随着经济的发展与科技的进步,人们对社会公共安全和家居环境安全提出了更高的要求。政府开展的“平安城市”建设,更是将安防工程的建设推向了一个新的高潮。“平安城市”的核心系统包括电视监控系统、电子巡查系统和入侵报警系统等。“平安城市”的建设给安防产业带来了巨大的商机,同时也对各种安防产品提出了更高的技术要求。热释电红外(Pyroelectric Infrared, PIR)探测器作为入侵报警系统中最常见的监控产品之一,它具有功耗低、性能稳定、成本低廉及良好的环境适应性等优点,在家庭、社区和工商业等安防领域有着广泛的应用。但是,现有各种PIR探测器所存在的高误报率的缺点限制了它的应用场合。通过深入的研究发现:虽然PIR探测器自身原理和结构设计存在一定的局限性,但更重要的是缺乏对PIR探测器输出信号的有效分析,没有对不同辐射源的PIR信号进行深入的特征挖掘。因此,将信号处理与模式识别方法引入到PIR信号的分析中,不仅对提升PIR探测器的检测性能具有一定的应用价值,而且对安防系统中一维信号的分析及识别也具有重要的学术意义。本论文在国家“863”计划,国家“十一五”基础研究项目及重庆市科技攻关项目等课题的支持下,针对PIR探测器的高误报率问题,以不同红外辐射源的PIR信号为研究对象,以信号处理和模式识别的理论和方法为手段,深入系统地研究了PIR信号的预处理方法、特征提取方法与特征融合方法,并在此基础上,提出了降低PIR探测器误报率的人体PIR信号的识别算法,为提高PIR探测器的检测性能提供了理论依据和可行的实施方案。本论文主要开展了以下四个方面的探索性研究工作:(1)在深入研究PIR探测器特性的基础上,建立了不同辐射源的等效模型,推导了不同等效模型的有效辐射面积与辐射源位置关系的表达式,分析了人体和非人体PIR信号的差异性。通过仿真得到了PIR探测器的理想输出波形,仿真数据与实际获取的数据具有很好的相似性。这不仅为进一步研究去噪方法提供了可信的“无污染”的原始信号,而且为后续研究和设计PIR探测器提供了有意义的参考信息。最后,验证了PIR信号的非平稳随机性,为研究PIR信号的特征提取方法提供了依据。(2)鉴于人体和非人体PIR信号在时频域上能量分布的差异性,本论文提出了一种基于熵理论的小波包熵PIR信号特征提取方法。小波包分解在频域具有更精细的划分,将Shannon信息熵与小波包分解相结合,可以获取表征PIR信号在时频域中复杂度的特征。研究表明:选择与PIR信号具有相同对称特性的db1小波分解后得到的小波包熵具有较好的分类效果。而人体PIR信号的小波包熵在0-2.5Hz频段显著小于该频段非人体PIR信号的小波包熵值,这表明人体PIR信号的有序性更好。(3)由于实小波变换对PIR信号的数据敏感,即输入数据的变化会对小波系数产生不可预测的结果。因此提出一种基于双密度双树复小波变换(DD-DT CWT)小波熵特征的PIR信号特征提取方法。DD-DT CWT具有良好的平移不变特性,抗混叠性及计算效率高等优点,利用DD-DT CWT小波系数Shannon熵在保留PIR信号近似周期性变化特征的同时,能有效提取人体和非人体PIR信号的时频特征差异,为准确识别不同辐射源提供有效的判别信息。研究表明:4层分解后DD-DT CWT小波系数Shannon熵识别率为87.3%。(4)为了进一步提高识别率,提出了一种基于典型相关分析(CCA)的PIR信号特征融合方法。该方法将两组PIR信号的特征矢量间的相关性特征作为判别信息,既达到了信息融合的目的,又消除了特征之间的信息冗余,为两组PIR信号特征融合后用于分类识别提供了新的途径。研究发现,将PIR信号的全局特征划分为不同的子段,然后再将全局特征与子段特征进行CCA融合,可以获得具有更好分类性能的特征描述。实验研究表明:采用DD-DT CWT小波系数Shannon熵特征与其子段特征进行CCA特征融合后,识别率可达到94.3%,比单独采用该特征识别率提高了7.0%。本论文所提出的3种特征提取及识别方法均能有效地改善现有PIR探测器的检测性能。此外,通过对3种特征提取方法的横向比较发现,基于CCA特征融合的PIR信号识别方法具有最高的人体检测率和最低的误报率。