野外文物安防姿态传感器的信号优化设计

陈中孝，王　沛，张　盼

(西安工业大学电子信息工程学院，陕西 西安 710021)

Optimized Design of Posture Sensor Signals in Wild Heritage Security System

CHEN Zhongxiao，WANG Pei，ZHANG Pan

(School of Electronic and Information Engineering，Xi ’an Technological University，710021,China)

野外文物安防姿态传感器的信号优化设计

陈中孝，王沛，张盼

(西安工业大学电子信息工程学院，陕西 西安 710021)

Optimized Design of Posture Sensor Signals in Wild Heritage Security System

CHEN Zhongxiao，WANG Pei，ZHANG Pan

(School of Electronic and Information Engineering，Xi ’an Technological University，710021,China)

摘要：提出对野外文物安防系统中的振动传感器进行混合源信号的优化处理，通过独立量分析变换将混合信号分离成单个信号，再经过小波变换处理后和自定义比对库中的预定值进行匹配，从而确定是否报警。设计提高振动传感器对振动源的识别度，降低振动传感器的误报警率，达到对目标信号源的优化识别。

关键词：姿态传感器；小波变换；野外文物安防；优化

中图分类号：TP277

文献标识码：A

文章编号：1001-2257(2015)07-0064-04

收稿日期：2015-03-26

作者简介：陈中孝(1963)，男，陕西渭南人，教授，研究方向为变配电系统和建筑电气的工程设计，生产过程的自动化、智能化以及智能化仪表等；王沛(1991-)，男，陕西西安人，研究生，主要从事控制工程研究。

Abstract：A system of security in the field of cultural relics is proposed. Vibration sensors are used to optimize the mixing of the source signal, the mixed signal is converted into a single signal separation through independent quantitative analysis, and the wavelet transform processing is used to compare the signal with a predetermined value in the library in order to determine whether to set off the alarm. The design enhances the degree of recognition of the vibration sensors sources, reducing the false alarm rate of the vibration sensor, to achieve the optimization of the target signal source identification.

Key words：vibration sensor;wavelet transformation;wild heritage protection;optimize

0引言

目前，大型野外文物保护措施比较单一，大多加装的是红外对射探测器、激光对射探测器和光纤防越栅栏等。

红外、激光对射探测器具有操作简单价格低等特点，不足之处在于易受弯曲复杂地形影响，不适于恶劣天气，误报警率较高。光纤防越栅栏可靠性和稳定性好，但成本太高。因此，提出一种紧贴在文物上的地埋式姿态传感器的信号优化设计，该种优化算法能将振动传感器采集回的信号通过ARM工业平板中转最后上传至上位机监控进行分析，区分出采集信号源是人力还是自然力(如风力、地震等)发出的，从而判断文物是处于正常状态还是被盗抢状态，减少人力资源的投入，提高文物保护的效率。

1系统整体框架

监测系统现场架构如图1所示。

1-野外大型文物(以石碑为例)；2-现场碎石；3-地平线；4-振动传感器；5-网络节点；6-通讯链路；7-路由节点；8-无线通讯设备；9-中心节点；10-RS232串口；11-上位机报警监控。图1　文物监控现场架构

野外文物监测系统构架上分为3部分：电源管理系统、现场监测部分和远程监控中心。电源管理模块主要是控制对蓄电池的充、放电以及模块之间用电量的智能分配，先将太阳能电池板采集到的电流储存在蓄电池中，通过人为设定以及单片机对电量的控制分配，达到对蓄电池的合理利用；现场监测部分包括石碑上和周围环境中加装的传感器。这三者构成了底层数据的采集和向上的发送，在整个系统中只负责检测功能；系统监控中心位于整个框架的最顶层，接收来自底层采集的数据并借由网络进行数据传输，对上传数据进行一个判断和处理，集成了报警控制软件，是整个系统的上位机部分。

2传感器设定

传感器部分包含了温湿度传感器、风速传感器和姿态传感器，这些模块都是以保护文物的安全存放为前提协调运行的。

姿态传感器通过检测文物三维的姿态角、加速度以及其振动的波形是否超过阈值设定，而判断异常的来源到底是来源于人为触动还是自然环境影响所致，从而认定文物是否处于危险状态。

