入侵检测的事件统计生成方法及装置

技术领域

本发明涉及一种用于入侵检测的计算机实施的事件统计生成方法和事件统计生成装置。

背景技术

所有感测系统面临的挑战之一是要能在一些恶劣的环境中运行。通常安装在室外环境中的入侵检测系统也不例外。这些系统通常需要在大风或大雨期间运行，或靠近附近的交通车道或靠近其他与入侵无关的干扰。

一些入侵检测系统使用相干光时域反射仪(COTDR)技术从埋入式光纤获取信号。大多数埋入式COTDR光纤入侵检测系统在靠近滋扰警报源的位置运行，这些滋扰警报源通常包括来自公路或铁路交叉口的交通以及附近的挖掘设备。这种入侵检测系统的有效性取决于其抑制这些滋扰事件引起的任何警报的能力。

发明内容

本发明的实施方式提供一种用于入侵检测的计算机实施的事件统计生成方法，该方法包括：

针对多个传感器仓中的每一者，将来自相干光学时域反射仪的多个返回信号处理成时域信号，所述多个返回信号对应于在一个时间段内注入到光学传感器光纤中的多个刺激脉冲；以及

对于每个传感器仓：

将各个时域信号变换成相应的频域信号；

从所述各个频域信号计算预期包含系统噪声的第一频带的第一信号功率区域；

从频域信号计算预期包含与至少第一事件相关的任何能量的第二频带的第二信号功率区域；以及

通过将所述第二信号功率区域除以所述第一信号功率区域，至少部分地生成与所述第二信号功率区域与所述第一信号功率区域之比成比例的事件统计。

在一个实施方式中，该方法包括针对多个时间段中的每一个时间段处理多个返回信号，以针对每个传感器仓获得多个事件统计。

在一个实施方式中，该方法包括将每个事件统计转换成指示所述事件统计相对大小的视觉表示，并在显示器上输出所述各个视觉表示的矩阵。

在一个实施方式中，每个视觉表示是灰度值。

在一个实施方式中，每个视觉表示是色阶值。

在一个实施方式中，生成事件统计包括应用从所述第一和第二频带中的频率仓的数量导出的缩放因子。

在一个实施方式中，所述方法包括从所述频域信号计算预期包含与至少第二事件相关的任何能量的第三频带的第三信号功率区域，并通过将所述第三信号功率区域除以所述第一信号功率区域，至少部分地生成与所述第三信号功率区域与所述第一信号功率区域之比成比例的进一步的事件统计。

在另一实施方式中，提供一种事件统计生成装置，该装置包括：

处理器；和

存储器，其存储指令，当所述处理器执行所述指令时，所述指令使所述处理器：

针对多个传感器仓中的每一者，将来自相干光学时域反射仪的多个返回信号处理成时域信号，所述多个返回信号对应于在一个时间段内注入到光学传感器光纤中的多个刺激脉冲；以及

对于每个传感器仓：

将各个时域信号变换成相应的频域信号；

从各个频域信号计算预期包含系统噪声的第一频带的第一信号功率区域；

从所述频域信号计算预期包含与至少第一事件相关的任何能量的第二频带的第二信号功率区域；以及

通过将所述第二信号功率区域除以所述第一信号功率区域，至少部分地生成与所述第二信号功率区域与所述第一信号功率区域之比成比例的事件统计。

在一个实施方式中，当所述处理器执行所述指令时，所述指令使所述处理器针对多个时间段中的每一个时间段处理多个返回信号，以针对每个传感器仓获得多个事件统计。

在一个实施方式中，当所述处理器执行所述指令时，所述指令使所述处理器将每个事件统计转换成指示所述事件统计相对大小的视觉表示，并在显示器上输出所述各个视觉表示的矩阵。

在一个实施方式中，每个视觉表示是灰度值。

在一个实施方式中，每个视觉表示是色阶值。

在一个实施方式中，所述处理器生成事件统计包括应用从所述第一和第二频带中的频率仓的数量导出的缩放因子。

在一个实施方式中，当所述处理器执行所述指令时，所述指令使所述处理器从所述频域信号计算预期包含与至少第二事件相关的任何能量的第三频带的第三信号功率区域，并通过将所述第三信号功率区域除以所述第一信号功率区域，至少部分地生成与所述第三信号功率区域与所述第一信号功率区域之比成比例的进一步的事件统计。

