noisy acoustics recognition of excavation equipments | |
CN114584924A (zh) | 一种智能无人值守传感器系统及目标识别方法 | |
Thu et al. | Vehicle type classification based on acoustic signals using denoised MFCC | |
CN113030950A (zh) | 一种基于深度学习技术的小型无人机分类方法 | |
Klausner et al. | DSP based acoustic vehicle classification for multi-sensor real-time traffic surveillance |
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 |