基于主成分分析的光纤安防方法及系统的制作方法
【技术领域】
[0001] 本发明属于安防领域，特别涉及一种基于主成分分析的光纤安防方法及系统。
【背景技术】
[0002] 周界安防系统在国防和民用领域都具有非常重要的应用，它主要用于边境线、军 事基地、仓库、营房、政府设施、机场、核电站以及监狱等重要区域的周界入侵监测。目前的 周界安防技术主要有泄漏电缆、微波对射、红外对射以及光纤传感技术等。光纤周界安防系 统是一种对威胁区域安全的突发事件进行监控和警报的现代防御体系，是基于分布式光纤 传感技术应用于周界监控防护的新系统。由于光纤及光纤传感器具有体积小、重量轻、抗干 扰能力强、灵敏度高、工作可靠性高、成本低廉以及无需外场供电等优点同时还可作为信号 传输通道的特点让其在其他周界安防技术中脱颖而出。在实际工程应用中，传感光纤大多 数是裸露在外界环境中，这种设计独特的传感光纤对运动、压力和振动非常敏感。它可沿这 围栏、围墙铺设来探测攀爬和敲击，也可铺设在土壤草坪下探测踩踏。但光纤的高灵敏度必 然带来系统的大量的预警，而基于时域信号能量的分析体系不足以区分大量事件预警导致 较高的误报率。
【发明内容】
[0003] 针对现有技术的缺陷，本发明提供了一种基于主成分分析的光纤安防方法及系 统。
[0004] -种光纤安防信号处理方法，包括以下步骤:S100:获取光纤布控区域内光信号的 相位差异;S200:将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得 时域分析信号包;S300:以预设的时间跨度划分所述时域分析信号包，得到事件信号;S400: 提取所述事件信号的交流部分，获取事件信号的时域信号;S500:对所述时域信号进行快速 傅立叶变换获得所述事件信号的实时频域特征;S600:对所述实时频域特征进行主成分分 析，获得重构后的频域特征;S700:根据所述重构后的频域特征采用支持向量机算法计算决 策函数;S800:根据所述决策函数判断是否存在人为入侵。
[0005] -种光纤安防信号处理系统，包括以下模块:相位差异获取模块，用于获取光纤布 控区域内光信号的相位差异;时域分析信号包获取模块，用于将光信号的相位差异按时间 上的采样率转变为电信号上的幅值差异，获得时域分析信号包;划分模块，用于以预设的时 间跨度划分所述时域分析信号包，得到事件信号;第一获取模块，提取所述事件信号的交流 部分，获取事件信号的时域信号;第二获取模块，用于对所述时域信号进行快速傅立叶变换 获取所述事件信号的实时频域特征;主成分分析模块，用于对所述实时频域特征进行主成 分分析，获得重构后的频域特征;决策函数计算模块，用于根据所述重构后的频域特征采用 支持向量机算法计算决策函数;判断模块，用于根据所述决策函数判断是否存在人为入侵。
[0006] 本发明的有益效果是:本发明针对M-Z干涉仪型光纤周界安防系统的高灵敏度，在 充分分析人类行为特征的基础上，提出一种基于时域去噪，频域滤波的信号识别新方法。在 保证不漏报的情况下，收集绝大多数事件信号，通过时域去噪、频域滤波压缩提取具有代表 性的频域特征。在获取时频特征后对特征进行主成分分析获取频域特征，根据频域特征采 用支持向量机算法计算决策函数，根据所述决策函数判断是否存在人为入侵。本发明在保 证识别时间和报警率的情况下，降低误报率，可控压缩所具有的时频特征，为M-Z干涉型光 纤周界安防系统提供重要的支撑。
【附图说明】
[0007] 图1是本发明光纤安防方法的流程图；
[0008] 图2是步骤S600的流程图；
[0009] 图3是步骤S700的流程图；
[0010] 图4是本发明光纤安防方法系统的结构示意图。
【具体实施方式】
[0011]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明 的【具体实施方式】做详细的说明，使本发明的上述及其它目的、特征和优势将更加清晰。在全 部附图中相同的附图标记指示相同的部分。并未刻意按比例绘制附图，重点在于示出本发 明的主旨。
[0012] 实施例1
[0013] 首先对本发明的光纤安防信号处理方法做介绍，请参阅图1，本发明的安防信号处 理方法在充分分析人类行为特征的基础上，提出了一种基于时域去噪，频域滤波的信号识 别方法，收集绝大多数事件信号，通过时域去噪、频域滤波压缩提取具有代表性的频域特 征，然后通过与聚类分析构建的各类事件模板进行相似性分析，从而判断是否发生入侵事 件。
[0014] S100:获取光纤布控区域内光信号的相位差异。可以通过M-Z型干涉仪获取所述光 信号的相位差异，使用M-Z型光纤周界安防系统实时反馈布控区域内的光信号。如果光信号 相位出现异常波动，则认为有事件发生。
[0015] S200:将光信号的相位差异按时间上的采样率转变为电信号上的幅值差异，获得 时域分析信号包。当有事件发生时，光传感单元(M-Z型)按时间上的采样率将光信号相位的 差异转变成电信号上幅值的差异，获得时域分析信号包。
