本發(fā)明屬于周界安防領(lǐng)域，更具體地，涉及一種基于s變換特征提取的安防系統(tǒng)振動(dòng)信號(hào)識(shí)別方法。

背景技術(shù)：

對(duì)于安防技術(shù)研究的最初主要是針對(duì)一些重要的軍事方面的安全考慮，當(dāng)發(fā)生戰(zhàn)爭(zhēng)沖突時(shí)，在關(guān)鍵領(lǐng)域的保護(hù)方面應(yīng)用比較廣泛，各國(guó)政府也為此投入大量資金，各種安防技術(shù)和產(chǎn)品層出不窮，但這些都似乎和人們的日常生活沒(méi)有太大關(guān)系。進(jìn)入和平年代，隨著市場(chǎng)經(jīng)濟(jì)的逐步發(fā)展和人民生活水平的不斷提升，以及社會(huì)大眾安全防范意識(shí)的普遍提高，社會(huì)對(duì)于安防產(chǎn)品的需求正不斷提升，安防市場(chǎng)規(guī)模也在隨之不斷擴(kuò)大。

安防系統(tǒng)的告警準(zhǔn)確率是衡量其性能最重要的標(biāo)準(zhǔn)，誤報(bào)率較高是影響現(xiàn)有安防系統(tǒng)告警準(zhǔn)確率的重要因素。由于實(shí)際的安防環(huán)境復(fù)雜多變，會(huì)產(chǎn)生各種類似于入侵信號(hào)的干擾信號(hào)，例如對(duì)于掛網(wǎng)布設(shè)的安防系統(tǒng)來(lái)說(shuō)，下雨天采集的振動(dòng)信號(hào)和人為晃動(dòng)圍欄產(chǎn)生的振動(dòng)信號(hào)相似度較高。現(xiàn)有安防系在振動(dòng)信號(hào)的識(shí)別處理上普遍采用的是時(shí)域特征提取和頻域特征提取，如提取振動(dòng)信號(hào)的短時(shí)過(guò)零率，峰均比，特定頻率段譜能量等特征信息，然后利用閾值判斷的方法判斷是否為入侵信號(hào)。但是這種方法的告警準(zhǔn)確率和設(shè)定的閾值有很大關(guān)系，若閾值設(shè)定過(guò)大，則誤報(bào)率可以降到很低，但容易出現(xiàn)漏報(bào)的情況；若閾值設(shè)定過(guò)小，則誤報(bào)率就會(huì)很高，很多類似入侵的干擾信號(hào)都會(huì)被判斷成入侵信號(hào)。傳統(tǒng)的安防系統(tǒng)在誤報(bào)和漏報(bào)之間難以找到一個(gè)平衡，為了能盡量減少漏報(bào)的可能性，傳統(tǒng)的安防系統(tǒng)往往會(huì)設(shè)定一個(gè)較低的閾值，因此誤報(bào)率較高。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明的目的在于提供一種基于s變換特征提取的安防系統(tǒng)振動(dòng)信號(hào)識(shí)別方法，旨在解決現(xiàn)有技術(shù)中誤報(bào)率較高的問(wèn)題。

本發(fā)明提供了一種基于s變換特征提取的安防系統(tǒng)振動(dòng)信號(hào)識(shí)別方法，包括下述步驟：

(1)對(duì)采集的振動(dòng)信號(hào)進(jìn)行濾波處理；

(2)通過(guò)加窗對(duì)濾波后的振動(dòng)信號(hào)進(jìn)行分幀處理，使得每幀中所含信號(hào)特征完整；

(3)通過(guò)s變換提取加窗分幀后的振動(dòng)信號(hào)的特征值；

(4)對(duì)振動(dòng)信號(hào)的特征值進(jìn)行分類，并根據(jù)所述特征值判斷系統(tǒng)是否存在入侵，實(shí)現(xiàn)振動(dòng)信號(hào)的識(shí)別。

更進(jìn)一步地，步驟(3)具體為：對(duì)加窗分幀后的振動(dòng)信號(hào)進(jìn)行s變換獲得二維矩陣，并利用奇異值分解法求取所述二維矩陣的奇異值作為信號(hào)的特征值。

