基于小波包能量的振動(dòng)光纜入侵特征提取

龔 敏，劉 琢

（中廣核工程有限公司，廣東 深圳 518124）

0 引 言

近些年來(lái)，國(guó)家提倡大力發(fā)展清潔能源行業(yè)，核電也一直備受關(guān)注，如果核電站等重要環(huán)境出現(xiàn)問(wèn)題，將會(huì)造成嚴(yán)重的社會(huì)影響，因此核電廠的周界安防就顯得尤為重要[1-3]。在傳統(tǒng)的周界安防系統(tǒng)中，一般是采用埋地感應(yīng)電纜、電子脈沖作為傳感元件。此類周界安防系統(tǒng)在一定環(huán)境下可以滿足工程應(yīng)用。但是在追求效率與精度并存的新一代周界安防系統(tǒng)中，顯然很難滿足當(dāng)前的工程應(yīng)用。在基于振動(dòng)光纜的周界安防系統(tǒng)中，將振動(dòng)光纜作為傳感元件，通過(guò)振動(dòng)光纜采集到振動(dòng)信號(hào)，然后對(duì)采集的振動(dòng)信號(hào)進(jìn)行特征提取，基于提取的特征繼而有效地實(shí)現(xiàn)對(duì)入侵類型的判斷，具有重要的實(shí)際工程價(jià)值意義。文獻(xiàn)[4]對(duì)振動(dòng)光纜傳感器的原理進(jìn)行了深入研究，并且研發(fā)出了靈敏度更高的振動(dòng)光纜傳感器，為后續(xù)振動(dòng)光纜的實(shí)際應(yīng)用奠定了理論基礎(chǔ)。文獻(xiàn)[5]提出用小波高頻分量定位算法，并且通過(guò)試驗(yàn)證明了該方法的可行性，但是并沒(méi)有指出入侵類型的判斷。

目前，基于振動(dòng)光纜的周界安防系統(tǒng)在實(shí)際工程應(yīng)用中存在3大難點(diǎn)。（1）定位不準(zhǔn)確，在實(shí)際的核電站等工程應(yīng)用環(huán)境中，周界安防范圍一般很大，對(duì)于入侵定位精度要求較高；（2）入侵檢測(cè)響應(yīng)慢，當(dāng)系統(tǒng)監(jiān)測(cè)到入侵時(shí)，監(jiān)控系統(tǒng)不能快速做出響應(yīng)；（3）系統(tǒng)運(yùn)行不穩(wěn)定，整個(gè)振動(dòng)光纜探測(cè)系統(tǒng)均部署在戶外，系統(tǒng)對(duì)不同環(huán)境、不同氣候的適應(yīng)性不同。

綜上所述，本文提出一種基于小波包能量的振動(dòng)光纜入侵特征提取方法，其整合頻譜分析技術(shù)與小波包分解技術(shù)，再進(jìn)一步提取分解層級(jí)每個(gè)子節(jié)點(diǎn)的小波包能量用于判斷入侵。其中，高通濾波器剔除原始振動(dòng)信號(hào)中的低頻信號(hào)干擾，然后對(duì)濾波后的振動(dòng)光纜信號(hào)進(jìn)行小波包分解，繼而提取到分解層級(jí)每個(gè)子節(jié)點(diǎn)的小波包能量，根據(jù)小波包能量判斷入侵的類別。該方法可以快速有效地對(duì)振動(dòng)光纜信號(hào)進(jìn)行分析處理，進(jìn)而得出入侵類型，避免了傳統(tǒng)振動(dòng)光纜周界安防的弊端，具有很高的工程應(yīng)用價(jià)值與實(shí)際意義。

1 傳統(tǒng)振動(dòng)光纜周界安防技術(shù)

