论文部分内容阅读
随着光纤传感技术的迅猛发展,其在安防领域的应用也逐渐显现出与众不同的优势。但在光纤周界安防系统中,人为入侵事件经常被误判为非人为入侵事件,这样不仅浪费掉大量的人力和物力,而且还严重地危及人民群众的生命财产安全。因此如何设计出一种可靠且高效的光纤周界入侵探测系统,使其可以迅速且无误地识别人为入侵事件和非人为入侵事件,这一直吸引着很多研究人员的注意。但到目前为止,这仍然是一项急需解决的难题。针对如何降低光纤周界入侵事件的误报率,本文从光路结构的选择,信号特征提取算法的优化以及神经网络模型的选取这三个方面进行深入地分析,并因此设计出了两种不同的入侵事件识别方法,其主要研究内容如下:1.本文介绍了单模-多模-单模(SMS)光纤结构作为周界防区传感单元的设计原理,并采集了四种典型的入侵事件,即包含敲击事件和摇晃事件的人为入侵事件和包含刮风事件和下雨事件的非人为入侵事件。2.针对施加在多模光纤上的入侵信号,提出了两种不同的特征提取方法。其一是利用小波阈值去噪结合短时傅里叶变换(STFT)对入侵信号作时频分析以得到时频图,然后将时频图转为黑白图并将其分成训练集和测试集;其二是将入侵信号通过滤波器组进行滤波处理,对滤波后的不同频段信号作以奇异值和峭度值作为组合向量的特征提取,并将得到的特征向量分为训练集和测试集。3.针对入侵信号的不同特征表达形式,选用了两种不同的神经网络模型去识别分析。其一是设计以黑白图片作为输入形式的卷积神经网络(CNN)模型;其二是设计以特征向量作为输入形式的概率神经网络(PNN)模型,并利用樽海鞘群算法(SSA)来优化PNN模型中的平滑因子。和大多数基于群机制的元启发式算法一样,SSA存在着收敛性差和容易陷入局部最优的缺点。因此,我们将权重因子和自适应变异算子嵌入到SSA中以更好地优化PNN中的平滑因子。4.我们深入地讨论和分析了上述两种不同的入侵事件识别方法。大量的实验结果表明,相比于CNN模型,经改进的樽海鞘群算法(ISSA)优化的PNN模型更能高效地识别和区分出人为入侵信号和非人为入侵信号,从而减少了入侵信号的误报率,提高了SMS光纤结构在周界防区中的应用价值。