[发明专利]干涉型光纤周界振动入侵识别算法

权利要求书

1.一种干涉型光纤周界振动入侵识别算法，其特征在于包括以下步骤：

步骤1：从数据采集端读取光纤振动传感器所采集数据，

步骤2：对所采集数据进行归一化处理；

步骤3：经验模态分解；

步骤4：对经验模态分解结果进行特征值的计算；

步骤5：多特征值检测，判断是否有入侵，若是，进行报警，否则重复步骤1-:5进行下轮识别。

2.根据权利要求1所述的一种干涉型光纤周界振动入侵识别算法，其特征在于所采集的数据进行归一化处理具体为运用IMF可把归一化振动信号S(t)按以下流程筛选：

步骤1：找出S(t)中所有局部极大值以及局部最小值，利用三次多项式拟合，分别将局部最大值串成上包络线，局部最小值串成下包络线；

步骤2：求出上下包络线之间平均，得到均值包络线m₁(t)；

步骤3：原始信号S(t)与均值包络线相减，得到第一个分量h₁(t)；

步骤4：检查h₁(t)是否符合IMF条件，如果不符合，则回到步骤1并将h₁(t)当做原始信号进行第二次筛选，得到h₂(t)，重复筛选K次，知道h_K(t)符合IMF条件，即得到第一个IMF分量C₁(t)，即C₁(t)= h_K(t)；

步骤5：原始信号S(t)减去C₁(t)可剩余r₁(t)；

步骤6：将r₁(t)作为新的资料，重新执行步骤1、步骤2至步骤5，得到新的剩余量r₂(t)，如此重复n次；

步骤7：当第n个剩余量r_n(t)已成为单调函数，将无法再分解IMF时，整个EMD的分解过程完成。

3.根据权利要求1所述的一种干涉型光纤周界振动入侵识别算法，其特征在于根据经典模态分解后的IMF进行多特征值分析过程如下：

步骤1：提取经典模态分解IMF1、IMF2…IMFn模态进行过零率计算分析，得到n组过零率与设定阈值进行对比，超过设定阈值判定满足；

步骤2：针对信号加权频率计算，对每一阶IMF分量进行Hilbert变换，得到每个IMF的Hilbert变换后求出相应的解析函数幅值谱和瞬时频率，根据分析，采用n阶IMF分量即可进行判断，对IMF1、IMF2…IMFn的基础上，进行加权频率wf[n]计算，加权频率反映信号频谱能量的分布情况；一般来说，wf[n]值越小，说明频谱能量主要集中在低频，相反，wf[n]值越大，则说明频谱能量主要集中在高频，设定判定阈值，加权频率超过设定阈值时判定满足；

步骤3：模态边际谱质心计算，对每一阶IMF分量进行Hilbert变换，求出相应解析函数的幅值谱和瞬时频率谱，并计算其频率谱质心，谱质心是信号频率成分的中心，在一定频率范围内通过能量加权平均频率，表示随强度变换的特性，针对离散信号的谱质心求出的是序号。分别对IMF1、IMF2…IMFn模态的边际谱质心与n组设定阈值进行对比，超过设定阈值判定满足；

步骤4：小波包分解，对IMF1、IMF2…IMFn模态信号进行基于db5的五层小波包分解，得到其第五层小波包分解系数，获得小波分解高频分量，进行计算n组模态信号高频能量值，将计算值与设定阈值进行对比，超过设定阈值判定满足。

4.根据权利要求1所述的一种干涉型光纤周界振动入侵识别算法，其特征在于所述的多特征值检测包括以下步骤：

步骤1：数学建模，需保证有效特征值的合理利用，同时兼顾不同的信号特征值在对信号分类上的优、劣势，建立多特征值联合的数学模型，Y=β₁Y₁+β₂Y₂+…+β_nY_n，其中Y_n为根据不同信号特征判断出信号的种类，β_n为Y_n对最后判断结果Y的贡献率，其中β₁+β₂…+β_n=1；

步骤2：学习过程，通过多组对比判读，训练确定每个β的大小选择，假设某一特征值的计算值已超过判决门限，但多特征联合判决并未满足，须人为对β_n进行补偿，其补偿原则为：对特征计算值超出门限值部分值乘以一个系数后，加到原来的贡献率β上；

步骤3：计算最终判定值Y值，与设定判定门限比较，大于判定门限值人为有入侵行为，进行报警。