（测试计量技术及仪器专业论文）输油管道防盗检测中盗警模式识别技术研究.pdf

南京航空航天大学硕士学位论文捅要本文主要研究了输油管道防盗监测系统中盗警模式识别技术的实现以及整个监测系统软件部分的设计和实现。在实现输油管道安全监测系统过程中，首先需要解决盗警信号类与非盗警信号类的识别问题。本文通过对管道的盗警信号类与非盗警信号类信号的特性和特征值的研究，利用多特征参数的统计模式识别方法，通过对大量采集信号进行分析计算后，选取出有效的特征量，并且通过实验验证，取得了良好的分类效果，有效地解决信号的识别问题。然后综合利用串口通信技术、多媒体技术及面向对象编程技术等技术，) 1 ：发出一套管道安全远程监测系统有效地实现了对输油管道的安全监测，达到了设计要求。本文主要分为两个部分：盗警模式识别技术研究、远程监测系统的软件实现。第一部分，主要讨论了盗警模式识别技术研究的研究背景和相关理论，并对盗警信号类与非盗警信号类的信号进行了分析识别，得出实验结果。第二部分，主要讨论了管道安全远程监测系统中软件的设计和实现。关键词：输油管道，模式识别，远程监测系统，c + + ，单片机堕垫堂堂堕童丝型生堡竺墼垫堡型丝查婴壅a b s t r a c tt h i sd i s s e r t a t i o nf o c u s e so nt h ea p p l i c a t i o no fp a t t e r nr e c o g n i t i o nt e c h n o l o g yo ns t r e s sw a v eb a s e do i ls t e a l i n gr e m o t em o n i t o r i n gs y s t e mf o rt h eo i lp i p e l i n e sa n dt h er e a l i z a t i o nt h ew h o l es y s t e m ak e yp r o b l e mt ob es o l v e di nt h i ss y s t e mi st or e c o g n i z et h es i g n a lm a d eb yt h es t e a l i n g t h i sp a p e re m p l o y sas t a t i s t i c a lp a t t e r nr e c o g n i t i o nm e t h o do fm u l t ic h a r a c t e r i s t i cp a r a m e t e r st oa n a l y z et h eo i ls t e a l i n gs i g n a l sa n do t h e rs i g n a l sp r o p a g a t e dt h r o u g ht h eo i lp i p e l i n e a f t e ra n a l y z i n gag r e a td e a lo ff i e l dd a t a ，e f f e c t i v ec h a r a c t e r i s t i cp a r a m e t e r sa r ep i c k e do u t t h r o u 【g hf i e l dt e s t s ，g o o dc l a s s i f y i n ge f f e c ti sa c h i e v e da n dt h ep a t t e r nr e c o g n i t i o no fs i g n a l si np i p e l i n e si sw e l ls o l v e d b yu s i n gt h et e c h n o l o g i e so fs e n s 0 5d a t aa c q u i s i t i o n ，c o m m u n i c a t i o n ，m u l t i m e d i aa n do o p ( o b j e c to r i e n t e dp r o g r a m m i n 曲，t h i ss y s t e mi sd e v e l o p p e dt op r o v i d ear e a l t i m em o n i t o r i n gm e t h o df o ro i lp i p e l i n e t h i sd i s s e r t a t i o nc a nb ed i v i d