更進(jìn)一步地，在步驟(2)之后且在步驟(3)之前還包括：采用閾值法對(duì)加窗分幀后的振動(dòng)信號(hào)進(jìn)行預(yù)判斷，當(dāng)振動(dòng)信號(hào)為可疑的入侵信號(hào)時(shí)進(jìn)入步驟(3)。

更進(jìn)一步地，當(dāng)振動(dòng)信號(hào)的短時(shí)過(guò)零率大于設(shè)定的閾值時(shí)，則判定振動(dòng)信號(hào)為可疑的入侵信號(hào)。

更進(jìn)一步地，在步驟(2)中，幀移取幀長(zhǎng)的一半，鄰幀之間有1/2的重疊數(shù)據(jù)。

通過(guò)本發(fā)明所構(gòu)思的以上技術(shù)方案，與現(xiàn)有技術(shù)相比，由于采用了具有優(yōu)良時(shí)頻分析能力的s變換對(duì)振動(dòng)信號(hào)進(jìn)行特征提取，能更加全面地反映振動(dòng)信號(hào)的特征信息，因此可以更好地對(duì)振動(dòng)信號(hào)加以識(shí)別區(qū)分，從而能夠取得有效降低安防系統(tǒng)的誤報(bào)率，提升系統(tǒng)的告警準(zhǔn)確率有益效果。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的基于s變換特征提取的安防系統(tǒng)振動(dòng)信號(hào)識(shí)別方法的實(shí)現(xiàn)流程。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明涉及周界安防領(lǐng)域，尤其涉及光纖周界安防系統(tǒng)中對(duì)采集到的振動(dòng)信號(hào)的識(shí)別處理；具體提出了一種基于s變換特征提取的振動(dòng)識(shí)別方法，能有效降低安防系統(tǒng)的誤報(bào)率，從而提升系統(tǒng)的告警準(zhǔn)確率。由于s變換具備優(yōu)良的時(shí)頻分析能力，因此對(duì)振動(dòng)信號(hào)作s變換能得到更多的特征信息，可以更好地識(shí)別振動(dòng)信號(hào)。

結(jié)合圖1，對(duì)本發(fā)明的具體實(shí)施步驟說(shuō)明如下。安防系統(tǒng)對(duì)采集到的振動(dòng)信號(hào)的處理主要分為四個(gè)步驟：預(yù)處理，加窗分幀，特征提取和分類識(shí)別。

(1)預(yù)處理。由于信號(hào)在獲取和傳輸?shù)倪^(guò)程中會(huì)受到一些外界因素的干擾，從而含有大量噪聲。為了保障后續(xù)處理工作的順利，需要對(duì)信號(hào)進(jìn)行去噪處理，濾除噪聲的干擾。本發(fā)明采用具有6db/倍頻程的數(shù)字濾波器，用來(lái)濾除低頻噪聲信號(hào)，提高信號(hào)高頻部分，其表達(dá)式如下：h(z)＝1-μz……(1)；其中μ為常數(shù)，通常取0.96。

(2)加窗分幀。安防系統(tǒng)的傳感器輸出的振動(dòng)信號(hào)是連續(xù)不斷的，直接處理會(huì)增加系統(tǒng)處理負(fù)擔(dān)，使得處理過(guò)程異常復(fù)雜，因此必須合理地將信號(hào)截取成一定長(zhǎng)度的幀信號(hào)。在保證每一幀所含信號(hào)特征完整的前提下，將信號(hào)進(jìn)行分幀處理能降低系統(tǒng)的計(jì)算復(fù)雜度。本發(fā)明選取512個(gè)連續(xù)采樣點(diǎn)作為一個(gè)觀測(cè)單位，即一幀。為了避免幀與幀之間的特性變化過(guò)大，幀移通常取幀長(zhǎng)的一半，即相鄰幀之間有1/2的重疊數(shù)據(jù)。加窗處理的目的是為了減小頻譜泄露，因?yàn)楹罄m(xù)進(jìn)行特征提取時(shí)會(huì)采用一些時(shí)頻變換方法，進(jìn)行加窗處理后可以抑制額外的頻率分量產(chǎn)生。本發(fā)明選用的窗函數(shù)是hamming窗，具有低的旁瓣高度和平滑的低通特性，其表達(dá)式如下所示：

