首页 / 专利库 / 物理 / 机械波 / 地震波 / 基于地震波的地下入侵监测系统

基于地震波的地下入侵监测系统

阅读:467发布:2020-05-13

专利汇可以提供基于地震波的地下入侵监测系统专利检索,专利查询,专利分析的服务。并且本 发明 专利 提供一种基于 地震 波 的地下入侵监测系统,该系统的工作过程为: 数据采集 单元将 地震波 探测 传感器 拾取的震动 信号 记录下来,并通过通信控制单元上传到计算机单元。计算机单元对传输过来的震动信号的起始 位置 定位 、趋势 跟踪 ,然后进行分类、识别,最后在三维立体地图上显示,通过识别判断引起震动信号的类型若符合报警条件,报警单元报警。本发明的目的是提供一种利用地震波实现地上、地下入侵报警、入侵目标定位、入侵目标跟踪、入侵行为识别、入侵目标移动描述,可从根本上解决传统安防系统在地下出现入侵时存在监测盲区的问题,为安防领域提供一种新型有效的防范系统。,下面是基于地震波的地下入侵监测系统专利的具体信息内容。

1.一种基于地震波的地下入侵监测系统,其特征在于,该地下入侵监测系统包括地震波探测传感器(1)、电源控制单元(2)、数据采集单元(3)、通信控制单元(4)、计算机单元(5)和报警单元(6),地震波探测传感器(1)拾取震动信号后送入数据采集单元(3),将模拟信号转变为数字信号,并通过通信控制单元(4),将数字信号传给计算机单元(5),计算机单元(5)将接收到的信号进行预处理,对于一些自然噪音和工频干扰信号采用数字滤波的方法将其滤除,将预处理后的信号进行相应的分析,首先进行定位计算,找出地震波的激发地点,也就是判断入侵的发生地点,然后对滤波后的信号进行特征提取,采用过零分析滤波后的信号,即在时域中对信号幅值与设定阈值比较,计算并统计滤波后的信号越过阈值的次数,形成不同目标特征的样本库,实现1、车辆行驶,2、人员行走,3、动物移动,4、人工挖掘,5、机械挖掘,6、电动工具挖掘,7、凿挖墙壁等行为的区分,然后对滤波后的信号进行模式识别,主要是对采集并提取特征的地震波信号和特征库进行比对,进行模式识别,模式识别采用BP神经网络的方法,神经网络的输出为上述7种行为,通过大量的数据对构造的神经网络进行训练,符合某种行为时神经网络对应节点输出为1,其余则为0,从而判断出地震波信号的行为和趋势,根据建立的特征库,在本发明所述的地震波监测系统执行目标监测任务时,只要运动目标或人类的行为产生的地震波信号被布置的震波探测传感器(1)接收到,数据采集单元(3)就对运动目标地震波信号进行现场采集,将采集的信号进行特征提取后与样本库中的标准特征信号分别进行比较,找出特征最相似的作为识别结果,在计算机单元(5)上的三维立体地图上显示,从而实现入侵监测的目的。
2.根据权利要求1所述的基于地震波的地下入侵监测系统,其特征在于,所述的地震波探测传感器(1)可以是以一维的,也可以是三维的,可以安装在野外或者地下,对应一个完整的监控区域,地震波探测传感器(1)安装的位置应在三维空间上覆盖整个监测区域,并保证均匀分布从而使整个监测区的事件记录具有相同的效果,且必须避免所有的地震波探测传感器(1)布置在一个两维平面上。
