[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

说明书

本发明公开了一种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，该机场周界入侵报警方法包括：获取不同入侵行为的振动信号；从每一帧振动信号中提取信号的时域特征；并通过希尔伯特黄变换得到振动信号在时频域上的谱图，通过谱图及相应的统计方法，提取出信号的时频域特征；将提取的所有特征进行融合，形成相应的特征向量，作为机器学习算法的输入，通过机器学习算法的输出，判断入侵行为类型，完成对入侵行为类型的识别及报警。本发明可靠性高，针对传统机场周界入侵报警方法产生误报的原因与入侵行为的特点，解决了误报率高及适应性差的技术问题。

技术领域

本发明涉及机场周界防护安全技术领域，尤其涉及一种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。

背景技术

随着社会的进步与科技的发展，人们的出行变得越来越便利，在快速、高效的理念的推动下，飞机逐渐成为了人们出行的首选，机场作为重要的公共交通枢纽，具有规模体量大、投资高、设施设备多、运行复杂、人员密集、政治经济影响大等特点，对其进行高效安全的防范显得尤为重要。另一方面，国际政治形势日趋复杂，反恐问题已成为了世界各国所共同面临的一大难题，对于机场这类人流密集，短时间内无法疏散的区域，安全问题更是重中之重。

机场周界是指需要进行实体防护或电子防护的机场封闭区域边界，是机场飞行区与外界隔离的第一道安全屏障，是维持飞行区良好秩序的需要，担负着保障飞行区安全的重任。机场周界入侵报警系统是利用传感器技术、电子信息技术以及深度学习技术，对非法入侵机场的行为进行实时监测，并及时产生报警的系统。

目前比较普遍的周界入侵报警系统所采用的探测技术主要包括红外探测、微波探测、激光对射、埋地电缆、泄漏电缆、地面震动探测、压感探测、张力围栏以及视频分析等。红外探测、微波探测和激光对射都由发射装置和接收装置组成，发射装置分别发射出红外线、微波或激光，当有目标入侵时，会阻挡红外线、微波和激光的传播，导致接收装置接收不到红外线、微波和激光，从而产生报警信号。埋地电缆和泄露电缆由预埋的“泄露”同轴电缆周围产生的电磁场变化触发报警。地面震动探测和压感探测传感器埋于地下，当有入侵者在地面上走动、奔跑、爬行时，会引起传感器的震动与压力的变化，从而产生报警。张力围栏由平行拉紧的钢丝连接各个探测器组成，切割、攀爬、分离钢丝会触发报警。视频分析根据防区内图像的变化来判断是否有人入侵。

上述周界入侵报警系统所采用的技术和设备受动物、植被、大风、暴雨、大雪等客观条件的影响较大，很容易产生大量的误报现象。因此，现有的周界入侵报警系统还需要监控人员在收到报警信息后，亲自去现场复核报警的真实性，并对报警信息加以处理，这使得报警系统在较大程度上依然十分依赖于工作人员的执行能力，导致报警系统的可靠性极低以及监控人员的工作强度大，并未实现真正意义上的智能化。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种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，用于解决上述的周界入侵报警系统易产生误报的问题。

本发明的目的采用以下技术方案实现：

一种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，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；