• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

光纤安防系统中振动信号的特征提取和识别

邹柏贤, 许少武, 苗军, 逯燕玲

邹柏贤, 许少武, 苗军, 逯燕玲. 光纤安防系统中振动信号的特征提取和识别[J]. 计算机研究与发展, 2019, 56(9): 1859-1871. DOI: 10.7544/issn1000-1239.2019.20180382
引用本文: 邹柏贤, 许少武, 苗军, 逯燕玲. 光纤安防系统中振动信号的特征提取和识别[J]. 计算机研究与发展, 2019, 56(9): 1859-1871. DOI: 10.7544/issn1000-1239.2019.20180382
shu
Zou Baixian, Xu Shaowu, Miao Jun, Lu Yanling. Feature Extraction and Recognition of Vibration Signals in Optical Fiber Security System[J]. Journal of Computer Research and Development, 2019, 56(9): 1859-1871. DOI: 10.7544/issn1000-1239.2019.20180382
Citation: Zou Baixian, Xu Shaowu, Miao Jun, Lu Yanling. Feature Extraction and Recognition of Vibration Signals in Optical Fiber Security System[J]. Journal of Computer Research and Development, 2019, 56(9): 1859-1871. DOI: 10.7544/issn1000-1239.2019.20180382
shu
邹柏贤, 许少武, 苗军, 逯燕玲. 光纤安防系统中振动信号的特征提取和识别[J]. 计算机研究与发展, 2019, 56(9): 1859-1871. CSTR: 32373.14.issn1000-1239.2019.20180382
引用本文: 邹柏贤, 许少武, 苗军, 逯燕玲. 光纤安防系统中振动信号的特征提取和识别[J]. 计算机研究与发展, 2019, 56(9): 1859-1871. CSTR: 32373.14.issn1000-1239.2019.20180382
shu
Zou Baixian, Xu Shaowu, Miao Jun, Lu Yanling. Feature Extraction and Recognition of Vibration Signals in Optical Fiber Security System[J]. Journal of Computer Research and Development, 2019, 56(9): 1859-1871. CSTR: 32373.14.issn1000-1239.2019.20180382
Citation: Zou Baixian, Xu Shaowu, Miao Jun, Lu Yanling. Feature Extraction and Recognition of Vibration Signals in Optical Fiber Security System[J]. Journal of Computer Research and Development, 2019, 56(9): 1859-1871. CSTR: 32373.14.issn1000-1239.2019.20180382
shu

光纤安防系统中振动信号的特征提取和识别

  • 1(北京联合大学应用文理学院 北京 100191)

  • 2(北京信息科技大学计算机学院 北京 100101)

  • 3(网络文化与数字传播北京市重点实验室(北京信息科技大学) 北京 100101) (fjqunar@163.com)

基金项目: 国家自然科学基金项目(41671165,61650201)；北京市教委科技计划项目(KM201911232003)；北京未来芯片技术高精尖创新中心科研基金项目(KYJJ2018004)；北京市属高校高水平教师队伍建设支持计划高水平创新团队建设计划项目(IDHT20180515)
详细信息

  • 中图分类号: TP181

Feature Extraction and Recognition of Vibration Signals in Optical Fiber Security System

  • 1(College of Applied Arts and Science, Beijing Union University, Beijing 100191)

  • 2(School of Computer Science, Beijing Information Science and Technology University, Beijing 100101)

  • 3(Beijing Key Laboratory of Internet Culture and Digital Dissemination Research (Beijing Information Science and Technology University), Beijing 100101)

Funds: This work was supported by the National Natural Science Foundation of China (41671165, 61650201), the Beijing Municipal Education Commission Project (KM201911232003), the Research Fund from Beijing Innovation Center for Future Chips (KYJJ2018004), and the Funding Project for Academic Human Resources Development in Institutions of Higher Learning Under the Jurisdiction of Beijing Municipality (IDHT20180515).