3.根据权利要求1所述的基于地震波的地下入侵监测系统,其特征在于,通过检测到的地震波,执行相应的定位程序后,可以判断出地震波激发的地点,执行定位算法时,地震波探测传感器(1)布置时,每4个传感器为1组,在传感器布置的区域内,如果出现运动物体或人类的行为激发出地震波,已知的是各个传感器的坐标和它所接收到信号的时刻,不知道的是震源发生的位置和时刻。设震源位置的空间坐标为(x,y,z),发生时刻为t,第i个传感器坐标为(xi,yi,zi),传感器检测到的时刻为ti,声波传播的平均速度为v,在震源和第i个传感器之间的走时方程为:
2 2 2 2 2
(xi-x)+(yi-y)+(zi-z) =v(ti-t)(i=1,2,3,4) (1)
在三维空间中定位一个未知点的坐标位置(x,y,z)和发震时刻t,通过已知四个以上的固定点坐标,即基于地震波的地下入侵监测系统监测过程中只要有四个地震波探测传感器(1)来接受一个震动信号,就能把一个入侵行为的起始地点定位出来。
4.据权利要求1所述的基于地震波的地下入侵监测系统,其特征在于,通过地上或地下运动目标激发的地震波信号进行采集,结合模式识别的功能,完成目标分类识别、预警任务,模式识别利用过零分析提取不同信号的特征,采用过零分析采集到的地震波信号,在时域对信号幅值与设定阈值比较,计算信号越过阈值的次数,信号的过零分析与频谱分析具有密切关系,当信号是频率为f的正弦信号时,过零点数为:
N=kf (2)
式中,k为比例系数;f为频率的正弦信号,
由式(2)可看出,过零数与信号的频率成正比,对频率范围f1□f2的平稳随机信号,单位时间内的过零点数与功率谱G(f)的关系为:
式(3)表明,信号的主频段频率越高,单位时间内信号过零点数越多,所以我们可以根据某一标准设定一阈值时,不同运动物体或人类的行为引起的信号的过零点数是不同的。
阈值的设定采用下述方法:首先,在无干扰的情况下对权利要求1中所述的7种行为激发的地震波进行采集,每种行为采集5组数据,每组数据1024个。利用自相关法对采集的7种行为的数据进行处理。对于每种行为的每组数据都可以取一个最大的幅值即为:xi,i=
1,2,3,4,5,则5组数据的平均值为:
xav=(x1+x2+x3+x4+x5)/5 (4)
则阈值为:TH=k*xav,其中k为调节因子,其取值范围为0.3~0.6之间,可根据实际需要进行取值。
行为识别采用神经网络的方法,具体做法为:首先建立一个3层的BP网络,对权利要求1中所述的7种行为激发的地震波进行采集,每种行为采集50组数据,如果每组数据为
1024个,根据设定的阈值判断每组数据的过零数,如果数据大于阈值,则记为+1,如果数据等于阈值,则记为0,如果数据小于阈值,则记为-1,则每组数据转换为1024个{i,i,…,i},(i=+1,-1或0)的组合,将这1024个过零数的组合作为输入层中间层的个数通过网络训练时寻优确定,输出层为7个,分别对应上述的7种行为,网络在训练的时候,当神经网络模型认为输入信号为某种行为时,则输出层的7个节点中只有对应那个行为的节点取值为1,其余6个节点取值均为0,如果神经网络认为输入信号是权利要求1中所述的车辆行驶这种行为,则网络输出为{1,0,0,0,0,0,0},其余则类推,网络的输入数可以根据实际的采集数改变,当输入数改变时,可以按照上面的方法重新对网络进行训练。
5.据权利要求1所述的基于地震波的地下入侵监测系统,其特征在于,通过检测到的地震波,对入侵行为定位和判断出的情况下,可以对其趋势进行跟踪
6.据权利要求1所述的基于地震波的地下入侵监测系统,其特征在于,对于判断出的入境行为的发生地点和趋势可以在计算机单元(5)上的三维立体地图上显示出来,可以直观的看出违法犯罪行为具体发生的位置和趋势。

