地面運動目標振動信號的特性分析與目標識別

王 斌

(武警工程大學研究生管理大隊，陜西西安 710086)

隨著民用和軍用工業的發展，無論是橋梁監控、倉庫監視，還是在軍事上對哨位監視、戰場探測及人跡罕見惡劣條件的邊遠地區巡邏，地面探測是不可或缺的一個維度。人員、車輛、裝備等目標地面上運動，必然會發出聲響、引起地面振動，而地面傳感器即可以通過探測這些物理量的變化來發現與識別運動目標。地面目標運動形成振源，其產生的地振波以縱波、橫波和瑞利波等形式在地球介質中傳播。縱波傳播速度快、頻率高;橫波速度低、能量較弱;而瑞利波頻率較低、能量較強，其主要頻率成分集中在0～150 Hz范圍內。因此在進行振動目標識別系統設計時，主要考慮對150 Hz以內的信號進行處理。在均勻介質下瑞利波的頻率與傳播速度無關，且無頻散性，因此，在獲取地面目標信息時通常用瑞利波為分析對象［1］。

對地面運動目標的振動信號特性分析，就是將振動信號作變換處理，從中提取出能夠反映特定目標本質屬性的特征信息，為實現目標的識別提供充分依據。在信號處理方面，目標信號的特性分析一般在時域和頻域中進行。在時域中，單人行走與車輛行駛產生的波形之間有明顯的區別。無論是人員行走還是車輛行駛產生的振動信號，在頻域中都能找到對應各自信號的特征信息，特別是單人行走與多人隨機行走產生的波形，在時域中找不到明顯的區別，因此對其采用頻域分析是重要的。所以采用時域和頻域兩種方法對目標信號特性進行分析。

1 信號樣本數據庫的建立

信號的特征是能夠反映目標本質屬性的特征信息。目標識別主要是對地面運動目標產生的振動信號進行特征信息的分析與提取，從而識別目標。其根本的方法是匹配，即把分析提取的目標信號特征歸屬于樣本庫中和其信號特征相匹配的某一個目標類型，最終根據已知樣本庫中的目標進行分類識別［2］。所以，要對目標進行識別，建立一個包含所有可能對應目標屬性的特征信息的數據庫尤為重要。

根據文中的應用需求和使用到的算法，信號樣本數據庫至少包含3種地面運動目標信號，以及這3種目標所對應的特征信息屬性，為地面運動目標振動信號的識別提供原始樣本。

在實驗測試中，以人員、車輛為典型目標，多次定點采集運動目標的信號。實驗條件為良好的水泥地質，環境良好。主要做了以下實驗:(1)測試單人行走和多人隨機行走產生的地表面振動，定點采集各種距離的信號。(2)測試車輛行駛產生的地表面振動，定點采集各種距離的信號。從中采集和提取目標振動信號的特征信息，并建立信號樣本數據庫。

2 時域分析

地面目標激勵下產生的地面振動信號，主要取決于地質條件、目標的運動狀態和目標的距離［3］。圖1和圖2是用軟件KEIL MDK對在外場試驗采集地面目標運動產生的振動信號生成的時域圖，為便于分析，取時間長度為3 s。時域圖的橫軸和縱軸分別表示采集的時間和信號幅度。如圖1和圖2所示，人員行走、車輛行駛產生的地振動信號在時域上具有以下兩個基本特征［2］:一是地振動的目標信號同目標與傳感器之間的距離有關，隨著距離的增大，信號的幅度值逐漸減小;二是由于人的走動對地面的沖擊是短暫的，而且相鄰步伐之間的時間間隔基本相同，約為0.5 s，所以人員腳步信號具有的特征為每個腳步信號可以看成是周期脈沖式的，近似為離散的;而車輛運動時由于發動機連續發動所產生，故其產生的信號是連續，當然它還取決于車架懸掛系統自振以及傳動系統振動等。

2.1 過零數算法原理

過零數是指某一段時間內時域信號的幅度值經過特定閾值的總次數，用這個次數作為地振動信號的時域特征。信號的過零數與采樣率密切相關。在信號采樣率不變的情況下，信號的過零數與頻率有著直接的關系。

若某正弦信號的頻率為f，則過零數為

即過零數與頻率成正比，其中k為比例系數。過零數與信號幅值無關，所以該方法抗干擾能力比較強，在語音、地震動信號識別等方面有廣泛的應用。

對于頻帶范圍從f1到f2的平穩高斯隨機信號，單位長度內的過零點數與功率G(f)之間存在的關系為

從式(2)可見，若信號的主頻f0越高，單位長度內的過零數就越多;若信號的主頻f0越低，單位長度內的過零數就越少［2］。

2.2 基于過零數分析的目標識別

從圖1和圖2中可知，腳步作用時間很短，信號可近似為周期性的脈沖，而車輛信號是連續的，且腳步信號的頻數遠低于車輛信號的主頻，即車輛行駛產生的振動信號的過零數在某段時間內明顯多于單人行走信號。所以只要確定的過零閾值在某段時間內使得計算出兩類信號的過零數差距夠大，就能有效識別出這兩種目標。

