CN117520790A - 一种非平稳干扰下光纤振源检测的虚警控制方法、系统 - Google Patents
一种非平稳干扰下光纤振源检测的虚警控制方法、系统 Download PDFInfo
- Publication number
- CN117520790A CN117520790A CN202410022977.7A CN202410022977A CN117520790A CN 117520790 A CN117520790 A CN 117520790A CN 202410022977 A CN202410022977 A CN 202410022977A CN 117520790 A CN117520790 A CN 117520790A
- Authority
- CN
- China
- Prior art keywords
- false alarm
- optical fiber
- probability density
- density function
- representing
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000013598 vector Substances 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000000835 fiber Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 5
- 238000004260 weight control Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 101100203530 Caenorhabditis elegans stn-1 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种非平稳干扰下光纤振源检测的虚警控制方法、系统,该方法包括采集光纤的原始振动数据,进行数据融合,得到一定大小的二维数据;基于二维数据利用核密度估计的方法得到参杂虚假警报的虚警输出概率密度函数;通过B样条模型近似建立虚警输出概率密度函数与权重向量之间的对应关系,将对虚警输出概率密度函数的跟踪转化为对目标概率密度函数权重的跟踪,得到权重向量和控制输入线性动态模型;通过子空间识别方法对线性动态模型进行参数辨识;通过最小化二项式性能指标的控制算法实现恒虚警检测的阈值系数的动态调整。本发明能够消除误报,对排除无振动时产生的虚警有较好的控制效果。
Description
技术领域
本发明属于恒虚警检测与控制、光纤预警技术领域,具体涉及一种非平稳干扰下光纤振源检测的虚警控制方法、系统。
背景技术
目前先进的传感技术和信号处理技术应用到油气管道安全预警技术中,不断发展以实现长距离管道安全监测,使管道的安全性得到保障。
光纤传感系统通过光纤感知外界对管道或大地产生的振动信号,这些振动信号能否被正确解释完全依靠振源检测系统的性能。在前端的光纤传感硬件系统方面,主要是采用基于干涉和反射的检测方法,属于后者的OTDR(Optical Time Domain Reflection, 光时域反射)优势较为明显,使用广泛,但由于OTDR技术所采用的传感器灵敏度过高,对环境中的无害干扰和瞬时噪音等干扰源异常敏感,当环境干扰和有害侵入产生非线性混叠时,会导致时空二维的非平稳干扰。在后端的振源检测软件系统方面,主要是采用单级开环振源检测架构,即对振动信号直接进行处理从而获取振源信息,当存在时空二维非平稳干扰时,会造成虚警/实警混叠问题,导致目前的光纤预警系统虚警率不稳定、振动检测可信度不稳定,这严重制约了该项技术的实际应用效果。
在光纤振动信号检测中,因为复杂非平稳干扰的存在,导致系统检测输出的虚警率不满足高斯分布假设,且虚警概率密度函数往往是非对称、多峰值的。因此需要提出一种合适的控制系统对光纤振动信号的虚警率进行控制,解决振动信号检测面临的时空二维干扰分布形状畸变问题。
发明内容
本发明所要解决的技术问题是:提出一种非平稳干扰下光纤振源检测的虚警控制方法、系统,基于随机分布控制理论,实现了对光纤振动信号的虚警率的控制,解决了振动信号检测面临的时空二维干扰分布形状畸变问题。
本发明为解决上述技术问题采用以下技术方案:
本发明提出的一种非平稳干扰下光纤振源检测的虚警控制方法,包括以下步骤:
S1、采集埋地光纤的原始振动数据。
S2、对采集到的原始振动数据进行数据融合,得到一定大小的二维数据。
S3、基于步骤S2中二维数据,利用核密度估计方法得到参杂虚假警报的虚警输出PDF(Probability density function, 概率密度函数)。