说明书全文

基于地震波的地下入侵监测系统

技术领域

[0001] 本发明涉及安全防范技术领域,特别涉及一种从地下进行入侵报警的监测系统。

背景技术

[0002] 近年来,随着人民生活质量不断提高,偷盗违法犯罪行为也在不断上升,诸如行、金库、博物馆、古墓、重要的库房被盗的案件时有发生。目前我国的安防领域的主要防范措施和设备是视频监控、红外探测、微波探测、声控报警、声波探测、振动入侵探测器等设施和设备。视频监控系统只要有摄像头安装的地方就可以监控,但摄像头安装的地方必须要有光源,因此不能对黑暗中的目标进行监控,即不可全天候工作。在室外易受自然气候影响,且摄像头安装不隐蔽,不法分子很容易知道摄像头安装的位置,从而避开摄像头进行违法活动。同时,目前对视频信号的智能化处理还存在困难,不能实现自动监控。
[0003] 红外探测布防范围小,且造价较高,受环境因素影响较大,不适于室外安装,准确率较低。微波探测采用多普勒雷达原理进行入侵探测,根据接收到的回波的多普勒频移来判断是否有人入侵,但是这种探测存在两个不足:(1)由于微波的穿透强,所以这种报警器对室内活动人员的屏蔽较弱,容易引起虚警;(2)环境中的金属物体对微波反射较强,容易在大面积的物体背后形成探测盲区,造成防范漏洞。声控报警器价格低,但是误报率高,只适用于较为安静的场所,不适于嘈杂环境。超声波入侵探测通过超声波发射器发射超声波,在有效距离内如有活动目标反射,则回波频率与原发射频率将会有多普勒频差,利用该频差报警,但也存在误报的现象,且不能判断活动目标的类型。振动入侵探测器用来检测入侵者用工具破坏ATM机等物体所产生的机械冲击而引起报警的探测装置或用于探测入侵者用工具破坏建筑物等所产生的机械冲击而引起报警的探测器装置,适用于不同结构的ATM机、保险柜、墙体、、窗及护栏等物体的防范,可以有效地防止被防护物体的砸、打、撬等的破坏活动。但振动入侵探测器只能检测振动,不能判断振动类型,对地下浅层挖掘,进而进行入侵的行为不能作出判断。
[0004] 以上的安防设备对于在地面上出现的犯罪行为起到了有效的监控和监测的作用,但对于目前出现的一些新的犯罪手段,比如,在接近金库很远的地方从地下挖掘,形成一个通道,直到金库的地下,再进行盗窃。上述的监控、监测方法对这样的犯罪形式均无能为力。类似这样的犯罪行为不仅出现在银行、金库等民用领域,甚至在监狱、边防等重点防护领域也层出不穷。利用地下挖掘越狱、偷渡、偷盗的犯罪行为,往往让这些部门的保卫人员防不胜防。

