一种分布式光纤振动传感系统扰动事件识别及定位方法
【技术领域】
[0001] 本发明设及周界安防技术领域，尤其设及一种分布式光纤振动传感系统扰动事件 识别及定位方法。
【背景技术】
[0002] 随着国内安全事故的频发，国家对于安全问题日益重视，近年来我国的安防行业， 尤其是后来发展起来的周界入侵防范行业也随之显示出极高的增长率和广阔的发展前景。 在周界入侵防范领域，如何开发更加稳定可靠的安防系统，对敏感和重要区域的周界进行 有效的安全防护，适应其高安全级别和特殊安防要求，一直是行业内的一项研究重点和技 术难点，存在着较大的市场空白。
[0003] 随着光通信技术的发展，光传感技术得到了大力推进。由于在光纤中传播的光的 相位、强度、及偏振态会受到光纤沿测的物理场，比如，温度、压力、振动等的影响，通过检测 光的参数，可W还原出该些物理量。分布式光纤传感技术可W实时连续感知和定位光纤沿 测的物理量，越来越受到研究人员的重视，并取得了很多技术上的突破。采用光纤作为传感 器，完全不需供电，防火、防爆，不需作任何防雷、防磁处理。由于光纤本身不导电，所W它不 会受到雷电、静电等的破坏。此外光纤不发射，也不接收W下信号：电磁信号，雷达信号，无 线电信号，高压静电信号。光纤的损耗很低，可W实现长距离大范围的分布式传感。光纤的 柔初性，也使得此类传感器更好的与被测物体或环境融合在一起。
[0004] 基于光纤传感的上述特点，近十年来，研究人员一直尝试将分布式光纤振动传感 系统应用到周界安防、管道防护及线缆安全监测领域。实际应用环境的复杂性及工程稳定 性可靠性要求是分布式光纤振动传感系统从实验室到工程应用的主要障碍。现阶段的扰动 事件检测识别和定位主要采用小波分析、神经网络等较为复杂的算法，而小波分析的计算 复杂度较高，神经网络需要经过大量训练。在大风、大雨等恶劣环境条件下，现有系统的误 报、漏报率较高，一种简单可靠的扰动事件检测和定位方法亟待提出。
【发明内容】
[0005] 技术问题；本发明提供一种实现了对振动事件所产生的信号峰的时空感知，能够 稳定可靠地实现扰动事件的检测，提高了系统的稳定性和环境自适应性，算法收敛快，计算 量相对较小，复杂度低的分布式光纤振动传感系统扰动事件检测及定位方法。本发明能够 快速准确的得到振动事件概率密度函数的各参数，对扰动事件进行定位和分类识别，同时 具有较高的可靠性，能够对大风、大雨下的扰动信号进行良好的识别和定位。
[0006] 技术方案；本发明的分布式光纤振动传感系统扰动事件检测及定位方法，步骤如 下：
[0007] 1)信号预处理；W at作为一帖信号的时间长度，记录第i帖信号中强度超过 阔值A的峰在光纤中的位置j，统计第i帖信号中的峰的总数Xi，计数光纤中每个采样点 前后^范围内出现的峰的个数，并将其作为该采样点在该帖时间内发生扰动事件的频次 N(i，j)，所述采样点在光纤中是均匀分布的，其间距为1米，^为指定的长度值； 2
[000引 2)判断是否有扰动事件发生：
[0009] 判断化-Xi J是否超过峰的数量判定阔值C，其中a为正整数，为第i-a帖信 号中峰的总数；将第i帖信号的各点频次N(i，j)去除最大10个值和最小10个值，判断所 得结果的峰峰值是否超过N(i，j)峰峰值判定阔值D，按照W下条件判定第i帖是否有扰动 事件发生：只要上述两项判断中的一项超过相应的阔值，则判定有扰动事件发生，记录i作 为扰动事件时间范围，否则判定没有扰动事件；其中阔值C、D均根据上一周期的背景提取 结果和分类识别结果修正；
[0010] 3)根据第i帖信号的各点频次N(i，j)和第i帖之前所有帖信号的各点频次，提取 得到第i帖的背景信息，对于第i帖信号有扰动事件发生的，进入步骤4)，对于第i帖信号 没有扰动事件发生的，直接进入步骤5);
[0011] 4)扰动事件时空端点检测：根据当前帖的背景信息确定当前帖的端点检测阔值 d(i，j)，提取当前帖信号各点频次N(i，j)超过端点检测阔值d(i，j)的空间范围，将该空间 范围与步骤2)确定的扰动事件时间范围组成扰动事件的时空范围，取该时空范围在时间 上的最大、最小值和空间上的最大、最小值作为矩形区域的边界，得到扰动事件的矩形时空 范围；
[0012] 5)特征提取；根据当前帖的背景信息，计算矩形时空范围内的背景事件概率密度 函数；统计（N(iJ)-Y(i，j))的峰的个数A和每个峰值坐标（im，jm)，m为峰值序号，A作为 高斯成分的个数，峰值坐标作为迭代的初值，用期望最大化算法迭代求解矩形时空 范围内事件峰的概率密度函数，得到各个高斯成分的系数、协方差矩阵和期望，所述事件峰 的概率密度函数的形式为已知的背景事件概率密度函数和A个高斯分布的概率密度函数 分别乘W各自对应的系数，然后求和，其中背景事件概率密度函数对应的系数为矩形时空 范围内所有背景峰与总的峰数量之比；