在一个实施方式中，该装置包括光纤传感器，并且所述处理器构成实施实施相干光时域反射仪的控制器的一部分。

另一个实施方式提供了一种采用上述事件统计生成方法的计算机实施的入侵检测方法。

附图的简要说明

图示将结合以下图示描述本发明的实施方式，在图示中：

图1为示意图，其示出需要区分滋扰与由隐蔽埋入的传感器检测到的入侵振动；

图2示出了相干光学时域反射仪感测布置的实施例；

图3是来自图2的感测布置的原始拍摄数据的实施例；

图4是示出图3的信号如何被过滤的示意图；

图5示出了在隐蔽埋入的传感器上垂直行走的实施例；

图6示出了图5中的信号的功率谱密度；

图7示出了在隐蔽埋入的传感器上垂直行走的另一实施例；

图8示出了图7中的信号的功率谱密度；

图9示出了图7中的时间时域数据在2秒到3秒之间的一部分；

图10示出了系统噪声的实施例；

图11示出了图10中的信号的功率谱密度；

图12是能用于生成埋入事件检测统计的过程的示意图；

图13是用于生成埋入事件检测统计的过程的流程图；

图14示出了受关注的频率的实施例；

图15示出了在隐蔽埋入的传感器上垂直行走的位置块表示的实施例；

图16是针对在隐蔽埋入的传感器上的垂直行走使用小波分解的实施例；

图17是针对在隐蔽埋入的传感器上的垂直行走使用小波包分解的实施例；

图18是可用于生成埋入事件检测统计的流程图；

图19A和图19B是示出有人走过传感器产生的两个不同频带的信号；

图20A和图20B示出了有人在传感器上奔跑产生的两个不同频带的信号；

图21给出了不同频带的衰减表示；

图22是在低频带产生的事件的实施例；以及

图23是中频带产生事件的实施例。

具体实施方式

本发明的实施方式提供了一种埋入式入侵检测系统的事件检测方法。在本发明的实施方式中，入侵检测系统基于相干光学时域反射仪(COTDR)技术。示例性实施方式使用快速傅里叶变换(FFT)或离散小波变换(DWT)技术将每个位置仓(沿传感器)信号从时域转换到频域，并对频域信号进行处理以自动分离事件和系统噪声。

图1示出了可以采用本发明的实施方式的一个示例性场景。为了保护埋入的管道110，在管线旁边埋入光纤电缆形式的传感器120。在一个实施例中，电缆的埋入深度为100mm至150mm。在另一实施例中，电缆埋入的深度为100mm至300mm。

如图2中所示，控制器210(例如申请人的Aura Ai控制器)用于向光纤中注入120一系列脉冲220，并监测由Raleigh反向散射240引起的返回光信号250。通过对返回信号的处理，能够检测到当干扰作用于光纤120时的反向散射的变化。

在一个实施例中，控制器210将以每秒2000至5000脉冲的速率输出脉冲宽度为100ns并且峰值功率为125mW的光脉冲。当每个脉冲沿光纤传播时，控制器210以每秒2亿次(200MHz)的频率对反向散射进行采样，以得到电缆每0.5米长度的采样信号250。

该信号250被检测并被数字化以构建原始信号。当脉冲穿越整个光纤长度并接收到相应的反向散射信号时，这被称为"拍摄"(shot)。拍摄是单脉冲对光纤传感器的询问。每一拍摄被划分为0.5米的区段或传感器"仓"。图3中示出了原始拍摄的实施例，其中横轴310是以米为单位的距离，纵轴是以ADC为单位的振幅(ADC＝模数转换器)。

