电信号进行数据对比分析，若电信号的波形超过预设 报警门限，产生报警信息并传送至通讯模块16的中央处理器CPU15 ;
[0035] 与中央处理器CPU15相连，将所述报警信息上传至监控平台的通讯模块16。
[0036] 可选的，所述系统还包括：与所述CPU相连，获取电网地下管线设施的现场视频的 视频监控模块。
[0037] 所述系统还包括：与所述CPU相连，存储所述系统的基础数据的存储模块。
[0038] 所述系统还包括：与所述CPU相连，当所述电信号的波形超过预设报警门限时，进 行报警的报警模块。所述报警模块包括喇叭报警器。
[0039] 所述系统还包括：与所述CPU相连，为所述CPU提供电力保障的电源采集模块。
[0040] 所述系统还包括：与所述CPU相连的现场智能巡检手持终端。
[0041] 所述系统还包括：与所述CPU相连的GPS定位模块。
[0042] 具体的，所述系统通过振动监测神经网模块监测入侵振动和入侵噪声振动，并将 振动信号传递给铺设在其上面的传输感知光缆。通过激光器发激光，激光通过放大后传输 进传输感知光缆，激光在传输感知光缆传输过程中携带振动信号，即波形变化及变化的时 间，回传到激光器，激光器进行二次放大并传输给光电转换设备，光电转换设备将光信号转 换成电信号，并传递给中央处理器CPU进行数据对比分析，并对电网地下管线设施进行破 坏的事件以及可能会对电网地下管线设施产生破坏的信息通过通讯模块上报给监控平台， 同时也可以通过视频监控模块监视电网地下管线设施现场的情况，通过报警模块对现场的 破坏行为进行警告报警。
[0043] 图2为电网地下管线设施安全监测系统的现场安装示意图。为了解决电网地下管 线设施安全需要监测路径长和精确定位入侵破坏等问题，如图2,将光电转换设备14安装 在电力变电所的通信机房或网管机房，通过横向或者纵向铺设在距离土壤1中的电网地下 管线设施2顶端或侧面一米以外的振动监测神经网模块11来感知工程机械3的入侵破坏 振动和入侵噪声振动，振动监测神经网模块11通过传输感知光缆13将振动信号转换成光 信号，并通过激光携带传输到光电转换设备14,系统中其它部件的安装在图中没有显示。当 振源波形超过设置的报警门限后，系统会将报警信息传输至远程服务器，从而起到提前预 警和远程告警作用。振动监测神经网模块指代一张宽5m外包裹绝缘材料的不锈钢网，横向 或者纵向铺设在距离电网地下管线设施顶端或侧面一米以外的绝缘网络。传输感知光缆是 一条挂在振动监测神经网上的光纤，且可以将振动监测神经网模块传导过来的振动信号转 换成光信号的光纤。
[0044] 具体的，电源采集模块包含电池管理模块和电源管理模块，主要为CPU提供电力 保障；电池管理模块包含-48伏电池2块，为CPU在断电情况下提供24小时的电源保护；电 源管理模块可为CPU提供-48伏或220伏的运行供电，并同时为电池管理模块中的蓄电池 充电。存储模块主要存储系统的基础数据，如短信收发电话、传感器报警门限、传感器报警 机制、图片存储、视频片段存储等。报警模块主要为外接的喇叭、声光等报警设备提供接口， 并为外接设备提供参数设置，同时控制外接的喇叭、声光等报警设备进行报警。
[0045] 通讯模块主要包含FDD/TD-LTE模块、天线和有线传输模块，将CPU中的信息上报 到系统平台，并接收系统平台的指令；FDD/TD-LTE模块和天线为无线的4G传输模块；有线 传输模块支持RS232/RS485通讯协议。GPS定位模块主要是定位外力入侵的地点位置。视 频监控模块主要为外接的视频设备提供接口，并为外接设备提供参数设置，同时控制外接 的视频设备进行报警。激光器发激光，激光通过放大后传输进传输感知光缆，当电网地下管 线设施受到外力入侵破坏时，激光在传输感知光缆传输过程中携带振动信号，即波形变化 及变化的时间，回传到激光器进行二次放大并传输给光电转换设备，光电转换设备将光信 号转换成电信号，即电信号的数据流，采用自适应滤波算法将光信号转换成电信号。
[0046] 根据自适应算法的优化准则的不同，自适应滤波算法可分为两类最基本的算法： 最小均方算法LMS和递推最小二乘算法RLS。为了解决传统LMS算法存在梯度噪声放大问 题，以及为克服常规的固定步长LMS自适应算法在收敛速率、跟踪速率与权失调噪声之间 的要求上存在的较大矛盾，得到了各种各样的改进型LMS算法，如归一化LMS算法和基于瞬 变步长LMS自适应滤波算法以及基于离散小波变换的LMS自适应滤波算法等。
[0047]LMS算法描述如下：
[0048] 首先，自适应滤波器在时刻η的向量定义：
[0049]抽头权向量：W(n) = [b??)，· · ·，bMJn)]1'
[0050]参考输入向量：X(n) = [x(n)，x(n-l)，· · ·，x(n-M+l)]T
[0051]d(n)是主输入信号，y(n)是期望输出值，e(n)是误差信号，也是系统输出值，M是 滤波器长度。
[0052] 由维纳-霍夫方程可知，最小均方误差为：
[0053]
[0054] 实际上，该方程与维纳滤波器结果完全一样。自适应滤波器与维纳滤波器相比， 其差别在于它增加了一个识别控制环节，将输出与期望值进行比较，利用误差e(n)去控制 w(η)，使￡[<]=最小值，从而得到w(η)的估计r(η)。
[0055] 根据最优的数学算法最陡下降法，下一个权矢量W]+1 (η)等于现在的权矢量W, (η) 加一个正比于梯度的负值变化量，即有：
[005
[0057] 通过梯度下降法：
[0058]
=?^推导可知：^+1=^+2 4 6&其中 e} =dJ-WjX]
[0059] 具体的，算法步骤如下：
[0060] 步骤一：初始化：
[0061] 步骤二：更新：η= 1，2, 3,...；
[0062] 滤波：y(n) =WT(n)X(n);
[0063] 误差估计：e(n) =d(n)_y(n);
[0064] 权向量更新：W(n+1) =W(n)+2μe*(n)X(n);
[0065] 其中μ是用来控制稳定性和收敛速度的步长参数。为确保自适应过程的稳定性， μ必须满足〇 <μ< 2/ΜΡιη，其中Ριη=Ε[Χ2(η)]为输入功率。
[0066] RLS算法描述如下：
[0067] 首先，SIS0系统动态过程的数学模型：
[0068] A(zl)z(k) =B(z:)u(k)+n(k) (1)
[0069] 其中u(k)，z(k)为输入输出量，n(k)为噪声。式中 -1). =. 1 + -1 十 ~+v"'十a , 7 ，展开后得到： B- (z) =bl：z 1 + b2z - .+ ..... + b.6 = -cj'z(k - _2)-…_u". +b、u(k _\) + h)_u(k_2)+…+ hi:.u(k-nh}模型（1)可化为最小二 乘格式：z(k) =hT (k)Θ+n(k) (2)
[0070] 记Θ= [ai,a2, · · ·ana,b!,b2, · · · ,bnb]'为待估计的参数。h(k) =[-z(k-1), · · ·， -z(k-na),u(k-l),· · ·，u(k-nb)] τ，对于k= 1，2,· · ·L(L为数据长度）。方程（2)构成一个 线性方程组，写成zL(k) =HL(k) 0+nL(k