发明内容

[0005] 本发明的目的是提供一种利用地震波实现地上、地下入侵报警、入侵目标定位、入侵目标跟踪、入侵行为识别、入侵目标移动描述,可从根本上解决传统安防系统在地下出现入侵时存在监测盲区的问题,为安防领域提供一种新型有效的防范系统。
[0006] 本发明的优点在于:借助地震勘探的原理,对地下入侵的行为进行定位、识别和判断,有效防止从地下入侵实施违法犯罪的行为。借助模式识别的理论,对运动物体和人类的各种行为进行区分,通过对采集到的地震波信号进行预处理和特征提取后,和特征库的特征进行匹配,找出潜在的是否有入侵的行为发生。同时,本发明可以识别入侵的行为是在地面发生还是在地下发生,并可以对其趋势进行跟踪。对于本发明所述的地震波监测系统布置的区域范围内,可以在三维立体地图上显示出具体的位置。
[0007] 本发明主要由地震波探测传感器(1)、电源控制单元(2)、数据采集单元(3)、通信控制单元(4)、计算机单元(5)和报警单元(6)等组成。各部分的功能是:地震波探测传感器(1)用于拾取运动物体或人类活动激发的地震波信号;数据采集单元(3)将地震波探测传感器拾取的地震波信号转换为数字信号;通信控制单元(4)用于将数据采集单元转换的数字信号传输到计算机单元(5),在计算机单元(5)上将地震波信号进行分析,找出入侵行为发出的信号,并进行识别、分类、符合报警的条件报警单元(6)进行报警,电源控制单元(2)为数据采集单元(3)和通信控制单元(4)提供电能
[0008] 本发明的特征在于,地震波探测传感器(1)可以使用一维的传感器,也可以使用三维的传感器;
[0009] 本发明的特征在于地震波探测传感器(1)可以安装在野外或者地下,属于隐蔽式安装;
[0010] 本发明的特征在于通过地上或地下运动目标激发的地震波信号进行采集,结合模式识别的功能,完成目标分类识别、预警和趋势跟踪任务;
[0011] 本发明的特征在于通过检测到的地震波,可以判断出地震波激发的地点;
[0012] 本发明的特征在于通过检测到的地震波,可以对激发地震波的行为作出判断,判断出是否是入侵行为;
[0013] 本发明的特征在于通过检测到的地震波,对入侵行为定位和判断出的情况下,可以对其趋势进行跟踪;
[0014] 本发明的特征在于,对于判断出的入境行为的发生地点和趋势可以在三维立体地图上显示出来,可以直观的看出具体发生的位置和趋势。
[0015] 为了达到上述目的,本发明采取的步骤如下:
[0016] 1)利用地震波探测传感器(1)拾取地震波信号;
[0017] 2)对地震波信号进行预处理;
[0018] 3)利用地震波信号进行定位;
[0019] 4)对地震波信号提取特征;
[0020] 5)对地震波信号进行模式识别;
[0021] 6)将识别出的信号在计算机单元(5)上的三维立体地图显示,显示出具体的位置。如果是入侵活动,并一直具有发展的趋势,则触发报警单元(6)报警。
[0022] 在上述技术方案中,步骤2)所述预处理是对采集到的地震波信号进行数字滤波处理,滤除干扰的信号。可采用平均值滤波、FIR滤波器、自适应滤波等方法。
