基于ARMA建模与Sigmoid拟合的光纤周界安防入侵事件识别

• 作者: 黄翔东 王碧瑶 刘琨 刘铁根
• 来源期刊: 中国激光
• 关键词: 光纤光学 传感器 光纤周界安防 入侵事件识别 ARMA建模 概率输出
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 光纤光学与光通信|Fiber Optics and Optical Communications
• 页码范围: 195-202
• 页数: 8页
• 分类号: V211
• 语种: 中文
• DOI: 10.3788/CJL202047.1006004

摘要

在实际的光纤周界安防系统中,既要求判断入侵事件类别,又要求对各类事件发生的可能性做出全面评估.对此提出一种基于自回归滑动平均(ARMA)建模与Sigmoid概率拟合的入侵事件识别方法.在判断入侵事件类别方面,将光纤振动信号的ARMA建模系数与信号自身过零率相结合,构造特征向量,并将其馈入支持向量机(SVM),实现对攀爬、敲击、晃动、剪切、脚踢和撞击6种常见的入侵动作的识别;在评估各类事件的发生可能性方面,引入Sigmoid模型,对训练模式的SVM的各输出值作参数拟合,进而将测试样本的SVM值代入各自Sigmoid模型中完成评估.现场实验表明,该方法对6类常见入侵事件的平均识别率达到87.14％,且可提供各类事件的发生概率参考值,因而具有较高的实用价值.