S4、通过B样条模型建立虚警输出PDF与权重向量之间的对应关系,将对虚警输出PDF的跟踪转化为对目标PDF权重的跟踪,得到权重向量和控制输入线性动态模型。
S5、通过子空间识别方法对S4步骤中线性动态模型进行参数辨识。
S6、通过最小化二项式性能指标的控制方法实现恒虚警检测的阈值系数的动态调整。
进一步的,步骤S3中,虚警输出PDF的公式为:
;
其中,表示虚警输出PDF;n表示样本数量;/>表示光纤预警系统的输出值;/>表示光纤预警系统的第i个样本的输出值;/>表示检测阈值;/>表示核函数;h表示带宽,/>,/>表示样本的标准差。
进一步的,步骤S4中,得到权重向量和控制输入线性动态模型包括以下子步骤:
S401、虚警输出PDF与权重向量之间的对应关系为:
;
其中,表示光纤预警系统中第i个样本的输出值对应的基函数;/>表示光纤预警系统中第i个样本的输出值对应的权重;e表示建模误差。
S402、将虚警输出PDF控制问题转化为权重控制问题,具体公式为:
;
其中,表示由光纤预警系统中第1个样本的输出值对应的基函数/>到第n-1个样本的输出值对应的基函数/>组成的行向量;/>表示第n个样本的输出值对应的基函数;/>表示第n个非零的正常数;表示第1个到第n-1个非零正常数组成的列向量;表示由光纤预警系统中第1个样本的输出值对应的权重/>到第n-1个样本的输出值对应的权重/>组成的权重向量;/>表示向量的转置,其作用是为了将/>表示为列向量的形式。
根据虚警输出PDF在整个区间中满足1的积分的自然约束,使得,线性B样条模型的第n个权重与其他n-1个权重具有线性相关性,且仅n-1个权重是相互独立的,所以相应的光纤预警系统的第n个样本的输出值对应的权重则表示为/>。
S403、设定权重向量和控制输入具有线性动态关系,获得相应的线性动态模型,具体公式为:
;
其中,表示k+1时刻的状态变量,/>表示k时刻的中间状态,/>表示k时刻的输出值,A、B、C、D表示要辨识的参数矩阵。
进一步的,步骤S5中,对线性动态模型进行参数辨识包括以下内容:
子空间辨识方法为N4SID(Numerical Subspace State Space SystemIdentification, 子空间辨识),直接从输入/输出数据矩阵的行和列空间估计系统的卡尔曼状态序列或广义观测矩阵,并通过基本的代数运算(如求解最小二乘问题)获得系统的状态空间模型。
进一步的,步骤S6中,对于误报输出PDF的形状控制,控制器的设计是基于二项式性能指标,通过最小化该性能指标从而得到最优的控制输入,使系统输出PDF形状跟踪给定的PDF,或者等效地使权重向量跟踪期望的权重向量。一旦设计了控制器,将为CFAR(Constant False Alarm Rate, 恒虚警)检测确定适当的阈值,从而使虚警率最小化。因此,可以通过优化性能指标来获得最佳控制输入:
;
其中,表示目标PDF,通过光纤端的理想光强度数据来进行估计;J表示虚警输出PDF和目标PDF之间的距离。
进一步的,本发明还提出了一种非平稳干扰下光纤振源检测的虚警控制系统,包括:
数据融合模块,用于采集埋地光纤的原始振动数据,对数据进行融合,得到一定大小的二维数据。
函数获取模块,用于基于数据融合模块中的二维数据,利用核密度估计的方法得到参杂虚假警报的虚警输出概率密度函数。
线性动态模型获取模块,用于通过B样条模型建立虚警输出概率密度函数与权重向量之间的对应关系,将对虚警输出概率密度函数的跟踪转化为对目标概率密度函数权重的跟踪,得到权重向量和控制输入线性动态模型。
参数辨识模块,用于通过子空间识别方法对线性动态模型获取模块中的线性动态模型进行参数辨识。
阈值系数调整模块,用于通过最小化二项式性能指标的控制算法实现恒虚警检测的阈值系数的动态调整。
进一步的,本发明还提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前文所述的一种非平稳干扰下光纤振源检测的虚警控制方法的步骤。
进一步的,本发明还提出了一种计算机可读的存储介质,所述计算机可读的存储介质存储有计算机程序,所述计算机程序被处理器运行时执行前文所述的一种非平稳干扰下光纤振源检测的虚警控制方法。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明将调整光纤振源检测阈值的阈值系数作为控制目标,实现动态调整阈值系数。将CFAR方法与PDF阈值控制结合,使得报警器的位置更加精确,不会出现漏检、多检和误检的情况,与此同时,在面对虚警和实警混杂在一起的情况下,本发明能够消除误报,对排除无振动时产生的虚警有较好的控制效果。能够保证在时空二维的非平稳干扰下,光纤预警系统预警稳定。
利用本发明所提出的振源检测方法可以提高精度,使施工单位快速定位,减少工期。
附图说明
图1是本发明的整体实施流程图。