图4是示意图，其示出了在通过沿光纤120发送脉冲220并测量返回信号，为拍摄410的每个仓420创建原始信号后，然后用带通滤波器对其进行滤波以为每个仓产生带通滤波信号430，从而去除COTDR信号中存在的高频噪声。滤波后的信号430看起来类似于干涉信号。如图4中所示，滤波信号430的横轴450为时间(ms)，纵轴为电压(V)。

然而，虽然现有的控制器能够检测一些事件，但其他事件可能被噪声掩盖。例如，可能难以区分滋扰振动140(例如来自经过的火车)和入侵振动130。为了能够辨别诸如上述之类的不同的入侵和滋扰事件，本发明的实施方式旨在提供一种能够将入侵信号与系统噪声信号分开的高灵敏度的系统。

图5示出了由诸如图2中所示的COTDR系统从隐蔽的埋入传感器通过传感器上的垂直行走生成的行走入侵数据的实施例。该实施例数据是通过让"入侵者"从距离传感器位置15米的地方接近埋藏的传感器而生成的。在本实施例中，COTDR系统210参数被设定为200ns脉冲宽度，并且采样频率为2500Hz。图5中的数据是来自COTDR数据表示域上时空滤波数据(15至1200Hz之间的带通滤波(BPF))的单个仓。该仓的位置在沿35千米传感器的594米，并且与"入侵者"进行行走的物理位置对应。如能从图5中看到的，随着时间510的推移，振幅520变更。从时域数据500可以清楚地看出，在信号的区段530中，当入侵者朝传感器行走时，入侵者的步伐被埋在系统噪声内，而在区段540中，入侵者的存在从背景噪声中突显出来。本发明的实施例旨在提供一种即使事件存在于噪声内(例如在区段530中)，也能检测到这些事件的稳健方法。在一些实施方式中，这可以使得能够在入侵者离埋入的电缆更远时检测到入侵者的存在。

图6以线性620和对数标度630示出了图5中信号的功率谱密度610。即，它是由COTDR系统生成的以线性620和dB 630标度表示的行走入侵数据(图5中的信号)的频域。

图7示出了由在隐蔽埋入的传感器上垂直行走产生的行走入侵数据的另一实施例。同样，入侵者从距离传感器位置15米的地方接近埋入的传感器。COTDR系统210参数被设定为200ns脉冲宽度，并且采样频率为2500Hz。图7中的数据来自COTDR数据表示域上的时空滤波数据(在15至1200Hz之间的BPF)的单个仓。该仓的位置沿35千米传感器的32999米。同样，根据时域数据700可以清楚地看出，在信号的区段730中，当入侵者朝传感器行走时，入侵者的步伐被埋在系统噪声内，而在区段740中，入侵者的存在从背景噪声中突显出来。图8以线性820和对数830标度示出了图7中信号的功率谱密度810。

图9示出了图7中的时间时域数据在2秒到3秒之间的部分900。该图示出了入侵者步伐910被埋在噪声里面。所提出的方法具有从系统噪声中解析这些步伐的能力。

图10示出了沿35千米隐蔽埋入的传感器的682米的仓位置处的系统噪声1000的实施例。COTDR系统参数被设定为200ns脉冲宽度，并且采样频率为2500Hz。该图中噪声信号的强度(模数转换(ADC)值1010)与距离传感器隔开一定距离的入侵者的步伐产生的强度相当。图11以线性1120和对数1130标度示出图10中的信号的功率谱密度1110。

在本发明的一些实施方式中，使用诸如快速傅里叶变换(FFT)之类频率变换方法或诸如Welch之类的功率谱估计方法将每个位置仓从时域变换到频域，使得每个仓中的拍摄的每个块由该舱的频域表示的单个像素表示。在COTDR的仓-拍摄(时空)空间上，长度为N的有限长度拍摄的离散傅里叶变换(DFT)定义为：

图12是示出用于产生埋入事件检测统计的实施方式的光谱分析过程1300的示意图，图13是该过程1300的流程图。参照图12和图13，图示了由COTDR收集在仓-拍摄空间1200中的数据。即，横轴1210对应于仓，纵轴1220对应于唯一的拍摄。在步骤1310处，对于仓-1至仓-N的每个仓，从多次拍摄收集数据以形成块，因此将有多个块，块-1 1230，块-21240，...，块-N 1250。在一个实施例中，每个块由400次拍摄形成。在一个实施方式中，一旦收集了块的数据，就对数据进行处理。在其他实施方式中，在处理数据之前，收集多个块的数据。