[0016] S300:以预设的时间跨度划分所述时域分析信号包，得到事件信号。时域预处理： 当光纤相位产生瞬时异动的时候，通过分析通常持续时间不到1秒。相对应的，人的瞬时行 为和自然现象的瞬时效应对光纤相位的影响持续是相近的。但是，从人体力学的角度分析， 人的瞬时行为是在一定适用范围内的。如人平均一分钟正常行走60~80步。按100米的距离 进行奔跑分析，人的步伐为60步左右，奔跑时间为12秒左右。1秒钟内人的出拳次数在5次左 右。从最短受力时间来说，人的行为是有趋势的，受限于身体各部分肌肉与骨骼的力学特 性，这一切都无法超出肢体动作的速度和频率的能力限度。所以，人对光纤作用的影响从力 量速度而言，取决于动作的方向和动作轨迹;从频率而言，取决于动作的部位和方式。人的 行为通常是一连串动作，从整体上分析，自然环境的干扰也可能是不连续，间断的一连串干 扰。动物的干扰也因符合肌肉与骨骼的力学特性属于一段范围内的速度与频率。从力学角 度上分析，要持续保持受力，就必须持续有力做功。而持续做功的典型为机器振动，异常的 自然环境。所以从时域上分析，用于实现光纤周界安防的时间分析上限可以为10S。同时从 工程实践的领域分析，一个预警系统需要在最短时间内区分触发的事件。充分考虑工程中 人行为的特性，大致将单个时域分析信号包划为0.1~is。通过实验测试不同时间跨度的事 件数据包，本发明发现入侵行为中数据包时间跨度为0.25秒左右的时候实际区分度最高。 所以本发明建立以0.25秒做为事件数据分析时间跨度的时域体系。
[0017] S400:提取所述事件信号的交流部分，获取事件信号的时域信号。采集到的事件信 号中会存在一些直流信号，在事件分析中只需要提取信号交流部分特征，因此需要通过算 法将信号中的直流信号滤除。每帧信号定义为3 1={341)，342)，一，31(11)}，定义信号均值 为：
[0018]
[0019] 令直流信号分量部分为
则交流部分为
同时，入 侵信号大致在100ΚΗz以内。通过对事件信号降采样。降采样得到压缩后的数据包。
[0020] S500:对所述时域信号进行快速傅立叶变换获取所述事件信号的频域信号。由于 人为入侵信号与环境噪声的时域波形的能量和过零率上有一些差别，因此本发明根据信号 的短时过零率和短时能量大小来提取事件信号的时域特征。如图2所示，其包括以下步骤：
[0021] S501:计算短时能量和短时过零率。定义接收到的时域信号为Si，每帧信号短时能 量为
[0022]
[0023]设每帧的短时过零率为
[0024]
[0025] 计算环境噪声的短时能量和短时过零率，假设前10帧信号为环境噪声，首先求出 每帧噪声的均方差，将这10个均方差的均值作为信号短时过零率的直流偏置。求出前10帧 的短时能量和短时过零率的均值Z mean、Emear^P标准差Zstd、Estd，就可以得到其初始值Zo = Zmean+2*Zstd和E〇 = Emean+2*Estd，设置两个系数和Zcoef作为阈值，改变两个系数值用于调 节系统的灵敏度。
[0026] S502:每过预设时间，重复步骤S501，只计算小于阈值的帧，修改阈值;预设的时间 可以是1小时、1天等。
[0027] S503:提取出事件信号的时域信号x(n)。若此时有一帧信号Si被判定为入侵信号， 取出该帧信号的前一帧Sh平分为5个子帧，从后往前分别计算这几个子帧的短时能量。取 出子帧中短时能量大于阈值的几个子帧，作为该次入侵信号的起点。同样的方法找出入侵 信号的终点。提取出信号x(n)。
[0028] S504:频域特征处理:在事件信号在时域上提取特征后，事件信号再通过FFT变换， 再将频域数据归一化，作为频域特征。对时域信号x(n)做傅里叶变换得出频域特性：
[0029]
[0030]然后对频域信号进行归一化：
[0031]
[0032] S600:对所述实时频域特征进行主成分分析，获取重构后的频域特征。设备环境适 配过程中，收集指定类型信号的频域特征进行主成分分析重构，将重构特征矩阵的变换矩 阵存为变换模板，将重构的特征矩阵根据需求由于构造模板。在设备运行过程中，实时获取 的数据频域特征X ncirm(k)与变换矩阵相乘获取重构的特征矩阵。同时此算法体系中可以通 过设置阈值，从重构的特征矩阵选取指定数量的特征用于分类分析，请参阅图2。
[0033] S601:获取m-ι个事件样本的样本频域特征Sfrej。采用预先获取的m-ι个样本，每个 样本频域特征为Sfrej = {sfrej(l)，···，Sfrej(n)}，j = l，…，m-l〇
[0034] S602:将所述实时频域特征与m-1个样本特征构造为新的特征合集SfruSfre满足行 为数据特征，列为数据样本数。
[0035] S603 :计算重构特征矩阵YT。Sfre的奇异值分解为Sfre = W Σ ντ，其中m*m矩阵W是 的本征矢量矩阵，Σ是m*n的非负对角矩阵，V是n*n的的的本征矢量矩 阵。据此，
[0036]
[0037] 其中，W是一个正交矩阵，重构，￥%勺第一列是由第一主成分组成，第二列 是第二主成分组成。
[0038] S