基于STM32地震動信號檢測識別傳感器系統設計

岳輝

摘要：地震動傳感器是無人值守系統非常重要的組成部分之一，在地面目標偵查工作中，地震動傳感器有著非常重要的預警功能。針對傳統傳感器采用單一時域或頻域分析法中出現的問題，研究創新性地選用時頻域聯合分析法，解決了傳感器分析非平穩信號時準確率較低的問題。采用改進的BP算法，在系統中避免了頻率特征匹配時出現網絡功能函數中出現局部最小點的問題。研究設計的地震動信號識別傳感器系統實現了3s、10s內對25m距離內的人和車以及100m范圍內的各種車輛震動信號的識別，正確識別率分別達到96%和90%。

關鍵詞：震動信號;BP神經網絡;模式識別;傳感器

中圖分類號：P315.62文獻標識碼：A 文章編號：1001-5922（2019）09-0117-05

地震動傳感器的主要價值，在于能夠通過對運動目標引起的震動進行遠距離檢測，實現設備對該目標的識別。國內針對局部禁區范圍內人、車活動的監視主要采用預埋傳感器的方式。但是由于布設傳感器需要的線路和處理系統過于復雜，預埋式傳感器的監測范圍很有限閉。同時，中央處理器需要對數量龐大的傳感器同時進行信號的篩選、處理，造成整個監測系統過高的誤報警頻率以及較高的整體功耗。為滿足實際工作中對震動信號傳感器的需要，主要針對一種震動傳感器的系統進行了重新設計，提高了傳感器系統對人和車輛的識別能力和效率，基本滿足了24h戶外無人值守的需求。

1相關原理綜述

地表介質質點的震動來自于外界運動目標對地面的激勵，產生激勵的原因，來自于運動目標在地面上的運動。鑒于地表介質的非剛體特性，運動目標在地面上的運動則必然會引起地表介質的形變。運動帶來的形變會不斷傳播形成地震波。進行震動信號識別傳感器的系統設計，要確保系統可以高效地對地震動信號進行測量，因此，對地震動信號的產生原理和傳播原理進行分析是我們進行系統設計的第一步。

1.1地震動信號的產生與傳播

地面上的人侵人員、車輛、建筑噪聲等運動目標是地震動傳感器最主要的檢測目標。這些運動目標的運動過程會對地面不斷施加激勵，最終通過地表介質的形變和傳播形成地震波。按照地表介質質點的運動以及震動波的傳播規律，將地震波分為體波和面波兩種，體波又被分為縱波（P波）和橫波（S波）兩種。

縱波（P波）的傳播方向始終與地表介質質點的振動方向相同，因此，縱波（P波）屬于地表介質的體積形變;橫波（s波）的傳播方向始終與地表介質質點的振動方向呈90°，因此，橫波（S波）屬于地表介質的剪切形變。在地震波的傳播過程中，縱波（P波）和橫波（s波）的傳遞相互獨立、互不干擾，在遇到界面時，不論縱波（P波）還是橫波（S波）都會發生反射和折射。

體波與體波之間因為傳播產生干涉和疊加效應后，便產生了一些頻率較低而能量較強的次聲波，稱之為面波。地表介質的分界面，是面波在地表介質中傳播的主要途徑。當面波在地表介質的分界面不斷向深處傳播時，波的強度會呈指數冪急劇衰減。面波分為兩種：①瑞雷面波，運動軌跡呈逆進橢圓形狀的面波且傳播速度略小于橫波;②樂夫面波，其介質質點的運動方向與傳播方向呈90°且平行于界面。樂夫面波在地表介質中進行傳播，必須保證上層介質中波的傳播速度大于下層介質中波的傳播速度。

1.2地震動信號特性分析與識別技術

地震動信號的目標具有能夠反映其本質屬性的特性。對地震動信號目標的特征進行提取，本質是通過對原始檢測信息進行特定測量空間變換，把數據從舊的測量模式映射到新的測量模式中，最終得到新的測量空間內可以對地震動信號目標本質屬性進行有效反映的特征。對地震動信號目標特性進行分析，要選擇能夠高度代表地震動信號目標的特征，且特征要具有較強的穩定性。

1.2.1地震動信號預處理

信號采集時的噪音及各種測量儀器中的非線性成分以及其他干擾源會對信號分析工作產生很大的影響，影響分析結果。在進行分析之前，要對采集所得信號進行預處理，剔除信號中的干擾成分，提高整體對地震動目標分析的可靠性和真實性。對信號的預處理，包括進行濾波、去均值、卡位、錯點剔除以及消除趨勢項等。

1.2.2地震動信號的時頻域特征分析

以往的研究人員通常利用時域分析法來分析確定信號，利用頻域分析法來分析平穩信號。時域分析法對信號進行識別，一定程度上能夠保證較高的信號識別率，但是易被外界無關震動信號干擾。頻域分析法能夠對平穩信號進行分析，也能夠保證較高的信號分析準確性，然而在實際監測工作中，我們所監測到的地震動信號頻率成分并不是單純的確定信號或者單純的平穩信號，地震動信號頻率成分會隨著時間的變化而不斷變化，總體呈現非平穩狀態。單純的時域分析法或頻域分析法無法滿足復雜的地震動信號檢測需求。

2震動信號識別系統軟件設計原理

軟件設計核心是針對信息處理以及信息分類識別算法的實現。信息處理部分主要工作是對地震動信號信息預處理和特征提取。文章一方面創新性地采用了時域聯合分布法來對非平穩信號進行監測和處理，將時域信號頻率分布隨時間變化的特征從一維狀態映射到二維的時頻平面進行顯示和分析;另一方面采用了分數階傅里葉變換方法進行時頻分析，該分析方法具備了傅里葉變化的優勢，同時由于自身還帶有一定的時域信息特征，又比傅里葉變換擁有了更多的優點。對時均值能量、短時均值脈沖過零、預測系數、倒譜、共振峰等特征進行提取，按照時間序列組成待測數據集，利用分數階傅里葉變換算法進行同參考模式匹配，最終得到分析結果。

3改進的BP神經網絡算法

在進行地震動信號的同參考模式匹配時，比較常用的技術有動態時間規整、貝葉斯框架和人工神經網絡等。其中，人工神經網絡技術能夠針對帶噪聲變形的地震動信號進行識別，且識別速度很快。因此，研究選用改進的BP神經網絡算法為本，該設計軟件部分中的主要頻率特征匹配算法。