目前，在傳統(tǒng)振動(dòng)光纜的周界安防系統(tǒng)的信號(hào)處理算法中，其對(duì)光纜采集到的振動(dòng)信號(hào)均是停留在時(shí)域分析。算法可簡(jiǎn)述為對(duì)原始振動(dòng)光纜信號(hào)進(jìn)行分幀處理，然后分別統(tǒng)計(jì)幀內(nèi)振動(dòng)信號(hào)的時(shí)域指標(biāo)，如過(guò)零率、幀內(nèi)能量等，通過(guò)時(shí)域指標(biāo)檢測(cè)是否存在入侵。

2 基于小波包分解的光纜振動(dòng)信號(hào)處理

2.1 傅里葉變換

頻譜分析技術(shù)是常見(jiàn)的頻域信號(hào)處理方法，主要方法有快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）。通過(guò)FFT變換后，可以將復(fù)雜的時(shí)域信號(hào)轉(zhuǎn)換為簡(jiǎn)潔的頻譜信號(hào)[6,7]。非周期性連續(xù)時(shí)間信號(hào)x(t)的傅里葉變換可以表示為

式中：X(ω)為x(t)的傅里葉變換結(jié)果。

不同對(duì)象入侵引起的振動(dòng)頻率不一致，可根據(jù)頻譜圖中的主譜線來(lái)區(qū)分不同的入侵對(duì)象。但是在實(shí)際的工程中，主譜線一般會(huì)淹沒(méi)于其他噪聲信號(hào)的譜線中。因此，單一的FFT分析一般很難獲取到理想的結(jié)果。

2.2 小波包分解

小波包分解是對(duì)小波分解的進(jìn)一步深入研究，其對(duì)小波分解中沒(méi)有細(xì)分的高頻部分進(jìn)行了進(jìn)一步分解，從而可以對(duì)信號(hào)進(jìn)行更精細(xì)的刻畫(huà)[8-10]。

圖1為3層小波包分解示意圖，每一個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)子頻帶，對(duì)第j尺度上的第i節(jié)點(diǎn)進(jìn)行小波包信號(hào)重構(gòu)，進(jìn)而可以得到重構(gòu)信號(hào)xj,i，則該節(jié)點(diǎn)的能量為

圖1 小波包分解示意

2.3 基于小波包能量特征提取

基于小波包能量的振動(dòng)光纜入侵特征提取其算法技術(shù)路線流程如圖2所示。

圖2 基于小波包能量的振動(dòng)光纜入侵特征提取流程圖

步驟（1）：通過(guò)數(shù)據(jù)采集設(shè)備采集到振動(dòng)光纜的原始振動(dòng)信號(hào)，其采樣條件為沒(méi)有發(fā)生入侵，以此作為分析的基礎(chǔ)，其中振動(dòng)光纜數(shù)據(jù)采樣頻率可調(diào)，在滿足奈奎斯特采樣定理的條件下。本文中涉及到的振動(dòng)光纜數(shù)據(jù)采樣頻率一般不低于5 kHz。

步驟（2）：對(duì)步驟（1）采集到的振動(dòng)光纜信號(hào)進(jìn)行頻譜分析，可認(rèn)為頻譜分析中的主要譜線為背景噪聲引起的。

步驟（3）：根據(jù)步驟（2）中的頻譜分析結(jié)果設(shè)計(jì)濾波器參數(shù)，其中包含濾波器的階數(shù)以及濾波器的截止頻率等。

步驟（4）：在步驟（3）的基礎(chǔ)上對(duì)濾波后的振動(dòng)光纜信號(hào)進(jìn)行小波包分解，其中選擇小波基函數(shù)為db4，分解層級(jí)設(shè)為4層。

步驟（5）：在步驟（4）的基礎(chǔ)上計(jì)算小波包分解最后一層級(jí)（即第4層級(jí)）每一個(gè)節(jié)點(diǎn)C的小波包能量，其中提取各個(gè)子頻帶的小波能量Ej的計(jì)算公式為

