[发明专利]基于双门限法的振动光纤入侵事件检测方法在审
| 申请号: | 201810502332.8 | 申请日: | 2018-05-23 |
| 公开(公告)号: | CN108682101A | 公开(公告)日: | 2018-10-19 |
| 发明(设计)人: | 候松;辜小花;彭军;唐德东;汪宏金;夏钦锋;蔡骏驰;王甜 | 申请(专利权)人: | 重庆科技学院 |
| 主分类号: | G08B13/186 | 分类号: | G08B13/186 |
| 代理公司: | 重庆蕴博君晟知识产权代理事务所(普通合伙) 50223 | 代理人: | 王玉芝 |
| 地址: | 401331 重*** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 振动光纤 双门限 入侵事件 入侵信号 入侵事件检测 归一化样本 测试样本 训练样本 样本集 背景噪声数据 归一化处理 波形数据 测试性能 加窗分帧 检测信号 静默信号 剩余样本 算法检测 随机抽取 训练参数 振动信号 准确检测 构建 样本 采集 检测 检验 | ||
本发明提供了一种基于双门限法的振动光纤入侵事件检测方法,包括:(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];(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;(3)对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n);(4)利用双门限算法检测振动光纤入侵信号的起止端点,判断是否为入侵信号;(5)利用测试样本检验所构建的检测起止端点模型是否有效。本发明利用双门限法来区分静默信号和入侵信号,能够较为准确检测振动光纤入侵事件。
技术领域
本发明涉及振动光纤安防系统技术领域,具体为一种基于双门限法的振动光纤入侵事件检测方法。
背景技术
石油行业采油站点、传输管道、油库等场所分布零散,多个采油站点只有一个管理站进行管理,一个采油站点通常设置多个监视机,工作人员难以做到24小时巡视和管理。
目前,随着天然气管道站场“无人值守”理念的推行,振动光纤技术凭借着比其他安防技术误报率低、安装便捷,适用于各种形式的围栏,并可实现无死角的防范等优势,在相关领域发挥重要作用,因“无人值守”,以致盗油、盗窃及破坏事件时有发生。因此,周界防范就显得尤为重要。
正确检测入侵事件是一个复杂的过程,涉及环境因素与人为因素,由于部分环境因素与人为因素引起报警所产生的信号特征相似,使其当前安防预警系统的误报率与漏报率高,其检测方法因其信号特征相似受到了极大的限制。并且随着我国对油气田页岩气的大力开发,对安全系统装置要求的不断提升。因此,一种适用于振动光纤入侵事件的检测方法是十分必要。
发明内容
针对现有技术中的缺陷,本发明提供一种基于双门限法的振动光纤入侵事件检测方法,其利用双门限法来区分入侵信号和静默信号,能够较为准确的检测振动光纤入侵事件。
本发明技术方案如下:
一种基于双门限法的振动光纤入侵事件检测方法,其关键在于,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:对训练样本进行加窗分帧处理得到第i帧的检测信号Xi(n);
步骤4:利用双门限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。
本发明具有如下有益效果:
本发明首先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],进行归一化处理,形成归一化样本集归一化样本集中随机抽取部分样本作为训练样本,剩余样本作为测试样本;再通过双门限法来区分静默信号和入侵信号,判断是否为真正的入侵信号,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,进而判断是否发生入侵事件;最后通过测试样本来检验结果是否准确。本发明能够较为准确的判断振动光纤是否发生入侵事件,减少振动光纤安防系统的误报率和漏报率。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆科技学院,未经重庆科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810502332.8/2.html,转载请声明来源钻瓜专利网。





