【摘要】：針對(duì)分布式光纖周界安防系統(tǒng)易受外界各種干擾導(dǎo)致誤報(bào)率高的問(wèn)題,本文根據(jù)不同干擾源引起的系統(tǒng)輸出信號(hào)在時(shí)頻分布上的差異,基于小波分析方法建立小波能量熵(WEG)測(cè)度將這種差異表現(xiàn)為信號(hào)分解尺度上能量分布的差異進(jìn)行定量描述,實(shí)現(xiàn)對(duì)系統(tǒng)輸出信號(hào)進(jìn)行特征提取和分類,可以有效區(qū)分外界輕微擾動(dòng)、風(fēng)雨等環(huán)境因素與蓄意入侵所引起的信號(hào)之間的差別,提高系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明:本文方法可以有效排除非人為入侵的干擾,正確識(shí)別率高于93%,實(shí)驗(yàn)較低的誤報(bào)率。
[Abstract]:Aiming at the problem of high false alarm rate caused by various kinds of external interference in distributed optical fiber perimeter security system, according to the difference of time-frequency distribution of system output signals caused by different interference sources, Based on the wavelet analysis method, the wavelet energy entropy (WEG) measure is established to quantitatively describe the difference of energy distribution on the scale of signal decomposition, and to extract and classify the output signals of the system. It can effectively distinguish the difference between the environmental factors such as slight disturbance, wind and rain and the signal caused by intentional intrusion, and improve the accuracy and real-time performance of the system. The experimental results show that the proposed method can effectively eliminate the interference caused by non-human intrusion, and the correct recognition rate is higher than 933%, and the false alarm rate is lower in the experiment.
【作者單位】： 三江學(xué)院;
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邢秀玉;劉鴻宇;黃武;;基于加速度的小波能量特征及樣本熵組合的步態(tài)分類算法[J];傳感技術(shù)學(xué)報(bào);2013年04期

2 吳云龍;邵立;張愷;李鋒;孫曉泉;;基于小波能量和光斑尺寸的干擾圖像尺度分析[J];光子學(xué)報(bào);2013年07期

3 趙海濱;王宏;李春勝;;采用相對(duì)小波能量法的腦-機(jī)接口設(shè)計(jì)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年08期

4 翟琳琳;陳廣鋒;;基于小波能量的簇絨地毯跳紗疵點(diǎn)的檢測(cè)方法[J];絲綢;2013年06期

5 劉鋼,翟林培,賈新宇,劉明,匡海鵬;采用小波能量方法的�？毡尘爸卸嗄繕�(biāo)檢測(cè)與跟蹤[J];光電工程;2004年11期

6 張彥梅;陽(yáng)進(jìn);;一種基于小波能量分析的目標(biāo)識(shí)別方法[J];北京理工大學(xué)學(xué)報(bào);2010年07期

7 李合生,毛劍琴,李世玲,張富堂;基于多尺度小波能量積累的雷達(dá)回波檢測(cè)方法[J];系統(tǒng)工程與電子技術(shù);2000年11期

8 朱亞超,李文鋒;改進(jìn)型小波能量法的圖像融合評(píng)價(jià)[J];武漢理工大學(xué)學(xué)報(bào);2005年01期

9 姜潤(rùn)翔;史建偉;龔沈光;;基于尺度—小波能量譜的船舶水壓場(chǎng)信號(hào)檢測(cè)[J];電子學(xué)報(bào);2009年01期

10 李合生,毛劍琴,張富堂;小波能量積累器在信號(hào)處理中的應(yīng)用[J];強(qiáng)激光與粒子束;2000年05期

相關(guān)會(huì)議論文 前3條

1 李慶奇;馬莉;;基于小波能量的輪廓抖動(dòng)性煙霧檢測(cè)算法[A];浙江省電子學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

2 陳保家;李力;趙新澤;;基于尺度-小波能量譜、粗糙集和神經(jīng)網(wǎng)絡(luò)集成的內(nèi)燃機(jī)故障診斷方法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 王繼祥;陶業(yè)榮;;利用小波能量評(píng)價(jià)語(yǔ)音通信質(zhì)量的方法[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前7條

1 董旭洋;基于EEG信號(hào)的癲癇發(fā)病預(yù)測(cè)的算法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 王夫歌;車輛—軌道耦合建模與軌道表面凹陷檢測(cè)[D];南京理工大學(xué);2016年

3 陳亮;基于小波能量熵的結(jié)構(gòu)損傷識(shí)別[D];暨南大學(xué);2016年

4 吳京;基于模分量小波能量譜的電纜故障識(shí)別方法研究[D];西安科技大學(xué);2014年

5 張進(jìn);基于時(shí)間—小波能量譜及交叉小波變換的振動(dòng)信號(hào)分析[D];清華大學(xué);2010年

6 楊涌;基于小波能量融合的顯微序列圖像合成研究及其在工件表面檢測(cè)中的應(yīng)用[D];浙江工業(yè)大學(xué);2006年

7 陳曉偉;基于腦電的自動(dòng)睡眠分期[D];南京郵電大學(xué);2014年

，

本文編號(hào)：2285891