摘要

    摘要
  • 摘要: 利用光纤振动传感器可以实现分布式周界安防监测，进而实现自动报警.对周界安防监测信号的分析处理和识别受到业界关注.对光纤信号的特征提取和识别方法进行综述，这些特征提取方法通过对光纤振动信号的时域这个维度进行各种分解，从而提取各种信号的属性特征；对光纤振动信号的识别主要使用经验阈值、神经网络、支持向量机方法，目前这些方法对光纤入侵事件识别效果还不能令人满意.通过实验采集挖掘机挖掘、人工挖掘、汽车行驶、行人和自然环境噪声这5种入侵行为引起的光纤振动信号数据，并进行数据的3维图形可视化分析，提出一种安防监测信号在时域和空域这2个维度信息的特征提取方法；根据光纤振动入侵事件的重要程度分成4个阶段先后完成识别任务，采用2分类任务决策树模型和约束极速学习机算法识别入侵事件类型，提高了对各类事件的正确识别率.
    Abstract: Optical fiber vibration sensor is widely used in the new generation of security monitoring system. The feature extraction and recognition methods of optical fiber vibration signal have become a research hotspot in the field of pattern recognition. The feature extraction and recognition methods of various optical fiber signals are summarized. These feature extraction methods decompose optical fiber vibration signals from the perspective of time domain, so different attribute characteristics of signals can be extracted. The empirical thresholds, neural networks and support vector machines are used to identify optical fiber vibration signals. Up to now, there is still a problem that the correct recognition rate of optical fiber intrusion events is not high. Vibration signal data of five kinds of optical fiber vibration signals, such as excavator mining, artificial digging, vehicle walking, personnel walking and noise, are visually analyzed. An effective method for feature selection of optical fiber vibration signal is proposed. According to the importance of optical fiber vibration intrusion events, identification tasks are completed in four stages, and the two-class task decision tree model and the constrained extreme learning machine algorithm are used to identify the type of intrusion events,which improves the correct recognition rate of all kinds of events.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(23)

  • 期刊类型引用(15)

    1. 原娇杰，焦梦甜，赵杰文. 基于光纤传感网络的多目标分类识别算法设计. 光通信技术. 2025(02): 17-22 . 百度学术
    2. 冯丽佳，苑柳青，熊丽丽. 基于数据挖掘的光纤周界振动信号识别. 激光杂志. 2023(07): 137-142 . 百度学术
    3. 邓郁旭，佘春华. 基于信号处理技术的光纤入侵行为识别方法. 激光杂志. 2022(03): 143-147 . 百度学术
    4. 孙世政，向洋，党晓圆，张辉，何盛港. 基于粒子群解耦算法的FBG流量温度复合传感研究. 仪器仪表学报. 2022(01): 2-10 . 百度学术
    5. 吕方舟. VoIP模式地空通信数据链信号特征量识别算法. 吉林大学学报(信息科学版). 2022(02): 307-312 . 百度学术
    6. 管立伟，卢宇，何志杰，陈曦. 基于光纤传感的智能安防报警系统设计与开发. 红外与激光工程. 2022(08): 396-401 . 百度学术
    7. 范珍珍. 面向敏感环境的反射式光纤传感防盗系统设计. 红外与激光工程. 2022(10): 230-235 . 百度学术
    8. 杜永生，蒿琳，石秦峰. 低质量红外偏振图像热像特征提取方法. 激光杂志. 2022(11): 159-163 . 百度学术
    9. 严其强，朱亦凡，郭婉华，宣辰扬，张曹锋，何邦乐. 基于光纤动态感知技术在电缆通道在线监控中的研究与实现. 电力大数据. 2022(10): 69-80 . 百度学术
    10. 杨纯，李垠韬，宋伟，杨广涛，孟继军，门宝霞，叶宝安. Φ-OTDR光纤传感电缆防外破监测数据预处理方法. 激光与红外. 2021(04): 486-492 . 百度学术
    11. 贾徐庆，张琳，李杰. 用于安全告警的光纤周界入侵振动信号智能识别. 激光杂志. 2021(06): 108-111 . 百度学术
    12. 林秋珍，赵越，孙忠阁. 大规模光纤网络数据流的自动分类. 激光杂志. 2021(09): 80-84 . 百度学术
    13. 张新梅，范量，张新科，李前程. 基于常时微动的建筑群垂向振动特性监控仿真. 计算机仿真. 2021(10): 487-491 . 百度学术
    14. 任孝锋. 考虑光纤入侵信号的安防系统信号分级识别算法研究. 激光杂志. 2020(07): 162-166 . 百度学术
    15. 郭继坤，曹权，贾皓翔. 改进的马赫-曾德尔干涉仪的光纤传感定位系统. 黑龙江科技大学学报. 2019(06): 720-724 . 百度学术

    其他类型引用(8)

    • 资源附件(0)
计量
  • 文章访问数:  1100
  • HTML全文浏览量:  7
  • PDF下载量:  382
  • 被引次数: 23
出版历程
  • 发布日期:  2019-08-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(23)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计