图2是本发明实施例中数据分析处理过程。
图3是本发明实施例中小跑情况下控制输入序列响应。
图4是本发明实施例中小跑情况下三维PDF响应。
图5是本发明实施例中电镐情况下控制输入序列响应。
图6是本发明实施例中电镐情况下三维PDF响应。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合附图和实例对本发明进行详细说明。
本发明提出了一种非平稳干扰下光纤振源检测的虚警控制方法,整体实施方案流程如图1所示,包括以下步骤:
S1、本实施例中,多次采集上苇甸村的埋地光纤在小跑和电镐两种情况下的原始振动数据。
光纤预警系统通过管道同沟铺设的光纤来感知地面活动产生的振动,在实际生产生活中,对管道安全产生威胁的振动信号定义为实警信号,如机械钻地、挖地等,不会对管道安全产生威胁的信号称为虚警信号,如人走路、跑步、地面过车等,光纤预警系统可以检测出实警信号和虚警信号,后续有振源识别系统进行识别。用传统CFAR检测技术采集了电镐损坏,检测人员小跑状态以及无任何干扰的数据。具体内容为:
在光纤铺设上方使用损坏的电镐或电钻往地面作业,每次时长为3分钟左右,采集电镐作业时的原始振动数据,观察经CFAR检测后的报警情况是否连续,检验光纤预警系统检测性能。
沿光纤埋设路线小跑3分钟左右,采集小跑时的原始振动数据,观察经CFAR检测后的报警情况是否连续,检验光纤预警系统检测性能。
沿光纤埋设路线不添加任何外部干扰,采集2分钟原始振动数据,观察经CFAR检测后的报警情况是否连续,检验光纤预警系统检测性能。
S2、对采集到的原始振动数据进行数据处理,得到6400×90的二维数据,具体内容为:
设定信号I、Q是两路正交的信号分量,对于一般不会连续出现的零散虚警,占空比较低,I、Q两路虚警一般不会对称出现,通过I、Q两路联合验证,可以提高虚警检测的正确率。
从地理位置着手,对每一个位置上的采样点进行处理,重新构造数据结构。如图2所示,首先通过APD(Avalanche Photo Diode, 光电二极管)的光电转换得到与油气管道同沟铺设的光纤的振动信号,将振动信号进行ADC(Digital to analog converter, 数模转换器)采样,得到振动数据(.dat文件),将.dat文件转换成.mat文件,便于数据处理。将.dat文件转换成.mat文件时,若line=102400,则数据为单块的,得到的数据matArray为102400×90的二维数据,其中,1024行数据为1秒的数据,102400代表100秒,90代表产生数据的位置,一列位置数据代表16m光缆位置。对I、Q两路数据分别做16点累加、取均值、差分、取平方和以及取模,得到6400×90的二维数据。
S3、根据步骤S2中处理后的数据估计参杂虚假警报的虚警输出PDF,具体内容为:
根据采集的数据估计涉及假警的输出PDF,并且通过B样条近似来建立输出PDF与权重向量之间的对应关系,将对虚警输出PDF的跟踪转化为对目标PDF权重的跟踪,其中所述涉及假警的输出PDF将通过核密度估计方法获得,输出PDF可以表示为:
;
其中,表示虚警输出PDF;n表示样本数量;/>表示光纤预警系统的输出值;/>表示光纤预警系统中第i个样本的输出值;/>表示检测阈值;/>表示核函数;h表示带宽,/>,/>表示样本的标准差。
S4、通过B样条模型近似建立虚警输出PDF与权重向量之间的对应关系,将对虚警输出PDF的跟踪转化为对目标PDF权重的跟踪,得到权重向量和控制输入线性动态模型,具体内容为:
S401、虚警输出PDF可以由B样条模型表示为:
;
其中,表示光纤预警系统中第i个样本的输出值对应的基函数,/>表示光纤预警系统中第i个样本的输出值对应的权重,e表示建模误差。
S402、将虚警输出PDF控制问题转化为权重控制问题,进一步定义:
;
其中,表示由光纤预警系统中第1个样本的输出值对应的基函数/>到第n-1个样本的输出值对应的基函数/>组成的行向量;/>表示第n个样本的输出值对应的基函数;/>表示第n个非零的正常数;表示第1个到第n-1个非零正常数组成的列向量;表示由光纤预警系统中第1个样本的输出值对应的权重/>到第n-1个样本的输出值对应的权重/>组成的权重向量;/>表示向量的转置,其作用是为了将/>表示为列向量的形式。
根据虚警输出PDF在整个区间中满足1的积分的自然约束,使得,线性B样条模型的第n个权重与其他n-1个权重具有线性相关性,且仅n-1个权重是相互独立的,所以相应的光纤预警系统中第n个样本的输出值对应的权重则表示为/>。
S403、在不考虑建模误差的情况下,虚警输出PDF可以分解为:
;
其中,;且
;
其中,表示第j个单位脉冲函数:
。
S5、根据N4SID方法辨识权动态模型的各参数,具体内容为:
设定权重向量和控制输入产生以下线性动态关系:
;
其中,表示k+1时刻的状态变量,/>表示k时刻没有特定物理意义的中间状态变量,/>表示k时刻的输出值,A、B、C、D均表示需要辨识的参数矩阵。
在N4SID方法中,矩阵满足以下关系:
;
;
其中,表示输出Hankle矩阵,/>表示广义可观测矩阵,/>表示状态矩阵,/>表示/>的初始状态,/>表示下三角Toeplitz矩阵,/>表示输入Hankle矩阵,/>表示逆广义可控制矩阵,/>表示误差项,/>表示参数矩阵A的i幂次。
参数矩阵由以下方程导出:
;
其中,表示光纤预警系统中第i个样本的输出值对应的输出矩阵,/>表示光纤预警系统中第i个样本的输出值对应的输入矩阵,通过奇异值分解/>和/>得到状态估计矩阵/>和/>。
N4SID方法辨识得到的参数矩阵A、B、C、D,可将线性动态关系具体化为:
。
S6、通过设计控制器对虚警输出PDF模型的跟踪控制,来反馈调整CFAR恒虚警检测的阈值系数,具体内容为:
对于虚警输出PDF的形状控制,主要是设计一个控制器,使系统输出PDF形状跟踪给定的PDF,或者等效地,使权重向量跟踪所需的PDF。一旦设计好控制器,就会为恒虚警检测确定一个合适的阈值,从而将虚警率降至最低。因此可以通过优化以下性能指标来获得最佳控制输入:
;
其中,表示目标PDF,通过光纤端的理想光强度数据来进行估计;J表示虚警输出PDF和目标PDF之间的距离。
定义一个替换变量,其表达式为:
。
可进一步将性能指标表示为:
。
同理,分别定义替换变量和/>,其表达式分别为:
。
其中,表示/>的转置。
得到简化后的公式,为:
。
其中,表示/>的转置。
通过,可以得到:
。
通过梯度法来求解检测阈值,具体表达式为:
。
其中,表示k时刻第s+1次迭代的检测阈值,/>表示k时刻第s次迭代的检测阈值,/>表示预设的优化步数。
本实施例中,;/>;/>,且足够小。
选择CFAR检测情况较好时的小跑数据进行概率密度估计,定为采集的小跑数据虚警控制的目标概率密度函数,计算得到相应的输出值。假定恒虚警检测阈值系数的初始值为0.01,初始状态为/>,则经过本发明所呈现得小跑情况下控制输入的变化如图3所示,控制输入最终稳定在0.02717,即本次采集的小跑数据的虚警控制的阈值系数应设置为0.02717,就可以完全消除误报。如表1所示,实际小跑数据的采集是在埋地光纤160m~200m位置进行,传统CFAR检测的位置为12~13列,对应的光纤长度为192m~208m,检测误差为40m,本发明结合PDF阈值控制以后,检测到的位置为10~13列,对应光前长度为160m~208m,检测误差为8m相较于传统CFAR检测技术,应用本发明可以在很大程度上提升检测准确性。从图4的虚警PDF三维图也可以看出小跑数据产生的报警分布在第10~13列位置左右,其他位置均无报警。
表1本发明与传统CFAR在小跑情况下检测位置比较
类似地,经过本发明所呈现得电镐情况下控制输入的变化如图5所示,控制输入最终稳定在0.03623,即本次采集的小跑数据的虚警控制的阈值系数应设置为 0.03623,就可以完全消除误报。如表2所示,实际电镐数据的采集是在埋地光纤230m位置进行实验采集,传统CFAR检测的位置为14列、47列、75列,出现了过多检测结果的现象,无法计算对应的光纤长度与误差,本发明结合PDF阈值控制以后,检测到的位置为14列,对应光前长度为224m,检测误差为6m相较于传统CFAR检测技术,应用本发明可以避免多检与误检情况的发生,在很大程度上提升检测准确性。从图6的虚警PDF三维图可以看出电镐数据产生的报警分布在第14列位置左右,其他位置均无报警。
表2 本发明与传统CFAR在电镐情况下检测位置比较
本发明基于随机分布控制理论设计在非平稳干扰下光纤振源检测的虚警控制系统以实现对光纤振动信号的虚警率进行控制。对于光纤预警系统,首先采集非平稳干扰下光纤振动信号的振动数据;然后根据采集的数据估计涉及假警的输出PDF,并且通过B样条近似来建立输出PDF与权重向量之间的对应关系,将对虚警输出PDF的跟踪转化为对目标PDF权重的跟踪,并通过N4SID方法建立权重动态模型;通过控制包含虚警的输出PDF模型,通过反馈调整恒虚警检测的阈值系数,进而构建闭环虚警控制系统,解决振动信号检测面临的时空二维干扰分布形状畸变问题。
本发明实施例还提出一种非平稳干扰下光纤振源检测的虚警控制系统,包括数据融合模块、函数获取模块、线性动态模型获取模块、参数辨识模块、阈值系数调整模块及可在处理器上运行的计算机程序。需要说明的是,上述系统中的各个模块对应本发明实施例所提供的方法的具体步骤,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
