[发明专利]基于多特征融合算法的振动光纤入侵事件检测方法

权利要求书

1.一种基于多特征融合算法的振动光纤入侵事件检测方法，其特征在于，包括以下步骤：

步骤1：采集没有入侵事件发生的背景噪声数据以及发生入侵事件的振动信号波形数据，形成样本集[X,Y]；

步骤2：对样本集[X,Y]进行归一化处理，形成归一化样本集在所述归一化样本集中随机抽取部分样本作为训练样本用以训练参数，剩余样本作为测试样本用以测试性能；

步骤3：对样本进行加窗分帧处理；

步骤4：利用多特征融合算法检测振动光纤入侵信号的起止端点，判断是否为真正入侵信号；

步骤5：将测试样本中的输入到已确定阈值的检测端点模型中，并得到结果，将所述结果与测试样本中的实际输出进行比较，如果比较结果小于预设误差值，所构建的检测端点模型有效；否则重复上述步骤1至步骤5，直至所述比较结果小于所述预设误差值为止。

2.根据权利要求1所述的基于多特征融合算法的振动光纤入侵事件检测方法，其特征在于，步骤3中对训练样本进行加窗分帧处理，其中，分帧处理第n帧信号如下：

其中：flen表示帧长，F_s表示帧移，N表示信号长度；

对经分帧处理的数据做加窗处理：

其中，w[m]是窗函数；n＝1,1F_s,2F_s,…,F_n*F_s。

3.根据权利要求1所述的基于多特征融合算法的振动光纤入侵事件检测方法，其特征在于，步骤4包括：

步骤4.1：计算每一帧振动信号的短时能量，对于信号短时能量的定义如下：

其中w[m]是窗函数；

步骤4.2：计算每一帧振动信号的短时过零率，对于信号短时过率零的定义如下：

其中，sgn(x)为符号函数，表示为：

步骤4.3：计算每一帧振动信号的短时小波系数能量和；

将分帧后的信号x_n[m]与低通滤波器和高通滤波器做卷积，对信号做小波分解，得到两组小波系数，分别为每层小波系数以及每层小波系数的个数，

基于离散小波变换的函数：

ψ(x)_i,k＝2^-j/2ψ(2^-jx-k) (6)

其中，j是小波变换伸缩因子，k是小波变换平移因子；

在分解过程中使用到标量函数，公式如下：

φ(x)_i,k＝2^-j/2Φ(2^-jx-k) (7)

第m层小波系数能量：

其中，N_m是第m层小波系数的个数；是第m层第b个小波系数。

短时小波系数能量和：

步骤4.4：寻找最优阀值，设置入侵事情的起始门限th_in、终止门限th_out、最大静默端长度maxsilence以及最小信号长度minsignal，其中起始门限th_in和终止门限th_out的设定是通过计算训练样本集中所有背景信号的短时能量E_n、短时平均过零率Z_n和短时小波系数能量和E，同时，对训练样本集中的入侵信号的三个特征进行相应计算，首先得到这三个特征值的近似范围，其次在这三个特征值的近似范围内给定一组起始门限th_in和终止门限th_out，搜索出最大静默端长度maxsilence和最小信号长度minsignal，在确定最大静默端长度maxsilence和最小信号长度minsignal后，使用网格搜索法，将具有最佳检测性能的起止端点参数th_in和th_out用作最优参数设置；

步骤4.5：依次遍历每个空间节点的信号帧，检测该节点有无入侵，直至最后一个空间节点的信号帧处理结束，若有连续两个空间节点显示有入侵信号，则判定该位置有入侵行为发生；

步骤4.6：利用短时能量区分入侵信号和静默信号，计算该空间节点信号帧的短时能量，若短时能量大于该点的短时能量阈值，则进入步骤4.7；若未大于该点的短时能量阈值，则判定为不存在入侵信号，回到步骤4.5；

步骤4.7：利用短时过零率区分入侵信号和静默信号，计算该空间节点信号帧的短时过零率，若短时过零率大于该点的短时过零率阈值，则进入步骤4.8；否则判定不存在入侵信号，回到步骤4.5；

步骤4.8：利用短时小波系数能量和区分入侵信号和静默信号，计算该空间节点信号帧的短时小波系数能量和，若短时小波系数能量和大于该点的短时小波系数能量和阈值，则判定为入侵信号；否则判定不存在入侵信号，回到步骤4.5。

4.根据权利要求3所述的基于多特征融合算法的振动光纤入侵事件检测方法，其特征在于，步骤4.4中判断入侵事件起点的条件为信号f大于th_in，判断入侵事件终点的条件为信号f小于th_out并且该事件静默端长度silence_len大于最大静默端长度maxsilence；通过起止端点判断检测到的入侵信号长度是否已达到最小信号长度minsignal，如果达到最小信号长度，则判断为入侵信号，否则被视为干扰并且丢弃。