一种用于区域安防的地震动异常感知方法技术

本发明专利技术公开了一种用于区域安防的地震动异常感知方法，包括：震动信号特征提取和辨识。首先，获取检测的时序信号；计算时序信号的容量维数序列值作为分形特征；采用线性支持向量机识别分形特征中有效信号成分的分形和噪声成分的分形；舍弃噪声成分的分形对应的噪声信号，得到有效成分的分形对应的有效信号。从而对实现连续的时序地震动信号准确定位异常事件发生的时间段和位置。本发明专利技术的有益效果是：通过本发明专利技术的技术方案，摆脱了传统方法对信号能量的依赖，可以有效提高异常事件检测的准确率，为敏感区域地下安防提供一种切实可行的新技术和新方法。技术和新方法。技术和新方法。

【技术实现步骤摘要】
一种用于区域安防的地震动异常感知方法


[0001]本专利技术涉及地震动传感领域，具体而言，涉及一种用于区域安防的地震动异常感知方法。

技术介绍

[0002]重要区域的地震动异常主要是由于人为操作所产生的震动信号，包括：无人机飞行、车辆移动、人类/动物活动等。地震动传感系统属于非视距传感，可以完全埋入地下，不受复杂地形因素限制，具有极高的隐蔽性，因此，对重要区域的震动异常感知具有独特的优势。基于震动信号对未知目标的感知，检测方法的设计原则通常是依据未知目标体与地表间相互作用的能量。当前对于地震动异常感知的方法主要是基于能量准则，包括四种类型：阈值法、事件孤立法、踏频法和长短时窗法(STA/LTA)。四种方法各具优势，但他们都依赖于震动信号的能量。在实际环境中，当未知目标体与传感器之间距离增加，传递到传感器的震动能量会迅速衰减。在检测能量较弱的信号时，这些方法存在较高的误报率和漏检率。具体来说，当前流行的目标检测方法几乎都取决于信号的幅值统计特性，在检测幅值较小的信号时，这些检测方法存在较多的误报和漏检。由此可见，异常感知方法面临的主要挑战是如何提高对弱信号的检测能力。