[0013] 6)分类识别：将得到的各个高斯成分的系数、协方差矩阵、期望、背景事件概率密 度函数的各参数、矩形区域的长宽、矩形区域内事件峰的总数送入分类器，判定事件类型；
[0014] 7)事件报警；根据分类识别的结果，发出报警信息。
[0015] 优选的，所述的步骤1)中AT的值为100?500ms，^的值为10?15米。
[0016] 优选的，所述的步骤2)中，a的值为2?5。
[0017] 优选的，所述步骤3)中，根据如下方法得到第i帖信号的背景信息Y(i，j):
[0018] 在第i帖信号没有扰动事件发生时，对（N(i，j)-Y(i-l，j))限幅，超过阔值则根据 Y(i，j) = Y(i-1，j)得到第i帖信号的背景信息；
[0019] 没有超过阔值则根据下式得到第i帖信号的背景信息：
[0020] Y(iJ) = aN(iJ) + (l-a)Y(i-lJ)
[002U 式中：a为滤波系数；Y(i-1，j)为上次背景输出值；Y(i，j)为本次背景输出值； 曰取值为0. 2?0. 3 ;
[002引在第i帖信号有扰动事件发生的情况下，根据Y(i，如=Y(i-1，如得到第i帖信 号的背景信息。
[0023] 优选的，所述步骤6)中，分类器为支持向量机或神经网络。
[0024] 有益效果：本发明与现有技术相比，具有W下优点：
[0025] 本发明通过对超过一定阔值的原始信号进行特殊的处理，实现了对振动事件所产 生的信号峰的时空感知，能够稳定可靠地实现扰动事件的检测；通过合理的背景提取算法， 获得了环境背景信息，结合算法的反馈机制，提高了系统的稳定性和环境自适应性；通过对 预处理后的信号进行特征分析，获得扰动事件概率密度函数的成分个数和初值，结合期望 最大化算法（EM算法）能够快速准确的得到振动事件概率密度函数的各参数，对扰动事件 进行定位和分类识别，同时因为有良好的计算初值，该算法收敛快，计算量相对较小，复杂 度低；因为是对所有的峰进行统计分析，所W结果具有较高的可靠性，能够对大风、大雨下 的扰动信号进行良好的识别和定位。
【附图说明】
[0026] 为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需 要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例， 对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据该些附图获 得其他附图。
[0027] 图1为本发明实施例提供的一种分布式光纤振动传感系统扰动事件识别及定位 方法的流程图
[002引图2为本发明实施例提供的第220帖信号的k*N(220, j)?j曲线图，其中k为一 合适的系数。
[0029] 图3为本发明实施例提供的化-Xw)?i曲线图。
[0030] 图4为本发明实施例提供的背景信号k*Y(500, j)?j曲线图。
[0031] 图5为本发明实施例提供的信号峰的混合高斯分布图。
【具体实施方式】
[0032] 下面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 发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实 施例，都属于本发明的保护范围。
[003引1)信号预处理；W at作为一帖信号的时间长度，记录第i帖信号中强度超过 阔值A的峰在光纤中的位置j，统计第i帖信号中的峰的总数Xi，计数光纤中每个采样点 前后^范围内出现的峰的个数，并将其作为该采样点在该帖时间内发生扰动事件的频次 厶 N(i，j)，所述采样点在光纤中是均匀分布的，其间距为1米，^为指定的长度值；本发明优 选实施例中，A T的值为100?500ms，^的值为10?15米。
[0034] 2)判断是否有扰动事件发生：
[0035] 判断化-Xi_。）是否超过峰的数量判定阔值C，其中a为正整数，Xi_。为第i-a帖信 号中峰的总数；将第i帖信号的各点频次N(i，j)去除最大10个值和最小10个值，判断所 得结果的峰峰值是否超过N(i，j)峰峰值判定阔值D，按照W下条件判定第i帖是否有扰动 事件发生：只要上述两项判断中的一项超过相应的阔值，则判定有扰动事件发生，记录i作 为扰动事件时间范围，否则判定没有扰动事件；其中阔值C、D均根据上一周期的背景提取