基于概率神經(jīng)網(wǎng)絡(luò)光纖周界傳感信號(hào)處理研究

吳 亮，謝 箭

(1.貴州師范大學(xué) 經(jīng)管學(xué)院，貴陽(yáng) 550002;2.四川九洲電器集團(tuán)成都技術(shù)中心，成都 610041)

0 引言

為了防止敵人入侵或者保護(hù)特定范圍內(nèi)的重要設(shè)施，埋在地下的磁場(chǎng)探測(cè)器或同軸電纜監(jiān)測(cè)器、地面紅外探測(cè)器等被廣泛應(yīng)用。但是，紅外探測(cè)器易受天氣條件影響而給出錯(cuò)誤信號(hào);磁場(chǎng)探測(cè)器容易受到敵方的電磁攻擊而失效。光纖探測(cè)器沒(méi)有類似的弱點(diǎn)，正在成為周界探測(cè)防御系統(tǒng)的發(fā)展方向［1］。

光纖周界系統(tǒng)是基于光纖傳感技術(shù)的安全技術(shù)防范系統(tǒng)。系統(tǒng)利用激光、光纖傳感和光通信等技術(shù)構(gòu)建警戒網(wǎng)絡(luò)或者安全報(bào)警體系，是一種對(duì)威脅公眾安全的突發(fā)事件進(jìn)行監(jiān)控和警報(bào)的現(xiàn)代防御架構(gòu)。這一技術(shù)的發(fā)展既反映了現(xiàn)代反恐戰(zhàn)爭(zhēng)的需要，也滿足了我國(guó)現(xiàn)階段對(duì)周界報(bào)警的需求［2］。而且光纖本身無(wú)源供電，還可同時(shí)作為信號(hào)傳輸信道，非常適用于國(guó)境線等周界防衛(wèi)，應(yīng)用前景廣闊。

傳感光纖是鎧裝的多芯通信光纜，以保證在外界多變的氣候和惡劣環(huán)境的影響下，仍能采集細(xì)小的振動(dòng)。當(dāng)光信號(hào)由激光器輸送進(jìn)光纖時(shí)，探測(cè)器把光信號(hào)轉(zhuǎn)換為電信號(hào)，并傳輸?shù)焦庑盘?hào)處理單元進(jìn)行相位分析。假設(shè)傳感光纜沒(méi)有受到任何干擾或光的傳輸沒(méi)有變化，那么光信號(hào)的相位也將不發(fā)生變化;當(dāng)傳感光纖受到運(yùn)動(dòng)或振動(dòng)的干擾時(shí)，光信號(hào)的傳輸模式就會(huì)發(fā)生變化［3］。運(yùn)動(dòng)、振動(dòng)、壓力都會(huì)導(dǎo)致形態(tài)被干擾而產(chǎn)生光信號(hào)相位的改變［4］。光電探測(cè)器對(duì)相位改變進(jìn)行探測(cè)，探測(cè)干擾的強(qiáng)度和類型，然后對(duì)探測(cè)到的信號(hào)進(jìn)行處理，判別它是否符合觸發(fā)“事件”的條件。如果符合條件，觸發(fā)一個(gè)“事件”，否則，忽略該信號(hào)。這里，判斷探測(cè)到的信號(hào)是否符合觸發(fā)“事件”的標(biāo)準(zhǔn)是用戶在軟件中對(duì)每個(gè)防區(qū)設(shè)置的參數(shù)依據(jù)。

現(xiàn)有的光纖周界系統(tǒng)的振動(dòng)信號(hào)識(shí)別方法主要采用基于入侵振動(dòng)信號(hào)的時(shí)域特征進(jìn)行分析，比如振動(dòng)幅度。由于進(jìn)行模式識(shí)別的特征參數(shù)數(shù)量少，因此不能更準(zhǔn)確的區(qū)分各種外界振動(dòng)信號(hào)，誤報(bào)率很高［5］。

為了克服現(xiàn)有的光纖周界系統(tǒng)的振動(dòng)信號(hào)識(shí)別方法誤報(bào)率高的缺點(diǎn)，本研究提出了一種光纖周界系統(tǒng)的振動(dòng)信號(hào)識(shí)別方法，該方法具有更多的特征參數(shù)作為振動(dòng)信號(hào)判斷的閾值。

1 報(bào)警信號(hào)處理技術(shù)