[0023] 步骤3)所述对地震波激发点(下称震源)的定位采用四点定位的原则,地震波探测传感器(1)在使用地点布置时,每4个传感器为1组,如图3所示。在传感器布置的区域内,如果出现运动物体或人类的行为激发出地震波,已知的是各个传感器的坐标和它所接收到信号的时刻,不知道的是震源发生的位置和时刻。设震源位置的空间坐标为(x,y,z),发生时刻为t,第i个传感器坐标为(xi,yi,zi),传感器检测到的时刻为t,声波传播的平均速度为v,在震源和第i个传感器之间的走时方程为:
[0024] (xi-x)2+(yi-y)2+(zi-z)2=v2(ti-t)2 (i=1,2,3,4) (1)[0025] 在三维空间中定位一个未知点的坐标位置(x,y,z)和发震时刻t,通过已知四个以上的固定点坐标,即基于地震波的地下入侵监测系统监测过程中只要有四个地震波探测传感器(1)来接受一个震动信号,就能把一个入侵行为的起始地点定位出来。
[0026] 步骤4)所述地震波信号特征提取,指对地震波信号进行变换处理,从而提取出不同的信号的特征。本发明采用过零分析采集到的地震波信号。也就是在时域对信号幅值与设定阈值比较,计算信号越过阈值的次数。信号的过零分析与频谱分析具有密切关系。当信号是频率为f的正弦信号时,过零点数为
[0027] N=kf (2)
[0028] 式中,k为比例系数;f为频率的正弦信号。
[0029] 由式(2)可看出,过零数与信号的频率成正比。对频率范围f1口f2的平稳随机信号,单位时间内的过零点数与功率谱G(f)的关系为:
[0030]
[0031] 式(3)表明,信号的主频段频率越高,单位时间内信号过零点数越多。所以我们可以根据某一标准设定一门限值时,不同运动物体或人类的行为引起的信号的过零点数是不同的。如果采集的时间加长,则零点数的差别就会加大。根据实时处理的需要,可相应延长时间。即当检测到有目标出现时,一定时间内就能识别出来。
[0032] 步骤5)所述的地震波信号进行模式识别,主要是对采集并提取特征的地震波信号和特征库进行比对,进行模式识别,判断出具体信号的行为和趋势。样本库构造,通过试验预先采集运动目标或人类的行为产生的地震波信号的样本,利用过零分析确定不同目标产生的地震波的阈值,形成标准特征信号,以此构造目标特征的样本库,实现以下目标的区分:1、车辆行驶;2、人员行走;3、动物移动;4、人工挖掘;5、机械挖掘;6、电动工具挖掘;7、凿挖墙壁。根据建立的特征库,在本发明所述的地震波监测系统执行目标监测任务时,只要运动目标或人类的行为产生的地震波信号被布置的地震波探测传感器(1)接收到,数据采集单元(3)就对地震波信号进行现场采集,将采集到的信号在计算机单元(5)进行特征提取后与样本库中的标准特征信号分别进行比较,找出特征最相似的作为识别结果。
[0033] 本发明的模式识别过程,可以使用神经网络(如BP、RBF等)来完成目标行为的识别任务。在识别的过程中,需要通过实验获取训练样本和测试样本。识别的结果不仅限于特征库中所述的7类。在识别算法具有很高的识别正确率的情况下,系统可以有效的降低虚警率。附图说明:
[0034] 图1是本发明的总体功能结构框图
[0035] 图2是本发明的入侵行为识别流程图
[0036] 图3是本发明的定位原理图;
[0037] 图4是本发明的地震波传感器布置示意图
[0038] 图5是本发明的滤波前后波形