步驟（6）：因?yàn)椴煌肭诸愋蛯?duì)應(yīng)的小波能量不一致，所以能夠根據(jù)小波包能量值的大小判斷入侵類型。

3 實(shí)例驗(yàn)證

為了驗(yàn)證本文所提方法的有效性與可行性，在實(shí)驗(yàn)室中進(jìn)行試驗(yàn)驗(yàn)證，其中試驗(yàn)臺(tái)如圖3所示。振動(dòng)光纜以“S”型的樣式部署在鐵絲圍欄上，采樣頻率為10 kHz，數(shù)據(jù)記錄保存時(shí)間為5 s。分別對(duì)鐵絲網(wǎng)進(jìn)行靜置、敲擊以及晃動(dòng)3種試驗(yàn)驗(yàn)證，進(jìn)一步在此基礎(chǔ)上模擬環(huán)境干擾，在試驗(yàn)臺(tái)旁邊用功率為250 W的電風(fēng)扇進(jìn)行模擬大風(fēng)天氣，其中大風(fēng)環(huán)境干擾試驗(yàn)臺(tái)如圖4 所示。此外，在設(shè)計(jì)高通濾波器的參數(shù)中，其截止頻率為100 Hz，階數(shù)設(shè)計(jì)為2階。小波包分解參數(shù)分別設(shè)置小波基函數(shù)為db4，分解層級(jí)為4。分別對(duì)3種環(huán)境下采集的振動(dòng)光纜信號(hào)按照?qǐng)D2所述技術(shù)路線進(jìn)行特征提取。

圖3 試驗(yàn)臺(tái)（不含風(fēng)扇）

圖4 試驗(yàn)臺(tái)（含風(fēng)扇）

圖5為經(jīng)光電轉(zhuǎn)換后采集靜置條件下的振動(dòng)光纜的原始振動(dòng)信號(hào)，圖6是對(duì)原始振動(dòng)信號(hào)進(jìn)行FFT分析的結(jié)果。從圖6可以看出靜置條件下原始振動(dòng)信號(hào)的頻譜譜線主要集中在100 Hz以下，因此可以判定該環(huán)境中的背景噪聲主要集中在100 Hz以下，設(shè)置濾波器的截止頻率為100 Hz。經(jīng)過(guò)高通濾波器后的振動(dòng)信號(hào)如圖7所示。由圖7可以看出，濾波后的振動(dòng)信號(hào)幅值有所下降。圖8為小波包分解后第4層級(jí)每個(gè)子節(jié)點(diǎn)的小波節(jié)點(diǎn)系數(shù)。經(jīng)過(guò)小波包分解后，在高頻分量所對(duì)應(yīng)的小波節(jié)點(diǎn)系數(shù)攜帶的信息較低頻分量更為明顯，因此可以通過(guò)提取小波包分解后高頻分量的小波節(jié)點(diǎn)系數(shù)信息作為特征指標(biāo)。由圖9可以看出，在無(wú)入侵的條件下其引起的各子節(jié)點(diǎn)小波包能量最小，其次是敲擊，各子節(jié)點(diǎn)小波包能量最大的是晃動(dòng)。這與試驗(yàn)預(yù)期相同，證明了本論文所提及算法的有效性與可行性。

圖5 原始光纜振動(dòng)信號(hào)（靜置）

圖6 振動(dòng)光纜頻譜（靜置）

圖7 濾波后的振動(dòng)光纜信號(hào)（靜置）

圖8 小波包分解結(jié)果（靜置）

圖9 小波包能量

4 結(jié) 論

本文所提的基于小波包能量的振動(dòng)光纜入侵特征提取在一定程度優(yōu)化了傳統(tǒng)的基于振動(dòng)光纜的周界安防技術(shù)算法，成功將精度與入侵類型融合到周界安防系統(tǒng)中，可以在判斷入侵的基礎(chǔ)上有效甄別入侵類型。如果進(jìn)一步融合視頻監(jiān)控等技術(shù)，則將更進(jìn)一步提高周界安防效率、降低誤報(bào)率等，提升了基于振動(dòng)光纜周界安防區(qū)域的安全性能，提高了實(shí)際工程應(yīng)用價(jià)值。