[发明专利]一种隧道异物入侵事件在线识别方法及系统

权利要求书

1.一种隧道异物入侵事件在线识别方法，其特征在于，包括以下步骤：

S1，获取整个隧道内的声波信号；

S2，计算所述声波信号的时域底噪值D_t和频域底噪值D_f，若时域底噪值D_t大于阈值TH，则判定该信号为坏道信号或第一类异常信号，并通过分类器进行区分；否则，进入S3；

计算所述声波信号的时域底噪值D_t包括：

S21，设置一个宽度为m的时域滑动窗，对时域滑动窗内的时域信号幅值取绝对值，通过移动时域滑动窗，依次找出时域滑动窗内的最大幅值；

S22，找出S21中所有最大幅值中的最小值，并将所述最小值对应的时域滑动窗切分为n份，对每份切片中的最大幅值取平均值，得到信号时域底噪值D_t；

计算所述声波信号的频域底噪值D_f包括：

S23，对时域声波信号进行快速傅里叶变换，得到频谱能量信息，取频谱中所有点的能量均值为信号频域底噪值D_f；

通过分类器区分坏道信号和第一类异常信号，包括：

S24，设置一个宽度为M的频域滑动窗，依次对每个频域滑动窗内的能量进行积分求和，得到每个频域滑动窗积分后的能量；

S25，基于所有频域滑动窗积分后的能量中的最大值，确定频谱能量阈值G；

S26，找出超过频谱能量阈值G的能量峰个数f₁以及对应的频率值，并分别计算出所有超过频谱能量阈值G的能量峰对应的频率值的平均数f₂和方差f₃，将特征矩阵[f₁，f₂，f₃]作为分类器的识别依据，以区分坏道信号和第一类异常信号；

S3，计算其余信号的时域最大幅值Y_s和频域最大能量峰值Y_f，若时域最大幅值Y_s大于时域幅度阈值T1，且频域最大能量峰值Y_f大于频域能量阈值T2，则判定该信号为第二类异常信号；否则，判定该信号为背景噪声信号；其中，T1＝αD_t，T2＝βD_f，α、β为倍数因子；

S4，获取所述第一类异常信号和第二类异常信号的时空特征信息以及主频带能量随时间分布的特征信息，以识别出所述第一类异常信号和第二类异常信号中的破坏性入侵事件；

获取所述第一类异常信号和第二类异常信号的时空特征信息，包括：

S41，通过时间-空间重构技术对声场分布数据进行量化，按照时间顺序构成多帧隧道声场空间分布灰度图；

所述时空特征信息σ表示为：

其中，N为第一类异常信号和第二类异常信号点数，(X_k,Y_k)为第k帧隧道声场空间分布灰度图中最大灰度级对应的空间区域坐标，为所有帧对应最大灰度级的空间区域坐标点的平均值；

获取所述第一类异常信号和第二类异常信号的主频带能量随时间分布的特征信息，包括：

S42，对所述第一类异常信号和第二类异常信号进行频谱分析，得到信号对应的主频带分布Δf＝f_H-f_L，其中f_H为主频带的上截止频率，f_L为主频带的下截止频率；

所述主频带能量随时间分布的特征信息E(t)表示为：

其中，S(t,f)为信号经S变换得到的时频二维矩阵，且x(t)为声波信号，t为时刻，τ用来控制S变换中高斯窗口在时域上的位置；

识别出所述第一类异常信号和第二类异常信号中的破坏性入侵事件，包括：

S43，将所述第一类异常信号和第二类异常信号的特征参量矩阵[σ,E(t)]送入BP神经网络模型中进行训练，得到最优模型；

S44，基于所述最优模型，识别出所述第一类异常信号和第二类异常信号中的破坏性入侵事件。

2.根据权利要求1所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S1包括：

获取隧道内每个传感器探测的外界声波信号；对实际隧道结构进行三维建模，并计算出每个传感器对应的空间坐标；根据空间坐标信息将所述外界声波信号映射到所述三维模型中，最终得到整个隧道内的声场分布数据。