e di n t ot w os e c t i o n s ：t h er e s e a r c ho ft e c h n o l o g yo fp a t t e r nr e c o g n i t i o no fs t r e s sw a v e ss i g n a la n dt h er e a l i z a t i o no fs y s t e m ss o f t w a r e t h ef o r m e rs e c t i o ni n c l u d e st h er e s e a r c hb a c k g r o u n do fp a t t e r nr e c o g n i t i o n ，t h ep r o c e s so fs i g n a lr e c o g n i t i o na n dt h er e s u l t so ft h ee x p e r i m e n t s ，w h i l et h el a t e ro n ed i s c u s s e st h ed e s i g na n dr e a l i z a t i o no f t h es y s t e ms o r w a r e k e yw o r d s ：o i lp i p e l i n ，p a t t e r nr e c o g n i t i o n ，r e m o t em o n i t o r i n gs y s t e m ，c + + ，m i c r o c o n t r o l l e r2南京航空航天大学硕j ：学位论文第一章绪论本文主要研究了输油管道防盗检测中对盗警类信号的模式识别技术，并开发了应用该模式识别技术的管道安全远程监测系统。本文不仅详细地研究了相关的盗警模式识别技术的具体实现，而且还介绍了本监测系统软件的具体开发技术。本章主要介绍了本课题的提出、课题的研究背景、模式识别的基本知识和本课题具体的研究内容。1 1 本课题研究的背景和实现目标随着经济建设的发展，石油作为一种重要的能源和原料，在工业和生活中的作用也越来越重大，其价值也越来越多地为人们所重视和关注。由于石油所发挥的巨大作用，因此被人们称为“黑黄金”。石浊从浊田的矿井中开采出来，到被运送到工厂加工，一般采用管道运输。石油的管道运送是个经济、清洁和快捷的运送方式，也是被全国各个油田普遍采用的石油运送方式。但是，由于被石油所蕴藏的巨大经济利益所驱使，不少违法犯罪分子，利用石汕从矿井到油库的管道运送过程，通过在地下输油管道上钻孔，私自接上小管道从而盗窃石油，牟取非法利益。近年来，这样的盗窃石油案件在全国各油田屡有发生，中央电视台也有不少报道。这种犯罪行为不仅对石油传输管道的的安全造成了严重的威胁，并且给国家造成了巨大的经济损失。但是由于输油管道大多铺设在野外，不但大都地处偏僻之处，而且一般管道距离很长，仅仅依靠管道安全管理人员的人工巡查，显然既没有效率又浪费时问，不能有效解决管道安全的防护问题。虽然现在已经有许多管道安全监测系统被投入使用，但是到目前为止，还没有一套有效的管道安全监测系统得到推广应用。因此非常迫切需要开发出一套成本低廉、防护有效的管道安全远程监测系统，使系统能在盗窃石油事件或者破坏管道安全事件发生时及时发现异常情况并进行报警。而在开发管道安全的实时监测系统中，如何实现及时有效的发现管道上发生地盗油钻孔事件，就成为实现管道安全监测系统的技术关键。它的实现具有重大的社会和经济意义。本文考虑采用以管道壁上盗油钻孔时产生地应力波为检测信号，通过对此检测信号的识别，从而可以实现对盗窃石油事件的及时发现，实现远程监测系统。模式识别技术是研究用机器代替人去识别、辨识客观事物的学科。它是近几十年得到迅速发展而形成的具有系统理论和方法并得到广泛应用的学科。在许多地方得到了成功的应用，例如应用于遥感数据分析、地震波解释、自动视觉检验、非数字系统( 如机械设备) 中的故障检出和分析、医学数据分析、文字识别、语言识别等领域。无疑模式识别技术为解决管道上盗油钻孔产生的应力波信号的识别，提供了一个好的l输油管道防盗检测中盗警模式识别技术研究研究方向和解决方法。因此本课题将研究模式识别技术在输油管道盗窃警报上的具体应用，并且还将研究管道安全远程监测系统的实现。本课题的研究目的是采用模式识别技术，通过对管道壁上盗油钻孔时产生的应力波信号的识别，实现对破坏管道安全的盗油事件的识别，并且在此基础上开发出一套完整的输油管道安全远程监测系统。