基于直线型Sagnac的光纤周界安防系统设计

变电站安防系统的建设对保证整个电力系统安全运行有着重要作用,为了推进变电站无人值守化的进程,提高电力系统供电的可靠性,设计了一种基于直线型Sagnac的光纤周界安防系统,并对光纤振动信号的检测方法进行了详细论证,提出了基于多域特征的动态阈值端点检测算法,从时域、频域和小波域提取振动信号的特征进行判断,实时更新特征阈值,通过三级判定算法提高系统对入侵事件的检测效果.将光纤安防系统与视屏监控系统、微信报警系统和声光报警系统结合,可对无人值守的变电站进行全天候、多技术手段融合的立体防护.

基于综合特征的光纤周界安防系统高效入侵事件识别

在光纤周界安防系统中,急需对入侵事件实现准确而高效的识别,对事件特征做简练而恰当的描述是其关键所在.本文提出一种基于综合特征的入侵事件识别方法,该方法引入全相位滤波器组将输入信号并行分解为多个频率通道,以提取这些通道的归一化功率值;进而与信号过零率相结合,构成包含时域信息、频域信息的综合特征向量;最后将该特征向量馈入径向基函数神经网络即可准确识别出攀爬、敲击、晃动、剪切四种常见的入侵动作.实验证明,本文方法相比于现有的经验模态分解方法,不仅提高了精度,而且显著加快了识别速度.

光纤周界安防系统端点检测技术的研究

光纤周界安防系统是一种利用光纤作为传感介质的传感系统,通时计算机对传感系统的输出信号进行处理。以往的算法都是对计算机接收到的信号直接进行定位及模式识别处理,由于接收到的信号在大部分时间都是无用的静默信号,限制了系统的效率。在简单阐述光纤周界安防系统原理的基础之上,介绍了端点检测技术,有效截取信号中的有用目的信号,最后结合实验数据,着重分析了短时能量和短时过零率两种端点检测方法所存在的问题,并提出了相应的改进办法,滤除了无用信号,并在一定程度上排除了自然界中风和雨的干扰。

基于局部均值分解的光纤周界安防系统振动信号识别

在光纤周界安防系统中,为有效识别各种光纤振动信号,提出了一种基于局部均值分解的两级光纤振动信号模式识别方法。首先,提取光纤信号的时域特征,计算信号的短时能量和短时过零率判断是否有振动发生;其次,对于已判定的光纤振动信号,采用局部均值分解方法将振动信号分解为若干个乘积函数分量,提取分量信号的能量分布特征;最后,将第一级提取的时域特征与局部均值分解提取的特征相结合,构成特征向量输入支持向量机进行分类识别,判断振动信号类型。实验结果表明,该方法可以有效识别光纤振动信号的类型,提高了识别率。

基于现代谱估计的光纤周界安防系统模式识别

针对分布式光纤周界安防系统,为了有效识别事件类型并兼顾系统实时性,提出一种两级振动模式识别方案。第一级在时域上提取短时能量和短时过阈值率两个特征,与动态阈值进行比较,筛选疑似扰动样本;第二级对疑似扰动样本进行现代功率谱估计,提取各频段功率分布特征,并联合时域特征构建特征向量输入支持向量机(SVM)进行模式识别。

智能光纤周界安防系统研究与应用

介绍了一种智能光纤周界安防系统,该系统通过在园区围墙上及墙内侧地下布设一根普通单模通信光缆,实现人员翻越和地面入侵的感知探测。当发生人员入侵时,系统检测到入侵行为并准确定位防区,通过继电器模块、硬盘录像机、交换机和光纤收发器,联动控制高速球机进行摄录取证,并将报警信息进行远程发布。本系统方案设计合理,在北京大兴智慧园区实际投运半年以来,实现了对入侵行为的监测、准确辨识、取证和信息发布功能,提高了园区管理的智能化水平。

基于小波能量熵的光纤周界安防系统信号识别

针对分布式光纤周界安防系统易受外界各种干扰导致误报率高的问题,本文根据不同干扰源引起的系统输出信号在时频分布上的差异,基于小波分析方法建立小波能量熵(WEG)测度将这种差异表现为信号分解尺度上能量分布的差异进行定量描述,实现对系统输出信号进行特征提取和分类,可以有效区分外界轻微扰动、风雨等环境因素与蓄意入侵所引起的信号之间的差别,提高系统的准确性和实时性。实验结果表明:本文方法可以有效排除非人为入侵的干扰,正确识别率高于93%,实验较低的误报率。