每个仓的数据是上文结合图4所述的带通滤波后的数据(例如)。相应地，傅里叶变换将被应用于滤波后的数据块，例如，对于bin-1而言，来自拍摄块1280A的数据，对于bin-N而言，来自拍摄块1281A的数据。

在步骤1320处，将离散傅里叶变换过程1262(DFT)应用于每个块，以从高通滤波器频率f

然后，方法1300在根据块的频域表示计算事件统计的过程1263中采用两个频带。第一频带是包括[f

在步骤1330处，该方法涉及计算(或推断，compute)由[f

在步骤1350处，该方法涉及使用等式2计算每个块的事件检测统计量，以产生如图11中所示的COTDR数据的仓-块表示1270。

其中，

也就是说，仓-块表示1270的横轴1271表示仓-1至仓-N，而纵轴对应于块数。例如，仓-块值1280B是从1280A的拍摄块计算出来的，并且仓-块值1281B是从1281A的拍摄块计算出来的。每个值在颜色空间中表示，在颜色空间中，颜色的相对强度根据功率比值得出。该颜色空间可以是灰度颜色空间或RGB或CYMK颜色空间。

图15示出了使用图13的方法，在电缆距离约11.5千米处，在隐蔽埋入的传感器上垂直行走的位置块表示(也称为"瀑布"图)。表1示出了图15瀑布图中所示的噪声和入侵步伐数据的功率比统计。统计数据是针对单个仓的块测量的。COTDR系统210参数被设定为200ns脉冲宽度，并采样频率为2500Hz。在该实施例中，功率比的标量值映射到不同的灰度值。在其他实施例中，功率比值映射到不同的颜色。也就是说，横轴1510代表以米为单位的位置，纵轴1520代表以秒为单位的时间。入侵者从距离传感器埋入的地方15米处接近埋入的传感器。此时的传感器长度为11.48千米。COTDR系统参数被设定为200ns脉冲宽度，并且采样频率为2500Hz。

表1

显然，系统噪声产生的功率比接近于统一。这是由于以下事实：发现该系统中的系统噪声是白噪声，其强度与使A

在一个实施例中，位置块表示可以由用户在显示器上监测，以便确定是否存在入侵者。在另一个实施例中，可以对位置-块-表示的数据进行进一步的处理，以便例如将用户的注意力引导到位置-块表示的特定部分或产生警报。一个实施例是将阈值应用于统计，并将超过阈值的值作为事件应对。在这样的实施例中，同一仓和/或相邻仓中的事件可以被累积，直到有足够的事件表明各个事件很有可能不是来自滋扰事件，此时，事件的集合被看作"触发器"，并且可以提醒用户或触发警报。

在另选的实施方式中，使用小波分解或小波包变换来测量入侵信号和系统噪声之间的功率比。小波分解进行多级一维小波分析。在小波分解中，使用不同截止频率的滤波器来分析不同尺度(频率)的信号。信号通过一系列高通滤波器(细节系数)以分析高频，并且通过一系列低通滤波器(近似系数)以分析低频。图16示出了关于在隐蔽的埋入传感器上垂直行走的小波分解。入侵者从距离传感器埋入位置15米处接近埋入的传感器。入侵信号被分解为4级。小波分解与小波包的区别在于，图16中的小波分解的高通滤波带(细节系数)被分为高通和低通，以形成图17中的小波包。

图18示出了利用小波产生埋入检测统计的方法1800。与图13的方法中一样，在步骤1810处，对于仓-1至仓-N的每个仓，从多次拍摄中收集数据以形成块。

在步骤1820处，该方法涉及在级别J(在这些实施例中，当采样频率为2500Hz时，将其应用于级别4)在每个块上应用小波分解(图16)或小波包分解(图17)，并从低频率的节点(在图16的实施例中，入侵节点(4,0)1610)获得能量1611，从较高频率的系统噪声节点(在该实施例中是(1,1)1620)获得能量1621。(图17的实施例使用来自低频率节点(节点(4,0)1710)的能量1711和具有较高频率的系统噪声节点(在该实施例例中为(0,0)1720)的能量1721。)

