[发明专利]干涉型光纤周界振动入侵识别算法

说明书

技术领域

本发明涉及光纤振动传感技术领域，具体地说是一种特别适用于安防周界用的干涉型光纤周界安防系统的干涉型光纤周界振动入侵识别算法。

背景技术

随着社会经济和科技的发展，人们的安防意识逐步提高，尤其是针对油库、国防、各种化工厂、燃料库、核电站、码头等关系到国民安全的重要领域，随之而来的安防监测设施层出不穷。相较于传统的安防监测方式，如人工监测、红外对射、电子围栏等众多安防入侵系统，干涉型光纤周界安防系统具有耐高温高压、抗电磁干扰、监测区域大、无漏报、误报率低等优势，适用于易燃、易爆及潮湿等恶劣环境。

干涉型光纤周界安防系统是基于光干涉相位调制技术，将光纤作为传输传感二合一的器件，通过直接接触或承载物如覆土、钢丝网、围栏等接触方式，置于待测环境中，当受到外界振动时，由于光纤的应变效应和光弹效应，传感光纤受到振动信号作用导致光纤自身长度、直径和折射率发生变化，而使光纤中传输的光相位发生变化，通过检测光纤中光波相位的变化可知响应的振动情况。

基于干涉原理的周界安防系统，目前光学实现方式包括迈克尔逊干涉原理、萨格奈克干涉原理以及马赫-曾德干涉原理。然而无论采用何种实现原理，均会存在信号识别的问题，尤其是环境恶劣、干扰较多的条件下，很难精确识别人为入侵。

发明内容

本发明针对现有技术存在的缺点和不足，提出一种可用于恶劣环境、干扰较多环境下的干涉型光纤周界振动入侵识别算法。

本发明可以通过以下措施达到：

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。

    本发明步骤2中对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)按以下筛选流程：

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……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。

本发明中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；