振源识别的基于振动信号的基音频率特征的提取方法
【技术领域】
[0001] 本发明涉及光纤入侵系统的振源识别的基于振动信号的基音频率特征的提取方 法。 技术背景
[0002] 随着计算机的应用，现代社会的信息化、智能化正在飞速发展，如何从一系列复杂 的信息中自动提取出有用信息并准确识别出信息类型，已经是信息领域研究的热点。同时， 随着社会的快速发展，对一些重要区域的远程监测和保护已经愈来愈显重要，如机场、石油 管道、军事基地、核电厂、监狱、银行等。光纤振动安全预警系统可以采集这些重要区域周边 的各种振动信号，通过分析周边振动信号特征，得出振源类型，若监测出对区域有害的振源 出现，可以及时进行预警，并报告危害事件的具体位置，达到对重要区域或区域周边的实时 保护、减少财产损失的目的。光纤振动安全预警系统抗干扰能力较强，对目标识别可靠性较 高，系统在保护区域铺设的光纤传感器可以感知周围的振动信号，对振动信号进行分析，识 别出振源类型，并做出判断是否对该区域具有威胁，大大提高了系统的识别率，并降低误报 警率。光纤振动安全预警系统不仅可以用于军事用途，其在民用方面也具有重要意义。
[0003] 光纤振动预警系统可以自动采集周边振动信号，面对大量复杂的振动信号，如何 准确识别目标振源是系统研究的难点。振源识别是基于振源的行为和振动信号的属性特 征，以计算机为工具，采用一定识别算法理论，建立振动信号和振源对应关系的一门技术。 由于在很多情况下，振源产生的振动信号传输的信道是未知的，对识别工作造成了极大的 困难。例如，一次敲击信号经过不同地质（信道）传输到采集设备的振动信号是各不相同 的。近年来，由于石油管道业和各种机场的蓬勃发展，更加剧了安全预警系统中的准确识别 目标振源的需求。
[0004] 综上所述，研究在光纤振动安全预警系统下的基于振动信号的基音频率特征提取 的方法具有极大的现实意义和应用前景。
【发明内容】
[0005] 本发明涉及光纤预警系统的特征提取，其通过门限阈值法截取振动信号，并且通 过小波包分解和强制去噪的方法去除低频噪声，从而得到含有少量噪声的振动信号。
[0006] 本发明基于振动信号的基音频率特征的提取方法用于提取振动信号中的基音频 率特征，区分手工振源产生的信号和机械振源产生的信号。
[0007] 根据本发明的一个方面，提供了一种基于振动信号的基音频率特征提取方法，其 特征在于包括：
[0008] A)采用单元平均恒虚警检测（CA-CFAR)检测的方法对现场所采集的振动信号进 行空域检测，针对检测得到的振动列采用阈值法进行截取；
[0009] B)将数据截取后的振动信号进行小波包去噪处理；
[0010] C)将小波包去噪后的振动信号做自相关计算，求出自相关系数，并根据自相关系 数图求出振动信号的基音频率。
[0011] 根据本发明的一个实施例的基于振动信号的基音频率特征的提取方法，其特征在 于包括：采用一级单元平均恒虚警检测（CA-CFAR)的方法对现场所采集的振动信号进行空 域检测，检测出振动信号所在的列，然后运用阈值法对振动列数据进行截取。其中包括：根 据手工信号和机械信号的CFAR检测图和相应信号的时域差分图，从而设置门限阈值T，计 算得到报警率：
[0013] 其中，P为振动列每一帧报警点的总个数，Y为振动列每一帧的总数据个数，
[0014] a为振动列每一帧的报警率。
[0015] 之后采用小波包分解重构的方法对振动信号进行去噪的工作，在小波包的分解 中，在节点（j+l，P)处的小波包系数由下式给出：
[0017] 其中，hQ(s_2k)和1!1(8-21〇是两个正交镜像滤波器组，j是小波包分解层数，p为 频段序数，k为小波包系数序号，#为在节点（j，p)处的小波包系数；将小波包分解得到j =3层的d。部分的系数置零，去除低频的噪声部分，并且重构信号得到经过去噪处理后的 信号。
[0018] 将以上方法去噪后的信号进行自相关计算，采用自适应调整门限的方法检测两相 关系数峰值间的时间间隔，求出基音频率。
【附图说明】
[0019] 图1是根据本发明的一个实施例的方法的实施以及验证过程。
[0020] 图2是根据本发明的一个实施例的振动列数据截取流程图。
[0021] 图3是根据本发明的一个实施例的一级单元平均恒虚警检测（CA-CFAR)信号数据 检测图。
[0022] 图4是根据本发明的一个实施例的振动信号时域差分图。
[0023] 图5是根据本发明的一个实施例的小波包去噪流程图。
[0024] 图6是根据本发明的一个实施例的小波包分解图。
[0025] 图7是提取振动信号的基音频率特征流程图。
[0026] 图8是根据本发明的一个实施例的振动信号自相关系数图。 具体实施方案
[0027] 以下结合附图，对本发明实施例中的技术方案进行描述。
[0028] 请参见图1所示，图1是根据本发明的一个实施例的基于振动信号的基音频率特 征提取方法的流程图。该实施例中，特征提取的对象包括：手工信号，其为用于使用非电动 类工具而产生的振动信号，如镐刨、砸地等；机械信号，其为由于使用电动类工具而产生的 振动信号，如电钻、电镐等。
[0029] 如图1所示，本实施例的基音频率特征提取方法包括：
[0030] SlOl:振动数据截取，通过一级单元平均恒虚警检测（CA-CFAR)得到振动列，并采 用门限阈值法进行数据截取。
[0031] S102 :运用小波包将截取的振动数据进行去噪处理。
[0032] S103:将去噪后的振动数据进行自相关计算，此次采用自适应调整门限的方法检 测两相关系数峰值间的时间间隔，求出基音频率。
[0033] 根据本发明的一个实施例的振动数据的截取方法的示意图如图2所示，包括：
[0034] S201 :采用一级单元平均恒虚警检测（CA-CFAR)的方法对现场所采集的振动信号 进行空域检测，检测出振动信号所在的列。
[0035] S202 :将振动列进行分帧，计算振动列每一帧的报警率。
[0036] S203 :根据手工信号和机械信号的恒虚警检测（CFAR)检测图和相应信号的时域 差分图，从而设置门限阈值T;然后将每一帧的报警率与门限T比较，保存过门限的数据。
[0037] S204 :截取过门限的振动数据。
[0038] 根据本发明的一个实施例的振动信号的一级单元平均恒虚警检测（CA-CFAR)图 如图3所示，由其可以得到振动列的位置。
[0039]