本发明实施例还提出一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。需要说明的是,所述处理器执行所述计算机程序时对应本发明实施例所提供的方法的具体步骤,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
本发明实施例还提出一种计算机可读的存储介质,所述计算机可读的存储介质存储有计算机程序。需要说明的是,所述计算机程序被处理器运行时对应本发明实施例所提供的方法的具体步骤,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
尽管上面示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。任何根据本发明的技术构思所做出的各种其他相应的改变和变型,均应包含在本发明权利要求的保护范围内。
Claims (8)
1.一种非平稳干扰下光纤振源检测的虚警控制方法,其特征在于,包括如下步骤:
S1、采集埋地光纤的原始振动数据,对数据进行融合,得到二维数据;
S2、基于步骤S1中的二维数据,利用核密度估计方法得到参杂虚假警报的虚警输出概率密度函数;
S3、通过B样条模型建立虚警输出概率密度函数与权重向量之间的对应关系,将对虚警输出概率密度函数的跟踪转化为对目标概率密度函数权重的跟踪,得到权重向量和控制输入线性动态模型;
S4、通过子空间识别方法对S3步骤中线性动态模型进行参数辨识;
S5、通过最小化二项式性能指标的控制方法实现恒虚警检测的阈值系数的动态调整。
2.根据权利要求1所述的非平稳干扰下光纤振源检测的虚警控制方法,其特征在于,步骤S2中,虚警输出概率密度函数的公式为:
;
其中,表示虚警输出概率密度函数;n表示样本数量;/>表示光纤预警系统的输出值;/>表示光纤预警系统中第i个样本的输出值;/>表示检测阈值;/>表示核函数;h表示带宽,/>,/>表示样本的标准差。
3.根据权利要求1所述的非平稳干扰下光纤振源检测的虚警控制方法,其特征在于,步骤S3中,得到权重向量和控制输入线性动态模型包括以下子步骤:
S301、虚警输出概率密度函数与权重向量之间的对应关系为:
;
其中,表示光纤预警系统中第i个样本的输出值对应的基函数;/>表示光纤预警系统中第i个样本的输出值对应的权重;e表示建模误差;
S302、将虚警输出概率密度函数控制问题转化为权重控制问题,具体公式为:
;
其中,表示由光纤预警系统中第1个样本的输出值对应的基函数/>到第n-1个样本的输出值对应的基函数/>组成的行向量,/>表示第n个样本的输出值对应的基函数,/>表示第n个非零的正常数,表示第1个到第n-1个非零正常数组成的列向量,表示由光纤预警系统中第1个样本的输出值对应的权重/>到第n-1个样本的输出值对应的权重/>组成的权重向量,/>表示向量的转置;
根据虚警输出概率密度函数在整个区间中满足,则光纤预警系统中第n个样本的输出值对应的权重表示为/>;
S303、设定权重向量和控制输入具有线性动态关系,获得相应的线性动态模型,具体公式为:
;
其中,表示k+1时刻的状态变量,/>表示k时刻的中间状态变量,/>表示k时刻的输出值,A、B、C、D表示要辨识的参数矩阵。
4.根据权利要求1所述的非平稳干扰下光纤振源检测的虚警控制方法,其特征在于,步骤S4中,对线性动态模型进行参数辨识包括以下内容:
子空间辨识直接从输入/输出数据矩阵的行和列空间得到卡尔曼状态序列或广义观测矩阵,并通过代数运算获得状态空间模型。
5.根据权利要求1所述的非平稳干扰下光纤振源检测的虚警控制方法,其特征在于,步骤S5中,通过优化性能指标获得最佳控制输入,具体公式为:
;
其中,表示目标概率密度函数,J表示虚警输出概率密度函数和目标概率密度函数之间的距离。
6.一种非平稳干扰下光纤振源检测的虚警控制系统,包括:
数据融合模块,用于采集埋地光纤的原始振动数据,对数据进行融合,得到二维数据;
函数获取模块,用于基于数据融合模块中的二维数据,利用核密度估计的方法得到参杂虚假警报的虚警输出概率密度函数;
线性动态模型获取模块,用于通过B样条模型建立虚警输出概率密度函数与权重向量之间的对应关系,将对虚警输出概率密度函数的跟踪转化为对目标概率密度函数权重的跟踪,得到权重向量和控制输入线性动态模型;
参数辨识模块,用于通过子空间识别方法对线性动态模型获取模块中的线性动态模型进行参数辨识;