现场的环境复杂多变，因此，如何能有效的识别振动信号的来源，降低振动传感器的误报警，具有重要的意义[1]。

3系统逻辑分层

野外智能文物监测系统总体分为中心监控层、网络连接层和数据采集层；包括多个网络节点控制多个姿态传感器、多个路由节点、1个中心节点和1个上位机。下层为上层服务，网络节点、路由节点、中心节点之间通过无线通信来进行数据收发；可实现一处监控中心对某一片区域内的多个野外文物散布点进行实时监控[2]。系统整体结构如图2所示。

图2　系统总体结构

每一个网络节点可连接多个姿态传感器，这些传感器随文物分布在不同地方，网络节点、路由节点和中心节点之间通过无线通信来连接。每个网络节点和最近的路由节点进行通信。

中心节点主要包括数据的处理和通信。它将网络节点、路由节点和上位机监控软件之间联系起来。上位机报警监控软件通过串口给中心节点发送控制命令给网络节点和路由节点，网络节点将振动传感器采集到的数据通过路由节点发送至中心节点，中心节点通过RS232串口发给上位机软件并由其判断是否报警。

路由节点主要包括数据的处理和通信。它可以实现在中心节点和网络节点之间的中继转发作用[2]。

网络节点主要包括数据的采集处理和通信。它主要分布在文物周围，和姿态传感器在一起，负责实时采集姿态传感器收到的数据，并将数据通过路由节点上发至中心节点处理。当姿态传感器传回的数据信号经分析后，异常则将入侵信号发送至上位机并进行报警处理，同时通知工作人员到现场查看。

4系统上位机结构

位于报警监控中心的系统上位机软件，集合了数据的接收、分析、判断处理、返回指令4部分，包含用户界面、数据监测分析层、控制层和通信层。

用户界面指的是用户直观所看到的界面，即用户对当前系统是否处于监控状态的操作选择。另用曲线和坐标以及对话框显示当前的振动曲线和温湿度值的大小。

数据分析层指的是当新的入侵信号被传输到上位机时，上位机首先从传感器采集的信号中分离出载波信号和振动信号，再用快速独立量分析变换分离出各路源振动信号，然后对源振动信号采用小波变换方法进行分析，提取出源振动信号低频分量的小波系数，将每组振动信号的小波系数和信号测试函数库中各组小波系数N的欧氏距离d(yi，ni)进行比较，找出最小的欧氏距离，当Y-N→0时，则函数数据库中对应的该组数据即为与要查找的振动信号最相近的一组信号，并做出相应的报警处理[2]。

控制层指的是用户通过上位机直观操作界面，下达对路由节点、网络节点、中心节点的控制指令。系统监控软件对入侵信号的分析如图3所示。

图3　信号采集后进行分析的流程

5算法分析

野外现场的振动传感器从周围环境采集到混合的杂波信号，从这些混合信号中分离出某一路或几路信号进行分析和处理。由于信号源的不可知性使这一过程成为盲信源分离问题，通过独立分量分析方法可对含有相互独立的真实信号和噪声信号的混合信号进行分离，达到对信号源的有效识别。

独立分量分析方法[3]是一种把混合信息分解成具有统计独立性成分的线性组合的新方法，它能够有效地提取混合信息的主要特征。该算法是一个优化算法，其目标函数在于实现独立成分的最大化非高斯性，该目标函数的设定可由中心极限定理直观地推出。中心极限定理表明，在大样本条件下，独立随机变量的和趋于高斯分布。独立成分模型[4]表明观测变量是独立成分的线性组合，独立成分比任何一个观测变量更偏离高斯分布。通过用负熵作为度量，对输出向量y的各个分量进行非高斯性度量，来判断是否得到独立信号源。

针对姿态传感器的多信号分离采用快速独立量分析算法的具体步骤为：

a.将传感器采集到的混合信号x除去均值球化后得z。过程如图4所示。

图4混合信号x的均值球化

b.对

u

i

(0)任意取值，要求

u

i

(0)||

2

=1。

表1f和f′的取值

F(y)f(y)f'(y)1a1logcosa1ytanha1ya1[1-tanh2(a1y)]-ey22ye-y22(1-y)e-y22y4y33y2

e.看函数是否收敛，如果未收敛则回到步骤c，反之输出最终ui(k+1)=u。

f.得到独立信号分量y=uTz。

在杂波信号分离完成后要对单个信号进行分析，来判断哪个信号是人为盗抢文物发出的，哪个信号是周围环境的风力、噪音、地震等干扰产生的，这样就要用到小波变换来对信号进行放大和平移处理。