(3)特征提取。特征提取是整個(gè)信號(hào)處理過(guò)程的關(guān)鍵，所選特征是否能將振動(dòng)信號(hào)有效分類，對(duì)最終識(shí)別結(jié)果的正確性至關(guān)重要，正確有效的特征，既可提高分類算法的準(zhǔn)確度，又能大大降低分類算法的計(jì)算量。本發(fā)明利用s變換獲取信號(hào)的特征信息，對(duì)加窗分幀后的振動(dòng)信號(hào)作s變換，得到一個(gè)二維矩陣，然后利用奇異值分解法求取該二維矩陣的奇異值作為信號(hào)的特征值。由于s變換具備優(yōu)良的時(shí)頻分析能力，能提供信號(hào)在時(shí)間域與頻率域的聯(lián)合分布信息，并且能清楚地描述信號(hào)頻率隨時(shí)間變化的關(guān)系，因此可以更全面地反映振動(dòng)信號(hào)的特征信息。

s變換是短時(shí)傅立葉變換(stft)和小波變換的繼承和發(fā)展，既有stft單頻率獨(dú)立分析的能力，又有小波變換多分辨率分析的特點(diǎn)，同時(shí)還避免了窗函數(shù)選擇的問(wèn)題。信號(hào)低頻段成分對(duì)應(yīng)時(shí)間窗的長(zhǎng)度較寬而幅度較低，從而獲得較高的頻域分辨率；而信號(hào)高頻段成分對(duì)應(yīng)時(shí)間窗的長(zhǎng)度較窄而幅度較高，可獲得較高的時(shí)域分辨率，且可使高頻處的s變換圖譜能量得以增強(qiáng)。

信號(hào)h(t)的s變換定義為：式中，t表示時(shí)間，f表示頻率，i為虛數(shù)單位，ω(τ-t,f)為高斯窗口，τ是高斯窗函數(shù)的中心位置。

為了便于在計(jì)算機(jī)上快速實(shí)現(xiàn)s變換，我們可以利用傅里葉變換將s變換離散化。假設(shè)離散隨機(jī)序列h(mts)，m＝0,1,…,n-1。n為采樣點(diǎn)數(shù)，ts為采樣時(shí)間間隔，令τ＝mts，f＝k/nts，則h(mts)的一維離散s變換為：式中，m，n，k均為離散序號(hào)，取值范圍為[0,n-1]，為h(mts)的離散傅里葉變換，g(n,k)為高斯窗的傅里葉頻譜，且有離散s變換的結(jié)果為一個(gè)二維矩陣，矩陣的行對(duì)應(yīng)采樣時(shí)刻，列對(duì)應(yīng)頻率，矩陣元素為相應(yīng)頻率信號(hào)在不同時(shí)刻的幅值。

根據(jù)奇異值分解理論，對(duì)于一個(gè)矩陣am×n∈rm×n，必定存在兩個(gè)正交矩陣um×n和vm×n以及一個(gè)對(duì)角矩陣λ滿足如下等式式中,λi(i＝1,…,r)是矩陣aa^t的特征值。由于λ為一個(gè)對(duì)角陣，奇異值分解相當(dāng)于將秩為k的一個(gè)m×n階矩陣分解為r個(gè)秩為1的m×n階矩陣的加權(quán)和，每個(gè)矩陣由兩個(gè)特征矢量(分別屬于矩陣u和矩陣v)相乘得到，權(quán)值即為矩陣a的奇異值。