阈值系数调整模块,用于通过最小化二项式性能指标的控制方法实现恒虚警检测的阈值系数的动态调整。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读的存储介质,所述计算机可读的存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行所述权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022977.7A CN117520790A (zh) | 2024-01-08 | 2024-01-08 | 一种非平稳干扰下光纤振源检测的虚警控制方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022977.7A CN117520790A (zh) | 2024-01-08 | 2024-01-08 | 一种非平稳干扰下光纤振源检测的虚警控制方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117520790A true CN117520790A (zh) | 2024-02-06 |
Family
ID=89766897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410022977.7A Pending CN117520790A (zh) | 2024-01-08 | 2024-01-08 | 一种非平稳干扰下光纤振源检测的虚警控制方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117520790A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011138598A1 (en) * | 2010-05-04 | 2011-11-10 | Bae Systems Plc | Tracker false alarm rate control |
CN104819382A (zh) * | 2015-04-09 | 2015-08-05 | 北方工业大学 | 一种用于光纤预警系统的自适应恒虚警率振源检测方法 |
CN110346032A (zh) * | 2019-08-01 | 2019-10-18 | 北京邮电大学 | 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 |
CN113673565A (zh) * | 2021-07-16 | 2021-11-19 | 杭州电子科技大学 | 多传感器gm-phd自适应序贯融合多目标跟踪方法 |
CN114690130A (zh) * | 2020-12-28 | 2022-07-01 | 南京国睿防务系统有限公司 | 炮位雷达虚警抑制方法 |
CN116256746A (zh) * | 2023-05-12 | 2023-06-13 | 江苏亿连通信技术有限公司 | 基于雷达对防范区域周界空域异物入侵监测系统及方法 |
US20240004032A1 (en) * | 2021-07-14 | 2024-01-04 | Zhejiang University | Deep neural network (dnn)-based multi-target constant false alarm rate (cfar) detection methods |
-
2024
- 2024-01-08 CN CN202410022977.7A patent/CN117520790A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011138598A1 (en) * | 2010-05-04 | 2011-11-10 | Bae Systems Plc | Tracker false alarm rate control |
CN104819382A (zh) * | 2015-04-09 | 2015-08-05 | 北方工业大学 | 一种用于光纤预警系统的自适应恒虚警率振源检测方法 |
CN110346032A (zh) * | 2019-08-01 | 2019-10-18 | 北京邮电大学 | 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 |
CN114690130A (zh) * | 2020-12-28 | 2022-07-01 | 南京国睿防务系统有限公司 | 炮位雷达虚警抑制方法 |
US20240004032A1 (en) * | 2021-07-14 | 2024-01-04 | Zhejiang University | Deep neural network (dnn)-based multi-target constant false alarm rate (cfar) detection methods |
CN113673565A (zh) * | 2021-07-16 | 2021-11-19 | 杭州电子科技大学 | 多传感器gm-phd自适应序贯融合多目标跟踪方法 |