6小波变换与多分辨率分析

小波变换是一种能同时在时间(或空间)和频率域进行局部化信号分析的新方法[4]，在时域(空域)和频域都有良好的局部化性质，由于对高频成分采用逐渐竟需的时域取样步长，从而可以将信号的任意细节放大并聚焦[5]。

其内在实质就是将信号空间中的任意函数f(t)表示为其在不同伸缩因子a和平移因子b的小波序列上的投影。适当地选择基本小波，使φ(t)在时域上为有限支撑，ψ(t)在频域上也比较集中[6]，不同的小波序列结果会对应不同时间频率宽度的小波，可以和信号的相应位置进行匹配，这样可使小波变换在时、频两域都具有表征信号局部能力的特征，综合成一种时、频联合分析方法，有利于检测信号的瞬时状态。

连续小波变换公式(CWT)为：

WTf(a，τ)=〈f(t)，ψa，τ(t)〉=

(1)

多分辨率分析的基本思想可描述为对于函数f(x)∈L2，可以看作某一逐级逼近的极限。每一级的逼近都是用某一个低通滤波函数φ(x)对f(x) 平滑作用的结果，低通滤波函数φ(x)也逐渐伸缩，即就是用不同的分辨率来逐级逼近f(x)[7]。

由小波变换的多分辨率分析方法可得，在信号空间L2(R)上的任意函数f有多分辨率分析：

(2)

对上式两边同时做内积处理，并因为φ和ψ具有的正交归一特性则可得：

(3)

(4)

{hk}(k∈Z)和{gk}(k∈Z)是一组滤波器序列，可以认为是理想低通滤波器H0和理想高通滤波器H1，利用其将信号分解到不同且独立的频率上[8]。

每次小波分解完的小波系数对应信号的不同频率部分，逐级将这些小波系数和自定义函数比对库中的各组小波系数进行对比，如果不满足报警条件则继续向下进行二分查找，最终找出符合条件且距离最为相近的1组，即为姿态传感器采集到的人为触发的信号，作报警处理。

7结束语

解决了处于露天野外现场环境可能产生的杂波信号错误分析问题，将现场信号进行高精度处理，分离出由风扰、噪音、地震等非人为盗抢因素产生的对文物看护的错误报警信号。

信号处理中针对的是盲信号源分离问题，依据独立量分析并通过独立量分析进行变换，将杂糅在一起的很多信号分离成单个可供处理的信号，方便于后续的信号分析。

在对分离出的单个信号作处理的时候采用了小波变换，其优点在于在信号的低频部分具有较低的时间分辨率和较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，适合于分析非平稳信号和提取信号的局部特征，有利于野外文物看护环境下的杂波信号分析处理。

参考文献：

[1]田晓凤，于春和.基于振动传感器的周界围栏报警监控系统设计[J].沈阳航空航天大学学报,2012，29(5)：44-47.

[2]吴瑞娜.无限周界入侵监控系统与入侵信号识别研究[D].西安：西安科技大学,2010.

[3]胥永刚，张发启，何正嘉.独立分量分析及其在故障诊断中的应用[J].震动与冲击,2004，23(2)：103-108.

[4]Newland D E.An introduction to random vibrations,spectral & wavelet analysis [M].3nd ed.Dover Publications,2012.

[5]Jutten C,Herault J.Blind separation of sources[J].Signal Processing,1991,24(1):1-24.

[6]蒲会兰，丁世文，鲁怀伟，等.小波变换及其在信号去噪中的应用[J].现代电子技术,2012，39(19):52-55.

[7]尹海昌，栾海妍.基于小波变换的单通道盲分离中源信号数目估计算法[J].科学技术与工程,2012，12(20)：5039-5043.

[8]覃武，庹立权，刘鹏，等.基于虚拟仪器的生命信号小波变换分析技术[J].电子测量技术,2012,35(1):100-103.