[發明專利]一種交通干線周邊環境擾動信號的智能識別方法

在審

• 申請號: 201711134881.6
• 申請日: 2017-11-16
• 公開（公告）號: CN107918162A
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 秦勝勇;吳濤;方標新
• 申請（專利權）人: 昆山光創信息技術有限公司
• 主分類號: G01V8/10
• 分類號: G01V8/10
• 代理公司: 蘇州集律知識產權代理事務所(普通合伙)32269
• 代理人: 安紀平

技術領域

本發明涉及一種信號監測篩選識別技術，尤其涉及一種交通干線周邊環境擾動信號的智能識別方法。

背景技術

為了能夠準確地檢測出擾動事件中事件的屬性(有害還是無害)和位置,在交通干線周邊環境擾動信號智能識別技術中,模式識別是其中最為關鍵的技術,許多種識別方法由于其自身獨特的優勢，成為了研究熱點。20世紀80年代Back-propagation(BP)算法的重新發現和成功應用推動了人工神經網絡研究和應用熱潮。神經網絡方法與統計方法相比具有不依賴概率模型、參數自學習、泛化性能良好等優點，至今仍在模式識別中廣泛應用。然而，神經網絡的設計和實現依賴于經驗，泛化性能不能確保最優。

20世紀90年代以來，支持向量機(SVM)的提出吸引了模式識別界對統計學習理論和核方法(Kernel methods)的極大興趣。與神經網絡相比，支持向量機的優點是通過優化一個泛化誤差界限自動確定一個最優的分類器結構，從而具有更好的泛化性能。

發明內容

本發明克服了現有技術的不足，提供一種交通干線周邊環境擾動信號的智能識別方法。

為達到上述目的，本發明采用的技術方案為：一種交通干線周邊環境擾動信號的智能識別方法，感測光纜布設在交通干線的監測目標上，通過感測光纜感測監測目標并分析干擾信號源，采集干擾信號源后的識別分析步驟如下：

S1建立向量池：擬定數字信號的采樣率為2f，將所述采樣率進行k層小波包分解，進而得到2^k個頻寬為等寬的頻帶，其中，第k層的小波包系數為其中i為對應層分解節點序號，i＝0,1,2···,2^k-1，m為小波包空間位置標識；

由帕塞瓦爾能量積分公式可知，小波包系數具有能量量綱，用來進行信號的頻帶能量分析，則第k層的第i個頻帶的能量E_k,i為：

將其歸一化，得到所需的頻帶能量百分比：

k層小波包分解，得到2^k個頻帶能量百分比參數，用來組成特征向量；

得到了2^k維小波包參數組成的特征向量池；

S2建立向量池：采用特征篩選的方式，從所述特征向量池中篩選出最終的特征向量組合。

本發明一個較佳實施例中，所述干擾信號源包括能夠干擾檢測目標的車輛經過、異物侵限、機器作業和落石碰撞。

本發明一個較佳實施例中，在步驟S2中，去掉區分能力最弱的特征，以及去掉導致混淆發生的特征，得到一個低維的特征向量。

本發明一個較佳實施例中，S2步驟中，使用一對一的方式來構建多分類支持向量機，針對每一個信號對來進行特征向量的篩選。

本發明一個較佳實施例中，以時域參數、功率譜參數、小波包參數為順序排列特征值。

本發明一個較佳實施例中，所述感測光纜安裝在檢測主機上，所述檢測主機通過數據線連接操作終端。

本發明一個較佳實施例中，所述監測目標為路徑設備或輪軌。

本發明解決了背景技術中存在的缺陷，本發明具備以下有益效果：

(1)小波包將隨尺度曾大而變寬的頻率窗口進一步分割變細，可找到最適于待分析信號的時頻最優基。

(2)針對不同的信號組合，使用時域參數、功率譜參數、小波包參數為順序排列特征值，這樣可以實現智能識別，識別率也由于兼收三者的優勢，保證識別的智能化。

具體實施方式

現在結合實施例對本發明作進一步詳細的說明。

一種交通干線周邊環境擾動信號的智能識別方法，擾動信號主要由人員、過往車輛和落石泥石流等構成，基于光纖感應信號目標探測非常適用于這類擾動物體的探測。另外，這些振動信號往往包含著一些特有的特征屬性，這就為進一步的識別提供了方法。從信號處理的觀點來看，特征提取可以從時頻域來進行。

由于感測光纜布設在交通干線的特定監測目標上，如路基設備、輪軌，感測光纜幾乎無時不刻受到各種信號的擾動并且會被系統所采集，因此信號識別的重要性不言而喻。

時頻分析的基本思想是設計時間和頻率的聯合函數，用該函數同時描述信號在不同時間和頻率時間內的能量密度和強度，旨在揭示信號中有多少頻率分量，以及每一分量隨著時間是怎么變的。對于時頻域，采用小波分析。小波包是小波變換、多分辨率分析和子帶分解的推廣，具有任意多尺度分解特性。小波包將隨尺度曾大而變寬的頻率窗口進一步分割變細，可找到最適于待分析信號的時頻最優基。