本發(fā)明涉及目標定位，具體涉及一種聯(lián)立相鄰傳感單元的目標事件定位方法及系統(tǒng)。

背景技術(shù)：

1、基于光纖分布式聲波振動傳感技術(shù)在國家及城市基礎(chǔ)設(shè)施，如光纜、電纜、長輸油氣管道、橋梁隧道和區(qū)域周界等安全監(jiān)測中發(fā)揮著重要作用。當外界擾動事件作用于光纖某一傳感單元附近時，擾動事件產(chǎn)生的聲波振動信號會沿著介質(zhì)向這一傳感單元附近的若干個傳感單元傳播，導(dǎo)致這片區(qū)域?qū)?yīng)的傳感單元均會受到外界聲波振動的影響。

2、傳統(tǒng)的基于單個傳感單元數(shù)據(jù)的模式識別方法會對這片區(qū)域內(nèi)所有傳感單元的數(shù)據(jù)逐一識別，進而導(dǎo)致識別系統(tǒng)輸出多個擾動事件的判別結(jié)果。此外，由于光纜未知地埋條件的影響，聲波振動信號傳播過程復(fù)雜，這片區(qū)域內(nèi)傳感單元可能會輸出不同事件類型結(jié)果，但實際上外界只存在一個擾動源，極大地制約了基于分布式光纖聲波振動傳感技術(shù)在安全監(jiān)測中的應(yīng)用。另一方面，面對非均勻介質(zhì)的復(fù)雜地下結(jié)構(gòu)的埋設(shè)條件，傳統(tǒng)的基于振動波形時延差和基于波形能量傳遞衰減特性的定位方法難以直接應(yīng)用，因此，這片區(qū)域內(nèi)擾動源的精準定位也成了一個具有挑戰(zhàn)性的難題。

3、為此需要一種聯(lián)立相鄰傳感單元的模式識別和目標定位技術(shù)，不僅能有效消除相鄰傳感單元因外界聲波振動傳播引起的系統(tǒng)識別誤報影響，而且還可以精準地定位出這片區(qū)域內(nèi)擾動源的實際位置，進一步提升基于分布式光纖聲波振動傳感系統(tǒng)對外界振動源智能識別性能。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是：傳統(tǒng)的基于單個傳感單元數(shù)據(jù)的模式識別方法會因一個擾動源輸出多個擾動事件的判別結(jié)果，影響擾動源的精準定位效果；本發(fā)明目的在于提供一種聯(lián)立相鄰傳感單元的目標事件定位方法及系統(tǒng)，將多個鄰近的傳感單元組成異常信號團進行特征提取，融合多個分類器對團中每一傳感單元進行決策并得到對應(yīng)事件類型的置信度分布，提取事件類型的置信度分布特征信息，并結(jié)合bp網(wǎng)絡(luò)模型，最終得到該異常信號團對應(yīng)的事件類型，確定目標事件實際所處傳感單元位置信息；實現(xiàn)外界擾動事件的高精度模式識別和定位。

2、本發(fā)明通過下述技術(shù)方案實現(xiàn)：

3、本發(fā)明提供一種聯(lián)立相鄰傳感單元的目標事件定位方法，包括步驟：

4、s1，獲取光纜中各傳感單元探測的聲波振動信號；

5、s2，對聲波振動信號進行異常判別，并將相鄰的多個傳感單元的異常聲波振動信號組成異常團信號；

6、s3，依次提取出異常信號團中各異常聲波振動信號的特征信息參量，基于多個分類器對各異常聲波振動信號的特征信息參量進行事件分類，融合多個分類器的決策結(jié)果得到各類事件置信度；

7、s4，挖掘各類事件置信度空間分布信息，并輸入bp網(wǎng)絡(luò)模型識別出異常信號團對應(yīng)的事件模式；

8、s5，基于異常信號團中每一傳感單元的事件置信度空間分布信息，利用事件置信度空間距離加權(quán)公式計算出目標事件所處傳感單元的位置信息。

9、本方案工作原理：當外界擾動事件作用于光纖某一傳感單元附近時，擾動事件產(chǎn)生的聲波振動信號會沿著介質(zhì)向這一傳感單元附近的若干個傳感單元傳播，導(dǎo)致這片區(qū)域?qū)?yīng)的傳感單元均會受到外界聲波振動的影響。傳統(tǒng)的基于單個傳感單元數(shù)據(jù)的模式識別算法會對這片區(qū)域內(nèi)所有傳感單元的數(shù)據(jù)逐一識別，進而導(dǎo)致識別系統(tǒng)輸出多個擾動事件的判別結(jié)果。此外，由于光纜未知地埋條件的影響，聲波振動信號傳播過程復(fù)雜，這片區(qū)域內(nèi)傳感單元可能會輸出不同事件類型結(jié)果，但實際上外界只存在一個擾動源，極大地制約了基于分布式光纖聲波振動傳感技術(shù)在安全監(jiān)測中的應(yīng)用。另一方面，面對非均勻介質(zhì)的復(fù)雜地下結(jié)構(gòu)的埋設(shè)條件，傳統(tǒng)的基于振動波形時延差和基于波形能量傳遞衰減特性的定位方法難以直接應(yīng)用。