值得說(shuō)明的是，由于s變換的計(jì)算量較大，為了防止因?yàn)橛?jì)算的開(kāi)銷過(guò)大從而影響安防系統(tǒng)的響應(yīng)速度，可以在步驟(2)之后且在步驟(3)之前增加如下步驟：可以先通過(guò)時(shí)域特征提取，提取振動(dòng)信號(hào)的短時(shí)過(guò)零率作為特征參數(shù)，采用閾值法對(duì)振動(dòng)信號(hào)作預(yù)判斷，閾值的設(shè)定可以通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)獲得，若信號(hào)的短時(shí)過(guò)零率大于閾值，則判斷為可疑的入侵信號(hào)，再用s變換提取特征信息。閾值是根據(jù)安防系統(tǒng)具體鋪設(shè)環(huán)境動(dòng)態(tài)獲得的，因?yàn)樵趯?shí)情況中，安防系統(tǒng)處于入侵狀態(tài)下的時(shí)間相比非入侵狀態(tài)要少的多，因此可以先用計(jì)算量小的短時(shí)過(guò)零率特征參數(shù)剔除非入侵狀態(tài)，為了防止漏報(bào)，可以適當(dāng)調(diào)低設(shè)定的閾值。

短時(shí)過(guò)零率表示一段時(shí)間內(nèi)信號(hào)波形穿過(guò)零電平的次數(shù)，可以近似看作是信號(hào)頻率的簡(jiǎn)單度量。對(duì)于離散時(shí)間序列，過(guò)零率可以通過(guò)相鄰采樣點(diǎn)振幅的符號(hào)改變次數(shù)來(lái)進(jìn)行計(jì)算。一個(gè)長(zhǎng)度為n的信號(hào)序列x(n)的過(guò)零率定義如下：式中，δ為零值門(mén)限，為了避免震蕩噪聲對(duì)短時(shí)過(guò)零率產(chǎn)生影響，通常設(shè)置一個(gè)零值門(mén)限而不直接使用零電平，本發(fā)明設(shè)定門(mén)限值δ為0.03。在安防系統(tǒng)中，當(dāng)在不存在入侵時(shí)，光纖中的振動(dòng)信號(hào)變化相對(duì)平穩(wěn)，同等時(shí)間長(zhǎng)度內(nèi)信號(hào)的短時(shí)過(guò)零率基本不變，且數(shù)值不大；當(dāng)有入侵發(fā)生時(shí)，光纖中的振動(dòng)信號(hào)變化突然加劇，同等時(shí)間長(zhǎng)度內(nèi)信號(hào)短時(shí)過(guò)零率將顯著增大。因此，我們可通過(guò)光纖中振動(dòng)信號(hào)短時(shí)過(guò)零率的大小和變化來(lái)判斷是否存在入侵。

(4)分類識(shí)別。分類識(shí)別即通過(guò)分類器對(duì)光纖振動(dòng)信號(hào)的特征進(jìn)行分類判斷，從而判定系統(tǒng)是否存在入侵。本發(fā)明選取支持向量機(jī)(svm)作為光纖振動(dòng)信號(hào)的分類識(shí)別方法。svm是基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則發(fā)展起來(lái)的一種分類方法，其核心思想是把輸入空間的樣本通過(guò)非線性變換，映射到高維特征空間，在高維特征空間中求解最優(yōu)分類面能把樣本線性分開(kāi)。入侵識(shí)別實(shí)際上是一個(gè)二分類的問(wèn)題，對(duì)于二類的模式識(shí)別問(wèn)題，假設(shè)有n個(gè)樣本xi其所屬類別yi，表示為(xi，yi)，其中xi∈r^d，yi∈{-1,1}，(i＝1,2,…,n)。它可以被一個(gè)最優(yōu)超平面分開(kāi)，且分類間隔最大。因此，分類間隔最大的優(yōu)化問(wèn)題可轉(zhuǎn)換為在約束條件下的最小值問(wèn)題，約束條件為：yi(wxi+b)-1≥0,i＝1,2,...,n……(10)；其中，w是n維向量，b是超平面的偏移量。在此約束條件下求函數(shù)的最小值，w·w表示內(nèi)積。對(duì)于特征數(shù)目特別大的情況，可以轉(zhuǎn)化為其對(duì)偶問(wèn)題，約束條件為：其中ai為向量a的第i個(gè)分量。求下列函數(shù)的最大值：對(duì)式(11)求解，得到最優(yōu)分類函數(shù)：式中，a＝(a1,a2,…,an)是拉格朗日乘子，b*是最優(yōu)超平面的法向量，sgn{}為符號(hào)函數(shù)，根據(jù)f(x)的符號(hào)確定類別歸屬。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。