技术实现思路

[0003]本专利技术所要解决的问题在于如何实现高准确率的异常感知能力，提出一种一种用于区域安防的地震动异常感知方法，对于未知目标体产生的震动信号存+在强非线性的特性，运用分形容量维数理论定量地描述非平稳震动信号的混沌性和非线性行为，同时该技术可以有效提取未知目标体产生的震动特征。震动数据被分形度量后，线性支持向量机被用来辨识分形容量维数中的信号段和噪声段，从而完成对环境异常的智能感知。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种用于区域安防的地震动异常感知方法，该方法包括：
[0006]获取检测的时序信号；
[0007]计算时序信号的容量维数序列值作为分形特征；
[0008]采用线性支持向量机识别分形特征中有效信号成分的分形和噪声成分的分形；
[0009]舍弃噪声成分的分形对应的噪声信号，得到有效成分的分形对应的有效信号。
[0010]进一步地：计算时序信号的容量维数序列值包括：
[0011]将时序信号进行无量纲的图形处理获得一段自仿射曲线；
[0012]用半径为r的小圆覆盖该曲线的一个片段，沿着曲线移动小圆；
[0013]让n个小圆完全覆盖曲线段，则曲线段的长度L＝nr，得到曲线段的容量维数；
[0014]依次得到整个曲线的容量维数序列值。
[0015]进一步地：曲线段的容量维数，用公式表达为：
[0016]D＝1
‑
log(L)/log(r)。
[0017][0018]进一步地：采用线性支持向量机识别分形特征包括：
[0019]搜索一个能将有效信号成分的分形和噪声成分的分形分开的最优超平面H满足：w
·
x+b＝0，w为超平面的法向量，b为超平面的阈值；
[0020]将搜索最优超平面H转化为寻找最优参数对(w，x)，表示为：
[0021][0022]s.t.y
i
((w
·
x
i
+b))≥1；
[0023]采用拉格朗日函数进行最优参数求解，拉格朗日函数为：
[0024][0025]其中是拉格朗日乘子，根据拉格朗日函数的鞍点，对参数w和参数b求导可得：
[0026][0027][0028]代入拉格朗日函数得到:
[0029][0030][0031]通过求解可以得到：
[0032][0033][0034]进一步地：参数w和参数b的最优分类决策函数为：
[0035][0036]本专利技术与现有技术相比，有益效果在于：
[0037]专利技术提出一种用于区域安防的地震动异常感知方法，首先测量震动数据的复杂度，并以此从信号段和噪声段中提取各自的非线性特征。然后，将震动数据的容量维数输入到线性支持向量机中来判别有效信号和噪声。通过本专利技术的技术方案，摆脱了传统方法对
信号能量的依赖，可以有效提高异常检测的准确率，为敏感区域地下安防提供一种切实可行的新技术和新方法。
附图说明
[0038]图1为本专利技术的一种用于区域安防的地震动异常感知方法的流程示意图；
[0039]图2为本专利技术方法对于基准方法时的F1分数对比图。
具体实施方式
[0040]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0041]如附图1所示，一种用于区域安防的地震动异常感知方法，首先使用分布式震动传感系统用于连续采集各类目标体(包括噪声)的震动数据。这些时序震动数据流被输入至联合方法中。该方法包含震动数据分形特征提取和支持向量机特征辨识两个部分。首先使用容量维数连续地度量震动信号复杂度，并以此提取目标体的震动分形特征。然后，运用线性支持向量机方法区分这些分形特征。从而完成信号数据段(异常事件)与噪声数据段的辨识，最终达到对未知目标体准确检测的目的。
[0042]具体的，获取检测的时序信号；
[0043]计算时序信号的容量维数序列值作为分形特征；
[0044]采用线性支持向量机识别分形特征中有效信号成分的分形和噪声成分的分形；
[0045]舍弃噪声成分的分形对应的噪声信号，得到有效成分的分形对应的有效信号。
[0046]计算时序信号的容量维数序列值包括：
[0047]将时序信号进行无量纲的图形处理获得一段自仿射曲线；
[0048]用半径为r的小圆覆盖该曲线的一个片段，沿着曲线移动小圆；
[0049]让n个小圆完全覆盖曲线段，则曲线段的长度L＝nr，得到曲线段的容量维数；
[0050]依次得到整个曲线的容量维数序列值。
[0051]曲线段的容量维数，用公式表达为：
[0052]D＝1
‑
log(L)/log(r)。
[0053][0054]采用线性支持向量机识别分形特征包括：
[0055]搜索一个能将有效信号成分的分形和噪声成分的分形分开的最优超平面H满足：w
·
x+b＝0，w为超平面的法向量，b为超平面的阈值；
[0056]将搜索最优超平面H转化为寻找最优参数对(w，x)，表示为：
[0057][0058]s.t.y
i
((w
·
xi+b))≥1；
[0059]采用拉格朗日函数进行最优参数求解，拉格朗日函数为：
[0060][0061]其中是拉格朗日乘子，根据拉格朗日函数的鞍点，对参数w和参数b求导可得：
[0062][0063][0064]代入拉格朗日函数得到:
[0065][0066][0067]通过求解可以得到：
[0068][0069][0070]参数w和参数b的最优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于区域安防的地震动异常感知方法，其特征在于，该方法包括：获取检测的时序信号；计算时序信号的容量维数序列值作为分形特征；采用线性支持向量机识别分形特征中有效信号成分的分形和噪声成分的分形；舍弃噪声成分的分形对应的噪声信号，得到有效成分的分形对应的有效信号。2.按照权利要求1所述的方法，其特征在于：计算时序信号的容量维数序列值包括：将时序信号进行无量纲的图形处理获得一段自仿射曲线；用半径为r的小圆覆盖该曲线的一个片段，沿着曲线移动小圆；让n个小圆完全覆盖曲线段，则曲线段的长度L＝nr，得到曲线段的容量维数；依次得到整个曲线的容量维数序列值。3.按照权利要求2所述的方法，其特征在于：曲线段的容量维数，用公式表达为：D＝1
‑
log(L)/log(r)。4...

【专利技术属性】
技术研发人员：佟训乾，聂彤羽，宾康成，
申请(专利权)人：吉林大学，
类型：发明
国别省市：