10、本方案提供一種聯(lián)立相鄰傳感單元的目標事件定位方法，將多個鄰近的傳感單元組成異常信號團進行特征提取，融合多個分類器對團中每一傳感單元進行決策并得到對應(yīng)事件類型的置信度分布，提取事件類型的置信度分布特征信息，并結(jié)合bp網(wǎng)絡(luò)模型，最終得到該異常信號團對應(yīng)的事件類型，確定目標事件實際所處傳感單元位置信息；實現(xiàn)外界擾動事件的高精度模式識別和定位?？蛇m用于國家及城市基礎(chǔ)設(shè)施、通信光、電纜、長輸油氣管道以及區(qū)域周界的安全監(jiān)測等領(lǐng)域，具有監(jiān)測區(qū)域范圍廣、高識別精準性、高實時性、高穩(wěn)定性等特點。

11、進一步優(yōu)化方案為，異常聲波振動信號的判別方法包括：

12、選取各個傳感單元對應(yīng)時長為t的聲波振動信號；

13、分別對選取的聲波振動信號進行時域切分得到nt＝t*fs/l個時域片段，其中切分長度為l，采樣率為fs；

14、分別計算各時域片段對應(yīng)的時域能量值si和信號峭度值pi；

15、

16、

17、其中xij為第i個時域片段的第j個數(shù)據(jù)點，si和pi分別為第i個時域片段對應(yīng)的時域能量值和信號峭度值，ri為第i個時域片段對應(yīng)的底噪值。

18、計算nt個時域片段的信號峭度值的均值作為當前聲波振動信號的峭度值p；統(tǒng)計時域能量值si超過時域能量閾值的片段個數(shù)mt；

19、若mt≥片段閾值mth，或p≥信號峭度值閾值pth時，判定當前聲波振動信號為異常聲波振動信號，否則判定當前聲波振動信號為正常聲波振動信號。

20、進一步優(yōu)化方案為，異常團信號的構(gòu)建方法包括：

21、設(shè)置傳感單元成團的間隔參數(shù)l_chan；

22、依次比較相鄰兩個異常聲波振動信號對應(yīng)的傳感單元間隔是否≤l_chan，若是，則當前兩個異常聲波振動信號對應(yīng)的傳感單元屬于同一信號團；否則，將異常聲波振動信號對應(yīng)的傳感單元作為另一信號團的起始傳感單元；

23、同一信號團的異常聲波振動信號構(gòu)成一個異常信號團。

24、進一步優(yōu)化方案為，所述特征信息參量包括時域和頻域特征；

25、所述時域和頻域特征包括：時域片段的信號能量均值、信號時域峰、不同頻帶能量分布特征；

26、所述時域片段的信號能量均值包括當前異常聲波振動信號nt個時域片段對應(yīng)的時域能量值的平均值。

27、進一步優(yōu)化方案為，所述信號時域峰的提取方法包括：

28、首先設(shè)置尋峰閾值參數(shù)th，對當前異常聲波振動信號進行第一次尋峰操作，計算尋峰結(jié)果的峰值平均值，記為th，并用th替換尋峰閾值參數(shù)th；

29、再對當前異常聲波振動信號進行第二次尋峰操作，獲得第二次尋峰得到的時域峰個數(shù)np以及每個時域峰對應(yīng)的峰值pn；

30、對所有峰值pn求和并取平均值得到當前異常聲波振動信號的時域峰均值p；計算當前異常聲波振動信號的峰噪比psnr，psnr＝用時域峰均值p/時域信號的底噪值；

31、所述不同頻帶能量分布的提取方法包括：

32、基于快速傅里葉變換獲取當前異常聲波振動信號的頻譜信息，將當前異常聲波振動信號的頻譜劃分為nf個頻帶，分別計算各頻帶內(nèi)的能量和，以各頻帶內(nèi)的能量和作為當前異常聲波振動信號的不同頻帶能量分布。