具体实施方式

[0039] 下面结合附图和具体实施方式对本发明作进一步详细描述:
[0040] 该系统为积木式结构,可根据需要监控的面积大小灵活组合,每个数据采集单元(3)可以控制1个到20个地震波探测传感器(1),且计算机单元(5)会自动识别配置。
[0041] 使用时,地震波探测传感器(1)埋于地下,既可以检测出地面上运动物体移动、地面遭受敲击等激发的地震波,也可以检测出地下挖掘时激发的地震波。整个监测系统配置的传感器形成了一个全空间立体探测区,完全适用于大面积、监控防范环境恶劣的场所中。
[0042] 采用地震波探测传感器(1)不仅形成了全空间立体探测,由于探测传感器不可见,具有隐蔽性强的优点,提高了其抗破坏的能力,无形中给入侵者造成很强的威慑力。
[0043] 信号的预处理通过软件实现,主要依靠布控区域内检测出的地震波信号特征的模式识别来区分是入侵行为还是其他干扰信号、自然界噪音和工频干扰。自然界噪音信号特征基本是固定的,可以将其滤除,这样系统的误报警会大幅度下降。因而信号处理主要考虑滤除雨、等引发的微震信号以及工频干扰信号。主要采用数字滤波和陷波器来滤除这些微震信号和工频干扰信号。
[0044] 入侵目标定位、入侵目标跟踪同样通过软件实现,信号分析对整个监控区域采集到的地震波的幅值在一定时间内在时域里不断做过零统计,寻找信号的特征值。提取出特征后,通过软件将得到的特征值和特征库里的样本进行匹配,找出具体的行为,进而判断是否有入侵行为发生。当判断入侵行为发生时,对入侵目标进行定位,定位后对震源附近的地震波探测传感器检测出的信号幅度、相位进行相关比较,得到目标移动方向,再通过计算机单元(5)在三维立体地图中显示出来,形成入侵目标移动描述。
[0045] 由于需要进行模式识别,依据本发明的基于模式识别的地震波入侵探测方法,按照如下步骤:
[0046] 1)采集实验样本,进行预处理
[0047] 假设在一个30m×30m的实验场所布置地震波探测传感器(1),地震波探测传感器(1)的布置按照下列原则进行布置:
[0048] ●应在三维空间上覆盖整个监测区域,并在监测区内部适当布置;
[0049] ●传感器应均匀分布从而使整个监测区的事件记录具有相同的效果;
[0050] ●避免所有传感器布置在一个两维平面上。
[0051] 具体布置见图4所示。在这个区域的任一位置处进行前面提到的7种行为活动。利用采集仪记录下来激发的地震波信号。采集的周期为1ms,采集的点数为1024,每种行为采集了50组数据,共采集7×50组数据,按照图2的流程进行处理。
[0052] 首先对采集到的地震波信号进行滤波处理,采用三种滤波器进行滤波,5Hz高通滤波器,50Hz陷波器,和200Hz低通滤波器。图5给出了滤波前后的人工挖掘的地震波信号。
[0053] 2)利用采集到的信号,进行震源定位
[0054] 利用前面阐述的定位方法,计算出震源的实际地点。如表1所示。
[0055] 表1
[0056]
[0057] 3)对采集到的信号进行特征提取,并建立特征库
[0058] 接下来的过程就是特征提取。在本发明中,提取特征的方法如下:首先,在无干扰的情况下对7种行为激发的地震波进行采集,每种行为采集5组数据,每组数据1024个。利用自相关法对采集的7种行为的数据进行处理。对于每种行为的每组数据都可以取一个最大的幅值即为:xi,i=1,2,3,4,5。则5组数据的平均值为:
[0059] xav=(x1+x2+x3+x4+x5)/5
[0060] 则阈值为:TH=k*xav,其中k为调节因子,其取值范围为0.3~0.6之间,可根据实际需要进行取值。上述7种信号有的近似为一个周期性的脉冲,有的是连续性信号。每种信号的频率皆有区别,且在数量上有很大的差异。因此,可采用过零统计法来区别上述7种行为的特征。具体做法为:对7种行为激发的地震波进行采集,每种行为采集50组数据,每组数据1024个。根据设定的阈值判断每组数据的过零数。如果数据大于阈值,则记为+1;如果数据等于阈值,则记为0;如果数据小于阈值,则记为-1。则每组数据转换为1024个{i,i,…,i},(i=+1,-1或0)的组合。
[0061] 4)模式识别
[0062] 特征提取后就必须进行模式识别,本发明采用神经网络识别方法,采用BP网络,BP网络在使用的时候必须对其进行训练。对上面采集到的7种行为的数据进行划分,每种行为有50组数据,每组数据的前80%集中组成训练样本集,后面的20%作为测试样本集。网络在训练的时候,当神经网络模型认为输入信号为某种行为时,则输出层的7个节点中只有对应那个行为的节点取值为1。其余6个节点取值均为0。则建立的特征识别如表2示例。
[0063] 表2
[0064]行为描述 训练杆本特征 目标行为
辆行驶 {+1 +1…-1} {1 0 0 0 0 0 0}
人员行走 {0 0…1} {0 1 0 0 0 0 0}
动物移动 {-1 0…-1} {0 0 1 0 0 0 0}
人工挖掘 {-1 0…0} {0 0 0 1 0 0 0}
机械挖掘 {+1 +1…-1} {0 0 0 0 1 0 0}
电动工具挖掘 {+1 -1…-1} {0 0 0 0 0 1 0}
凿挖墙壁 {+1 0…-1} {0 0 0 0 0 0 1}
[0065] 通过上述方法对神经网络进行训练。训练结束后,为了检验训练过的神经网络的目标识别情况,又重新采集了7种分类行为的数据,每种行为各采集了20组。将这20组数据输入神经网络进行识别,表3列出了经过训练的BP网络的识别情况。
[0066] 表3
[0067]行为描述 测试杆本组数 正确识别目标数 识别正确率(%)
车辆行驶 20 19 95%
人员行走 20 18 90%
动物移动 20 17 85%
人工挖掘 20 17 85%
机械挖掘 20 18 90%
电动工具挖掘 20 18 90%
凿挖墙壁 20 17 85%
[0068]
[0069] 通过试验表明,本方法可用于地下和地上入侵行为的判断和识别,分类识别的正确率比较高,达到85%以上。
[0070] 但由于各种传感器自身性能的差异性,及单一传感器的局限性,根据单一的信息不可能达到100%的目标识别正确率。因此,还可考虑融合红外、磁传感器等其他传感器对目标的实际信号进行采集,对多种信息进行融合处理,进一步提高目标分类识别的正确率。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