基于ARMA建模与Sigmoid拟合的光纤周界安防入侵事件识别

在实际的光纤周界安防系统中,既要求判断入侵事件类别,又要求对各类事件发生的可能性做出全面评估。对此提出一种基于自回归滑动平均(ARMA)建模与Sigmoid概率拟合的入侵事件识别方法。在判断入侵事件类别方面,将光纤振动信号的ARMA建模系数与信号自身过零率相结合,构造特征向量,并将其馈入支持向量机(SVM),实现对攀爬、敲击、晃动、剪切、脚踢和撞击6种常见的入侵动作的识别;在评估各类事件的发生可能性方面,引入Sigmoid模型,对训练模式的SVM的各输出值作参数拟合,进而将测试样本的SVM值代入各自Sigmoid模型中完成评估。现场实验表明,该方法对6类常见入侵事件的平均识别率达到87.14%,且可提供各类事件的发生概率参考值,因而具有较高的实用价值。

基于自适应EMD的光纤安防系统入侵信号识别

给出了一种基于自适应经验模态分解(AEMD)的光纤周界安防系统入侵信号识别方法。采用时域的短时能量及过门限率特征,判别截取振动信号并预处理,运用信号过门限率的统计特性和比值差异系数特性排除部分扰动信号;利用AEMD方法分解振动信号,得到若干个本征模态函数(IMF),选取与原信号相关性较高的IMF分量,计算各分量的能量熵和峭度特征;将获取的所有特征构成特征向量,采用支持向量机识别入侵信号。实验结果表明:该方法可以有效识别入侵信号的类型,提高了识别速度和识别率。

光纤震动传感技术在变电站周界防范系统中的应用

随着光纤和光电子器件技术研究的不断深入,光纤传感技术得到了突飞猛进的发展。智能光纤振动传感周界安防系统作为新一代周界防范技术以高灵敏度传感光缆作为探测传感器,具有无源节能、可靠性高、无盲区、零漏报、不受环境和地理条件限制等优点。文章主要从光纤传感器的选择、分布式光纤周界安防系统的光路数学模型、光纤振动周界安防系统在变电站中的应用以及光纤振动周界安防系统与其他系统的联动等方面研究了光纤震动技术在变电站安防系统中的应用。

基于相空间重构的光纤周界信号识别算法研究

文章将相空间重构和复小波包变换引入入侵信号类型的识别,对原始信号进行相空间重构,以便更深地反映光纤入侵振动数据混沌特性的内在动力性属性。以相空间重构嵌入维数作为复小波包变换数据输入长度,避免输入信号长度的随意性。采用复小波包提取重构信号的能量分布特征构成入侵信号识别的特征集,以主成分分析对原始特征集降维,通过网格参数寻优算法得到支持向量机(support vector machine,SVM)回归模型的最优参数,以最优参数进行SVM入侵类型识别。实验结果表明,该方法能正确监测入侵事件且误报率与漏报率低。

光纤入侵行为融合特征的集成识别

针对已有光纤安防系统入侵行为识别模型中特征空间不完备及分类器泛化能力差的缺陷,本文提出了一种光纤入侵行为融合特征的集成识别策略。首先,采用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、功率谱分析(Power Spectral Analysis,PSA)及离散小波变换(Discrete Wavelet Transform,DWT)提取信号在时域、频域及小波域内振动信息,构建入侵信号的特征集。然后,提出一种基于DFPA(Discriminative Function Pruning Analysis,DFPA)的特征选取方法,实现特征空间的约简。最后,构建集成的随机权向量函数连接网络(Random Vector Functional-Link net,RVFL)分类器识别入侵行为。在基于M-Z(Mach-Zehnder,M-Z)干扰仪的光纤安防系统中采集入侵信号,进行实验,结果表明该策略的有效性。

基于时频特征的光纤振动模式识别研究

针对分布式光纤周界安防系统中的振动入侵类型识别要求,提出一种基于时频特征的光纤振动模式识别方法。该方法以时频熵和具有时间关联性的重心频率为时频域特征,结合时域特征形成特征向量,并采用概率神经网络(PNN)进行多类模式识别。为了不受不定原理的制约,时频域特征是基于经验模态分解(EMD)和Hi l ber t变换的,在实现上采用两级振动模式识别。实验结果表明,该方法能有效提高不同振动类型的识别准确率。