论文部分内容阅读
敲击信号是生活和生产环境中很多“异常”行为的表征,如盗墓时盗墓铲挖掘、非法施工挖掘机等设备操作都会产生敲击信号。可利用分布式光纤信号识别的优势,通过识别土壤中传播的敲击信号来及时发现盗挖、非法施工等行为,保证生产生活和地下设施安全。目前的光纤信号识别方法对生产生活中敲击信号识别存在去噪不完全、特征不匹配及分类效果效率局限等问题,本文通过分析目标敲击信号特点,提出合适的去噪方法,补充信号特征和改进分类算法,提出一种以EMD去噪,多维度特征提取,优化随机森林分类的信号识别方法,可有效应用于分布式埋地光纤敲击信号识别。工作包括:(1)确定适用于光纤敲击信号的经验模态分解去噪法。设计场地,采集人工挖掘、打夯机、电镐和挖掘机操作产生的四类敲击信号及噪声并分析特点,提出使用经验模态分解原理去噪,分析EMD自适应分解出的IMF特征,构建信号重构标准,确定经验模态分解去噪法,通过与小波阈值去噪对比证明该方法更适用于目标信号;(2)确定适合敲击信号的多维度特征。根据去噪后各类信号的特点,提出了有效的时域、频域特征,改进自相关特征,根据光纤采集到的敲击信号同语音信号频率分布的相似性,引入梅尔频率倒谱系数作为特征,可突出信号主要分布的低频部分特点;(3)以改进网格法优化的随机森林分类光纤信号。根据随机森林适用于量大数据、不平衡数据、分类效果好的特点,引入随机森林算法对光纤信号分类,并用改进网格法对随机森林进行参数优化改进;(4)对提出的敲击信号识别方法对比分析。通过用新特征、对照特征与优化随机森林分类方法、对照分类方法交叉组合对比效果,证明新特征能更有效表征信号,优化随机森林分类算法更符合目标信号数量和分布特点,分类效果更好,结合EMD去噪有效性证明新方法对敲击信号识别效果好。本文提出的以EMD去噪、多维度特征提取、优化随机森林分类的分布式埋地光纤敲击信号识别方法,可较好地识别出生产生活中人工挖掘、机械设备操作产生的敲击信号,可用于发现非法盗挖、施工等行为,对重点设备和区域监控保护,保障生产生活安全。