當(dāng)敵人入侵時(shí)，跨越周界圍欄等行為會(huì)對(duì)埋在地下的傳感光纖施加微弱的機(jī)械振動(dòng)作用，當(dāng)這種振動(dòng)引起動(dòng)態(tài)壓力作用于光纖時(shí)，因?yàn)閺椥宰冃问沟霉饫w長(zhǎng)度發(fā)生變化，同時(shí)光纖折射率發(fā)生變化，引起了光波傳播相位變化，給出了報(bào)警信號(hào)［6］。報(bào)警信號(hào)處理流程如圖1所示。

圖1 報(bào)警信號(hào)處理流程圖

本系統(tǒng)利用NI公司的PCI6220數(shù)據(jù)采集卡，采樣頻率Fs為8192 Hz，采集2 s的信號(hào)作為分析數(shù)據(jù)源。采集到的部分類型的入侵信號(hào)(腳步信號(hào)和挖掘信號(hào)時(shí)域波形圖)如圖2所示。

圖2 入侵信號(hào)和挖掘信號(hào)時(shí)域波形圖

1.1 加窗處理

由于對(duì)一個(gè)無(wú)限長(zhǎng)的原始信號(hào)S(n)的數(shù)據(jù)進(jìn)行突然截短，必然引起吉布斯現(xiàn)象［7］，為了消除吉布斯現(xiàn)象，故需要對(duì)原始信號(hào)進(jìn)行加窗處理。為此采用窗長(zhǎng)為2 s的Hamming窗對(duì)原始信號(hào)S(n)進(jìn)行信號(hào)加窗處理。

1.2 信號(hào)降噪

由于光纖傳感器的高度敏感性，所采集到的振動(dòng)信號(hào)含有大量的環(huán)境噪聲，這樣的信號(hào)不能直接進(jìn)行分析識(shí)別，故需要進(jìn)行降噪處理。

1.2.1 帶通濾波

采用巴特沃斯帶通濾波器，Wp通帶截止頻率為［20，400］/(Fs/2)，阻帶起始頻率 Ws為［10，450］/(Fs/2)，通帶內(nèi)波動(dòng)Rp為3 dB，阻帶內(nèi)最小衰減Rs為45 dB，F(xiàn)s為信號(hào)采樣率。

1.2.2 小波降噪

如果φ∈L2(R)滿足

則稱φ為一個(gè)母小波或基本小波，稱

式中，a，b∈R，a≠0 為小波。當(dāng) x、a、b連續(xù)變化時(shí)，φa，b稱為連續(xù)小波;當(dāng) a，b分別離散化為 am0和 nb0時(shí)，則稱 φa，b為離散小波。

離散小波變換定義為

一個(gè)函數(shù)φ∈L2(R)稱為一個(gè)正交小波，如果由

定義的函數(shù)族{φj，k}是L2(R)的規(guī)范正交基，即

式(6)中級(jí)數(shù)收斂是在L2(R)中的，即

式(7)的級(jí)數(shù)表示稱為小波級(jí)數(shù)，其中小波系數(shù)為

則由小波變換的定義有

小波分解的過(guò)程可以用圖3表示。

圖3 小波分解示意圖

將原始信號(hào)S(t)通過(guò)上述步驟小波分解后，則噪聲部分通常包含在細(xì)節(jié)信號(hào)中;因而，可以以門限閾值等形式對(duì)小波系數(shù)進(jìn)行處理，然后對(duì)信號(hào)進(jìn)行重構(gòu)即可達(dá)到降噪處理的目的。通過(guò)小波降噪過(guò)后振動(dòng)信號(hào)如圖4所示。

圖4 小波降噪振動(dòng)信號(hào)變化圖

1.3 振動(dòng)事件檢測(cè)

將2秒信號(hào)段進(jìn)行分幀，幀長(zhǎng)Framelen為50 ms，幀重疊部分Framelnc為20 ms，分別對(duì)每幀數(shù)據(jù)進(jìn)行加窗處理，再進(jìn)行傅里葉(FFT)變換，計(jì)算每幀信號(hào)的短時(shí)能量E，若Max(E)大于閾值則認(rèn)為有振動(dòng)事件發(fā)生。頻差檢測(cè)振動(dòng)事件結(jié)果示意圖如圖5所示。