参照图16的实施例，小波分解树上的这两个频带(节点)的使用方式与上述FFT方法的频带类似。在该实施例中，第一频带是来自节点(4,0)1610的信号频带。第二频带是远离信号频带的系统噪声频带，并且可以是节点(1,1)1620。

在步骤1830处，该方法涉及计算信号节点的信号功率区域A

其中，C是各频带的系数，N是该节点中信号的总采样数。

步骤1850与图13的方法中的步骤1350相同，即使用等式2计算每个块的事件检测统计，以产生COTDR数据的仓-块表示。

表2示出了使用小波分解方法对来自隐蔽埋入系统的噪声和入侵步伐数据的功率比统计的实施例。针对单个仓数据的块测量统计数据。COTDR系统参数被设定为200ns脉冲宽度，并且采样频率为2500Hz。

表2：使用小波分解法对隐蔽埋入系统的噪声和入侵步伐的功率比统计结果

一些实施方式使用多个不同的频带，其中使用上述实施方式之一分别计算两个信号频带中每个频带的单独事件统计。由于不同的频率在经由地面传播时的衰减不同。这可以指示这些事件距离传感器发生的相对距离。因此，监测多个频带并采用作为使用来自一个频带的事件的触发器的补充或代替而使用来自两个频带的事件的触发器是有利的。

图19A和图19B示出了有人走过传感器产生的两个不同频带的信号。横轴1910是距离，纵轴1920是时间。在这种情形下，在较低频率(2至5Hz)下观察到的信号(如图19A中所示)比在20至40Hz之间的频率下观察到的信号强得多(如图19B中所示)。这就导致步伐更能可观察，并使发生入侵的置信度更大。20至40Hz频带提供了更清晰的时间定位，使得更容易分离出各个步伐。

不同类型的事件也会产生不同的频率和强度，例如奔跑的人产生较强的冲击力，因此更可能出现较高的频率。在地面上缓慢行走的人会踩得比较轻柔，很可能只会产生较低的频率。

图20A和图20B示出了有人在传感器上奔跑时采集的数据的位置块表示。横轴2010是距离，纵轴2020是时间。在这种情形下，20至40Hz的频带(图20B)更有利于识别更多的步伐。由于较低的频带(图20A)只能拾取传感器几米范围内的脚步声，因此怀疑该频带通过土壤的衰减较大。衰减的差异也可能归因于产生这些频率的声波类型。

图21给出了从1米高处落下一个8公斤重物所产生的不同频带的衰减的表示。该图示出了2至5Hz的第一频带2010、20至40Hz的第二频带2020以及70至150Hz的第三频带2030的衰减。该图示出了20至40Hz频带2020的衰减是显示的3个频带中最低的。

如何使用多个频带来改进入侵检测的实施例是标记来自对更接近事件(例如图22中所示的实施例)更敏感的频带的潜在警报。在这种情况下，2至5Hz频带被用于查找在区域2210中概括的触发事件。

图23示出了由中间频带(20至40Hz)产生的事件(例如2310)，在这个频带中，离传感器更远的地方的更多的事件可能被检测到。这个频率可以更好地用于检测与接近埋入传感器的潜在入侵者相关的事件。较高的频率也能给出更清晰的事件，能够更容易地分离出脚步声。

虽然已经针对图示描述了本发明，但将理解，本领域的技术人员可以在不脱离本发明精神的情况下进行许多变型和变化。根据以上描述和图示的任何变更和派生都包括在权利要求书所限定的本发明的范围内。

本发明的所附权利要求书和前面的描述中，除非由于明确的语言或必要的暗示，上下文另有要求，否则，"包括"一词或诸如"包括"之类的变体是在范围广泛的意义上使用的，即指明所述特征的存在，但不排除在本发明的各种实施方式中存在或增加进一步的特征。