[发明专利]基于希尔伯特黄变换和机器学习的机场周界入侵报警方法

权利要求书

1.基于希尔伯特黄变换和机器学习的机场周界入侵报警方法，其特征在于，方法包括以下步骤：

步骤(1)，搭建前端采集设备以提供合适的实验环境进行数据的采集；

步骤(2)，人为模拟不同入侵行为，获取不同入侵行为下振动传感器的振动信号；

步骤(3)，对所采集到的所有振动信号进行分帧处理；

步骤(4)，提取每一帧信号在时域上的特征；

步骤(5)，对每一帧信号进行希尔伯特黄变换，得到振动信号的希尔伯特黄变换谱图，通过所得到的谱图，运用统计方法，提取振动信号在时频域上的统计特征；

步骤(6)，融合所提取得到的振动信号在时域和时频域上的特征，形成相应的特征向量，作为机器学习算法的输入，通过所述机器学习算法的输出，判断所输入的入侵行为类型，完成对入侵行为类型的识别及报警。

2.根据权利要求1所述的机场周界入侵报警方法，其特征在于：所述步骤(1)中，前端采集设备采用九轴振动传感器，每张周界网上搭建3个振动传感器，每三张网为一个分组，即在每个分组中，振动传感器以3×3的方式进行排列。

3.根据权利要求1所述的机场周界入侵报警方法，其特征在于：所述步骤(2)中，人为模拟的不同入侵行为包括正常状态、刮风状态、攀爬行为、剪网行为以及锯网行为。

4.根据权利要求1所述的机场周界入侵报警方法，其特征在于：所述步骤(3)中，由于振动信号是时变的，在短时范围内特征变化较小，在处理数据前，对其进行分帧处理，将分帧后的信号作为稳态来处理，分帧方法为：

对于长为L的振动信号按式(1)分帧：

式中，overlap为相邻两帧之间的重叠部分，overlap＝wlen-inc，数据将被分为f_n帧，每一帧在数据中开始的位置为

startindex＝(0:(nf-1))*inc+1 (2)。

5.根据权利要求1所述的机场周界入侵报警方法，其特征在于：所述步骤(4)中，提取的每一帧在时域上的特征包括短时能量、短时平均过零率和帧内峰值数。

6.根据权利要求5所述的机场周界入侵报警方法，其特征在于：信号的短时能量为每帧信号所有点的振幅的平方和；信号的短时平均过零率表示一帧信号中信号波形穿过横轴的次数；信号的帧内峰值数表示一帧信号中振幅超过所设定阈值的峰值的个数，用于反映了信号的振幅与频率的信息。

7.根据权利要求1所述的机场周界入侵报警方法，其特征在于：所述步骤(5)中，对信号进行希尔伯特黄变换包括两个步骤：经验模态分解和希尔伯特变换。

8.根据权利要求7所述的机场周界入侵报警方法，其特征在于：经验模态分解的流程如下：

①找出原始序列的各个局部极大值序列和局部极小值序列；

②用三次样条函数对极值序列进行插值，分别得到原序列的上包络序列和下包络序列；

③对每时刻的上包络序列和下包络序取平均，得到均值序列；

④原序列减去均值序列，得到一个去掉低频的细节序列；

⑤如果得到的细节序列满足本征模态函数的两个条件，则将其保存；否则，把此细节序列当作原序列，重复步骤①～④，经过k次迭代，直到得到的新序列满足本征模态函数的定义的两个条件为止，得到第一个本征模态函数；

⑥用原始序列减去得到的本征模态函数，得到剩余值序列；

⑦把剩余值序列作为一个新的原序列，按照以上步骤，依次提取第2，第3，……，直到第M个本征模态函数。

9.根据权利要求7所述的机场周界入侵报警方法，其特征在于：对于任意信号x(t)，其希尔伯特变换定义为：

10.根据权利要求1所述的机场周界入侵报警方法，其特征在于：对于所得到的每张希尔伯特黄变换谱图，从中计算不同频率上信号的能量和，作为信号在时频域上的统计特征。