圖5 頻差檢測(cè)振動(dòng)事件結(jié)果示意圖

1.4 信號(hào)特征提取

模板事件信號(hào)包括報(bào)警事件和非報(bào)警事件。報(bào)警事件主要包括:攀爬圍欄、剪切圍欄、圍欄下挖槽、梯子輔助攀爬圍欄、埋地設(shè)防區(qū)域慢走、快跑、匍匐和埋地設(shè)防區(qū)域地下挖槽;非報(bào)警事件主要包括:風(fēng)、雨、小動(dòng)物和過(guò)往車輛等各種環(huán)境干擾。

報(bào)警事件通過(guò)以人的走動(dòng)、攀爬、挖掘?yàn)槔枰哉f(shuō)明;非報(bào)警事件通過(guò)風(fēng)、過(guò)往車輛為例予以說(shuō)明。

1.4.1 短時(shí)能量En

對(duì)于信號(hào){x(n)}，短時(shí)能量定義為

式中，h(n)=w2(n);En表示在信號(hào)的第n個(gè)點(diǎn)開始加窗函數(shù)時(shí)的短時(shí)能量。可以看出，短時(shí)能量可以看作腳步振動(dòng)信號(hào)的平方經(jīng)過(guò)一個(gè)線性濾波器的輸出，該線性濾波器的單位沖擊響應(yīng)為h(n)。

1.4.2 短時(shí)平均幅度Mn

式中，xw(m)是x(n)經(jīng)過(guò)加窗處理后的信號(hào)。

1.4.3 短時(shí)平均過(guò)零率Zn

短時(shí)平均過(guò)零率是指每幀內(nèi)信號(hào)通過(guò)零值的次數(shù)，其實(shí)質(zhì)就是信號(hào)采樣點(diǎn)符號(hào)變化的次數(shù)。數(shù)學(xué)表達(dá)式為

式中，sgn［·］是符號(hào)函數(shù)，即

用式(12)計(jì)算短時(shí)平均過(guò)零率容易受到低頻的干擾，為此設(shè)定一個(gè)門限T1，將過(guò)零率的含義修改為跨過(guò)正負(fù)門限的次數(shù)，于是，得到修改后的表達(dá)式為

表1 人員與車輛振動(dòng)信號(hào)過(guò)零率對(duì)比

1.4.4 小波分解各尺度細(xì)節(jié)信號(hào)能量特征E

采用小波變換方法進(jìn)行目標(biāo)特征提取，可按圖3進(jìn)行小波分解得到信號(hào)在各級(jí)逼近空間和細(xì)節(jié)空間上的信號(hào)表示。小波分解能量特征的提取步驟如下。

(1)利用信號(hào)的多尺度分解及其快速算法對(duì)測(cè)試的信號(hào)進(jìn)行小波變換;

(3)對(duì)樣本信號(hào)進(jìn)行N級(jí)小波分解;

(4)在第N級(jí)逼近空間和第一級(jí)到第N級(jí)細(xì)節(jié)空間上，分別計(jì)算這N個(gè)空間中的信號(hào)能量，把它們作為分類的特征。

將模板腳步、風(fēng)信號(hào)進(jìn)行8尺度的小波分解，各個(gè)尺度的能量特征如圖6、圖7所示。腳步信號(hào)能量主要集中在5、6尺度，而風(fēng)振動(dòng)信號(hào)能量主要集中在7、8尺度。

1.4.5 振動(dòng)信號(hào)功率譜特征P

這里采用welch法，即把數(shù)據(jù)分成若干段，分別求每一段的功率譜，然后加以平均。這里以功率譜的主峰值與次峰值作為特征值。風(fēng)引起的振動(dòng)信號(hào)與腳步信號(hào)，其功率譜集中的頻率范圍有明顯的不同，如圖8所示。

圖8 風(fēng)和腳步信號(hào)的功率譜對(duì)比

2 分類器設(shè)計(jì)

2.1 消除量綱

由于特征參數(shù)的量綱不同，若直接進(jìn)行識(shí)別會(huì)影響識(shí)別精度，故需要消除量綱的影響。這里采用歸一化處理式(15)，將數(shù)據(jù)處理為區(qū)間［0，1］之間的數(shù)據(jù)。