從實驗采集的信號數據庫中分別隨機抽取15組人員和車輛的樣本信號，并分別計算過零數。由于采樣頻率為1 kHz，采樣時間為3 s，所以每組數據有3000個點。對各組信號進行過零數統計如表1所示。

表1 人員和車輛目標信號過零數統計

從表1可知，在15個單人行走樣本信號的過零數統計中有14個＜110，15個車輛行駛樣本信號的過零數統計中有14個＞110，即在單位長度內車輛行駛信號的過零數遠大于單人行走信號的過零數，所以可通過對單位長度內信號的過零數比較進而識別人員和車輛兩種目標。若將過零閾值設定為110，則信號的過零數＜110時，識別為人員目標;信號的過零數＞110時，識別為車輛目標。對于表1統計的過零數數據，可計算出人員和車輛的正確識別率均為14/15=93.33%。

3 頻域分析

信號的頻譜分析是研究信號特性的重要手段之一［4］。對于確定信號，可以用傅里葉變換分析其頻譜性質，而對于廣義平穩隨機信號，由于它一般既不是周期信號，又不滿足平方可積，嚴格來說不能進行傅里葉變換，所以通常采用信號的功率譜來進行頻譜分析。由于地面目標運動引起的振動信號可以近似為廣義平穩隨機信號，所以文中對振動信號進行功率譜分析，提取信號特征，從而進行目標識別。然而，實際應用中的廣義平穩隨機信號一般是有限長的，只能根據有限長的信號來估計原始信號真實的功率譜，這就是功率譜估計問題。

由于周期圖法的方差性能差，且Bartlett法方差的改善是以犧牲分辨率為代價，所以文中采用Welch法。

3.1 Welch法算法原理

Welch譜估計法是對Bartlett法的改進，目的是在保持Bartlett法方差性能的同時改善其分辨率，又稱加權交疊平均法。其基本原理是:首先，將數據xN(n)分成M段，得到分段數據xN，i(n)，可使每一段的部分數據重疊，然后采用一個合適的窗函數對每一段數據進行平滑處理，其次，對各段功率譜PER，i(w)求平均，得到PER(w)。若所有分段數據xN，i(n)的長度都為L，而且規定每段數據重合1/2，則數據xN(n)的總長度為N=(M+1)L/2。可得

3.2 基于Welch法的目標識別

通過對單人行走和多人隨機行走產生的振動信號用Welch法進行仿真實驗，所得的功率譜如圖3和圖4所示。由圖3和圖4可知:單人行走產生的振動信號在頻率為40 Hz附近的功率較大，大約在頻率為120 Hz附近也有較高功率。而多人以隨意的腳步行進時，因為不同的人在不同的時刻對地面產生沖擊，信號在時域內正負疊加相消，幅值反而比較小，表現在功率譜域內，其能量較小，譜峰頻率主要集中在30 Hz、40 Hz和70 Hz附近。

從實驗采集的信號數據庫中分別隨機抽取6組單人行走和多人隨機行走信號，進行Welch法分析，得到兩種信號的譜峰頻率和譜峰相對強度統計表如表2所示。經目標統計可得信號功率譜特征如表3所示。從表2和表3中根據功率譜的特征信息對單人行走和多人隨機行走兩種目標可進行識別，即先比較譜峰強度，若譜峰強度在－5～0 dB和15～20 dB之間，則確認為多人目標;若譜峰強度在0～15 dB之間，再比較譜峰頻率，若譜峰頻率僅在40 Hz附近，則確認為單人目標，若譜峰頻率主要集中在30 Hz、40 Hz和70 Hz附近，則確認為多人目標。可見該算法簡便、易行，效果好。

表2 目標信號功率譜特征統計

表3 目標信號功率譜特征

4 結束語

對單人正常行走、多人隨機正常行走以及車輛正常行駛3種地面目標運動產生的振動信號進行了時域和頻域分析，實驗結果表明:過零數分析法對于單人和車輛目標的正確識別率高，但對于單人和多人目標信號的識別還欠考慮;而Welch譜分析法對于單人和多人隨機行走目標的識別非常有效，且簡便形象。但在實際情況下，有多人齊步行走、跑步以及人與車混合等多種情況，此時就要采用時頻域相結合，從中提取不同目標的特征向量，利用D－S算法和BP神經元算法相結合，可以提高識別的正確率。

［1］ 朱亞坤.基于傳感器陣列的振動目標識別與定位技術研究［D］.西安:武警工程大學，2012.

［2］ 徐照勝.地震動傳感器的目標檢測和識別算法研究［D］.合肥:安徽大學，2010.

［3］ 藍金輝.目標地震動信號的特征提取及識別研究［J］.振動與沖擊，2001，20(4):42 －44.

［4］ 宋寧，關華.經典功率譜估計及其仿真［J］.現代電子技術，2008，33(11):159 －161.