CN116256746A (zh) * | 2023-05-12 | 2023-06-13 | 江苏亿连通信技术有限公司 | 基于雷达对防范区域周界空域异物入侵监测系统及方法 |
Non-Patent Citations (3)
Title |
---|
YIN LIPING 等: ""KDE Based Output PDF Control for Nonlinear Non-Gaussian Systems using PSO Algorithm"", 《IEEE》, 15 September 2014 (2014-09-15), pages 5351 - 5356 * |
舒明星: ""非平稳干扰下光纤振源检测的虚警控制算法研究"", 《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》, no. 2020, 15 April 2020 (2020-04-15), pages 019 - 73 * |
韩冬: ""受扰光纤振源检测过程虚警控制算法研究及仿真平台构建"", 《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》, no. 2021, 15 February 2021 (2021-02-15), pages 019 - 858 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110995339B (zh) | 一种分布式光纤传感信号时空信息提取与识别方法 | |
Xu et al. | A wavelet-based multisensor data fusion algorithm | |
CN103196465B (zh) | 一种相敏光时域反射仪传感信号噪声分离及信号提取方法 | |
CN110908364B (zh) | 一种基于鲁棒区间估计的故障检测方法 | |
CN108875178B (zh) | 用于减小结构模态识别不确定性的传感器布置方法 | |
US11875246B2 (en) | Intelligent FODAS system and method based on AI chip | |
CN103226028B (zh) | 一种相敏光时域反射仪扰动信号检测与识别方法 | |
CN103674916B (zh) | 新型荧光信号解调装置以及荧光信号解调方法 | |
CN106353003A (zh) | 一种分布式光纤测温方法及系统 | |
CN105698915B (zh) | 一种光纤振源识别方法及装置、系统 | |
CN109633610B (zh) | 脉冲激光测距系统晶体管型接收电路误差修正方法 | |
CN111766573B (zh) | 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及系统 | |
Qian et al. | An INS/DVL integrated navigation filtering method against complex underwater environment | |
CN117520790A (zh) | 一种非平稳干扰下光纤振源检测的虚警控制方法、系统 | |
CN105222885A (zh) | 一种光纤振动检测方法及装置 | |
CN117057234B (zh) | 基于激光器的光纤测温点定位系统 | |
CN109506683A (zh) | 一种面向海洋环境监测的fbg光纤传感解调系统 | |
CN116187111B (zh) | 基于气体传感器的瓦斯浓度预测方法、系统、终端及介质 | |
CN116929335A (zh) | 基于多源信息感知的辐射场地图构建方法 | |
CN103148872B (zh) | 一种光纤分布式扰动传感器定位方法 | |
CN103439009B (zh) | 基于全息衍射空间成像的高精度光纤光栅传感器阵列解调系统 | |
CN103218509A (zh) | 一种基于硬件的复合抗干扰数据关联方法 | |
CN202734971U (zh) | 一种大气相干长度的光学测量仪器 | |
Borujeni et al. | Modeling of sensor network for autonomous landslide monitoring based on neural network | |
CN111735528B (zh) | 一种基于knn投票精准定位扰动点的方法 |
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 |