2.2 PNN 分類器

概率神經(jīng)網(wǎng)絡(luò)是徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)的一種擴(kuò)展結(jié)構(gòu)，由徑向基神經(jīng)元和競(jìng)爭(zhēng)神經(jīng)元共同組成。在模式分類中，它的優(yōu)勢(shì)在于可以利用線性學(xué)習(xí)算法來(lái)完成非線性算法所做的工作，同時(shí)又可以保持非線性算法高精度的特性。其分類識(shí)別的步驟如下。

(1)徑向基層計(jì)算該輸入向量同樣本輸入向量之間的距離;

(2)競(jìng)爭(zhēng)層接受距離向量為輸入向量，計(jì)算每個(gè)模式出現(xiàn)的概率;

(3)通過(guò)競(jìng)爭(zhēng)傳遞函數(shù)將概率最大的元素對(duì)應(yīng)輸出為1，這就是一類模式;否則輸出0，作為其他模式。

其中:隱含層的第i個(gè)神經(jīng)元的輸入為

式中，w1為輸入層神經(jīng)元與隱含層相連的權(quán)值向量;xq為表示第q個(gè)輸入向量;b1i為徑向基函數(shù)的閾值。隱含層的第i個(gè)神經(jīng)元的輸出為

輸出層的輸入為各隱含層神經(jīng)元輸出的加權(quán)求和。

式中，w2為隱含層與輸出層間的權(quán)值向量。

將人的腳步信號(hào)、挖槽信號(hào)、攀爬、車輛過(guò)往信號(hào)所提取出來(lái)的特征參數(shù)各15組樣本作為PNN的輸入向量P，然后按照式(16)～式(18)計(jì)算誤警率和漏警率，結(jié)果見表2。其中1—腳步標(biāo)識(shí);2—挖槽標(biāo)識(shí);3—攀爬;4—車輛信號(hào)標(biāo)識(shí);將1、2、3、4作為目標(biāo)向量T。

表2 分類結(jié)果

從以上識(shí)別結(jié)果可以看出，使用該方法后系統(tǒng)的誤報(bào)率得到了有效的控制。

3 結(jié)語(yǔ)

綜上所述，本文在時(shí)域上提取過(guò)零數(shù)作為特征參數(shù)，其能有效區(qū)分連續(xù)振動(dòng)和間隔振動(dòng);在頻域上，應(yīng)用常用的信號(hào)處理方法，如短時(shí)傅里葉變換、FFT變換、功率譜估計(jì)提取了信號(hào)的頻譜特征參數(shù);在時(shí)－頻域中應(yīng)用小波分解各尺度細(xì)節(jié)信號(hào)的能量分布特征。最后，通過(guò)構(gòu)建基于概率的神經(jīng)網(wǎng)絡(luò)作為分類識(shí)別器，對(duì)時(shí)域、時(shí)－頻域所提取的各種特征參數(shù)進(jìn)行評(píng)價(jià)對(duì)比，結(jié)果表明過(guò)零率，短時(shí)能量、短時(shí)平均幅度、以及小波分解后的能量特征等具有更好的可分性，且具有更好的抗噪能力。

［1］ 彭龍，鄒琪琳，張敏，等.光纖周界探測(cè)技術(shù)原理及研究現(xiàn)狀［J］.激光雜志，2007，28(4):1-3.

［2］ 王惠文.光纖傳感技術(shù)與應(yīng)用［M］.北京:國(guó)防工業(yè)出版社，2001:265-257.

［3］ 張賢達(dá).現(xiàn)代信號(hào)處理［M］.北京:清華大學(xué)出版社，2004:78-92.

［4］ 左煒，王殊，劉富明.分布式光纖傳感器的數(shù)據(jù)處理系統(tǒng)［J］.計(jì)算機(jī)測(cè)量與控制，2005，13(12):1440-1442.

［5］ GERD KEISER.Optical Fiber Communications［M］.Third Edition.Beijing:Publishing House of Electronics Industry，2002.

［6］ PLEROS N，BINTJAS C，KALYVAS M，et al.Multiwavelength and Power Equalized SOA Laser Sources［J］.IEEE Phontonics Technology Letters，2002，14(5):693-695.

［7］ NAGISKI D H，BOYD J T，JACKSON H E，et al.Distributed Disturbance Sensor Based on a Novel Mach-Zehnder Interferometer with no Electrodes for Sensing Electric field［J］.Lightwave Technology，1994，12(6):1092-1098.