33、進一步優(yōu)化方案為，s3還包括以下子步驟：

34、s31，將當前異常聲波振動信號提取出的特征信息參量組成多維特征矩陣；

35、s32，對多維特征矩陣進行兩輪特征篩選以剔除冗余特征：

36、第一輪篩選：依次計算多維特征矩陣在每一維特征下整個數(shù)據(jù)集的方差值e，設(shè)置閾值d1，若當前特征下的方差值e大于d1，則保留當前特征，否則，剔除當前特征；

37、第二輪篩選：將第一輪篩選得到的特征信息映射至特征空間，分別找出每一維特征中各類事件特征的中心位置，計算比值b，b＝l1/l2，l1為不同類事件特征的中心位置間距；l2為同一類事件中不同特征距該類事件特征的中心位置的間距；設(shè)置閾值d2，若b大于d2，則保留當前特征，否則，剔除保留當前特征。

38、進一步優(yōu)化方案為，各類事件置信度的獲取方法包括：

39、配置n個不同的分類器模型，并將n個不同的分類器模型進行并聯(lián)融合，各個分類器模型的訓(xùn)練是相互獨立的，每個分類器模型將匹配異常聲波振動信號對應(yīng)的各類事件置信度分布結(jié)果作為模型的輸出(zi1,…,zim)；其中，m為目標事件的種類數(shù)，zij為第i個分類器模型將匹配異常聲波振動信號識別為第j類事件對應(yīng)的置信度；

40、分別對每個分類器模型設(shè)置一個權(quán)重系數(shù)，對分類器模型輸出結(jié)果進行加權(quán)：

41、

42、其中，ci為第i個分類器的權(quán)值系數(shù)，z1,…,zm為多個分類器融合決策結(jié)果，即m類事件對應(yīng)的置信度分布。

43、進一步優(yōu)化方案為，s4包括以下子步驟：

44、s41，在當前異常信號團中，提取出m類事件所對應(yīng)的事件置信度空間分布信息，所述事件置信度空間分布信息包括：各類事件置信度方差、各類事件置信度均值以及各類事件置信度不同范圍值分布；

45、s42，將提取出的事件置信度空間分布信息輸入bp網(wǎng)絡(luò)模型識別得到當前異常信號團對應(yīng)的事件模式類型。

46、進一步優(yōu)化方案為，目標事件所處傳感單元的位置信息計算方法包括：

47、基于下式計算異常信號團中m個傳感單元的事件置信度空間距離分布e1,e2,…,em：

48、

49、其中l(wèi)i,j表示假定第j個傳感單元為外界擾動事件作用位置時，第i個傳感單元距第j個傳感單元的空間距離；異常信號團對應(yīng)的外界擾動事件模式類型為g；zgi為異常信號團中第i個傳感單元對應(yīng)的第g類事件模式的置信度；

50、找出e1,e2,…,em中最大值對應(yīng)的傳感單元，作為目標事件所處傳感單元的位置信息輸出。

51、本方案還提供一種聯(lián)立相鄰傳感單元的目標事件定位系統(tǒng)，用于實現(xiàn)上述的聯(lián)立相鄰傳感單元的目標事件定位方法，包括：

52、采集模塊，用于獲取光纜中各傳感單元探測的聲波振動信號；

53、構(gòu)建模塊，用于對聲波振動信號進行異常判別，并將相鄰的多個傳感單元的異常聲波振動信號構(gòu)建異常團信號；

54、置信度計算模塊，用于依次提取出異常信號團中各異常聲波振動信號的特征信息參量，基于多個分類器對各異常聲波振動信號的特征信息參量進行事件分類，融合多個分類器的決策結(jié)果得到各類事件置信度；

55、識別模塊，用于挖掘各類事件置信度空間分布信息，并輸入bp網(wǎng)絡(luò)模型識別出異常信號團對應(yīng)的事件模式；

56、計算模塊，用于基于異常信號團中每一傳感單元的事件置信度空間分布信息，利用事件置信度空間距離加權(quán)公式計算出目標事件所處傳感單元的位置信息。

57、本發(fā)明與現(xiàn)有技術(shù)相比，具有如下的優(yōu)點和有益效果：

58、本發(fā)明提供的一種聯(lián)立相鄰傳感單元的目標事件定位方法及系統(tǒng)；將多個鄰近的傳感單元組成異常信號團進行特征提取，融合多個分類器對團中每一傳感單元進行決策并得到對應(yīng)事件類型的置信度分布，提取事件類型的置信度分布特征信息，并結(jié)合bp網(wǎng)絡(luò)模型，最終得到該異常信號團對應(yīng)的事件類型，確定目標事件實際所處傳感單元位置信息；實現(xiàn)外界擾動事件的高精度模式識別和定位。