1 2 目前的研究现况现在，已经开发出许多管道安全监测系统，而这些管道安全监测系统按其实现方式，主要可分为以下两种：一种是通过测量输油管道内部液体压力变化信号和流量变化信号而实现的管道安全系统2 】【3 】，另一种是通过测量超声波信号而实现的管道安全系统【4 】【5 】 6 【7 】。但是在实际应用中，由于管道内液体流动的影响、管道i l 径的不规则变化以及管道运送中对液体地加压等因素，使得测量管道内压力变化和流量变化缺乏可靠性且效果不明显：而由于管道传送现场存在的大量干扰，使得对超声波信号测量同样不可靠。因此目前按照以上方法所实现的系统的效果都不理想。利用漏磁检测技术【8 】 9 】 1 0 】【实现管道安全监测，是目前研究的方向，主要通过利用漏磁原理检测管道，但是不适用于本场合。国外在管道安全检测中，已经进行了大量管道检测机器人【6 的研究。管道检测机器人是一种在管道内走动的机械装置，可以携带一个或多个传感器及操作装置( 如c c d 摄像机、位置和姿态传感器、超声波传感器、涡流传感器等) ，在操作人员的远距离控制下进行一系列的管道检测。国内也已经开始研究，但还处于研究实验阶段。而本文则采用对管道盗窃钻孔产生的应力波信号 进行检测识别，从而实现管道安全的远程监测系统。该系统能够有效的在破坏管道安全事件发生时，管道漏油发生前就监测到破坏事件，并且进行报警，从而为管道安全管理人员提供了充分的处理时间。这是以往该类型的监测系统都不能实现的。这是本系统和以往其他监测系统相比，功能上的一大特点。1 - 3 模式识别的基本概述1 2 】【1 3 】【1 4 1模式识别诞生于二十世纪二十年代，随着四十年代计算机的出现，五十年代人工智能的兴起，在六十年代初迅速发展成为一门学科。它所研究的理论和方法在许多科学和技术理论中得到了广泛的重视，推动了人工智能系统的发展。扩大了计算机的应用领域。几十年来，模式识别研究已经取得大量的成果，机器智慧是当前一个重要的技术领域。模式识别往往是由许多相关理论和技术组成的一个整体，它涉及了许多学科领域和研究方向，如自动控制理论、计算机科学、人工智能等。但是，由于模式识2南京航空航天大学硕士学位论文别涉及到很多复杂的问题，现有的理论和方法对于解决这些问题还有许多不足之处。因此，在实际中应用和发展模式识别理论是一个富有挑战性的前沿研究方向。模式【1 5 】【1 6 广义上说，存在于时间和空间中的可以观察的事物，如果可以区别它们是否相同或是相似，都可以称之为模式。模式往往表现为具有时间和空间分布的信息，因此人们把通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息称为模式，而把模式所属的类别或同一类中模式的总体称为模式类( 或简称为类) 。也有人习惯于把模式类称为模式，而把个别具体的模式称为样本。模式识别的作用和目的也就在于面对某一具体事物时能将其正确地归入某一类别。1 3 1 模式识别方法和发展状况m i l l 9 ii z o l l 2 l j用来解决模式识别问题的许多不同的数学技巧可综合成两种一般的方法，即统计法( 或决策论方法) 以及句法方法( 或语言结构法) 。在统计法中，从模式中提取一些叫做特征的特性度量；把每一个模式指定到一个模式类的识别通常是用划分特征空间的方法来实现。过去的几十年，模式识别的大多数研究工作是围绕着统计方法，应用方面包括文字识别、谷物分类、医学诊断、心电图分类等。在统计法中，模式的分类是基于从输入模式中提取的一组选择好的特征，取代了把输入模式与模板进行简单的匹配，假定这些特征的度量对于通常所遇到的变化和畸变是不变的或不敏感的，并且包含比较少的冗余度，在这种前提下，一般可以认为模式识别包含两个问题。第一个问题是应该从输入模式中提取什么样的特征，一般说来，决定度量什么是相当主观的，而且与实际情况有关( 例如，度量的有效性，进行度量所花费的代价等) ，但是到现在为止只有很少选择特征度量的一般理论，不过。关于在一个给定的度量集合中选择一个子集或确定特征的次序。己经有了一些研究，通常是以在描绘模式时特征的重要程度，或者以特征对于识别性能( 识别的精确度) 的贡献作为根据，提出特征选择或者排列特征次序的准则。模式识别的第二个问题是根据所选择的特征的度量进行分类的问题( 或者是作出决策把输入模式指定到某一类中) 。从输入模式中提取特征的度量器件或机器称做特征提取器，实现分类功能的器件或机器称为分类器。一般的说，模板匹配法可以看成统计方法的一种特殊情形，在这种情况下，模板以特征度量的形式存储起来，且分类器用匹配这一特殊的分类准则。对于某些类型的模式识别问题，描述模式的结构信息起着重要的作用，而识别过程不仅包括把模式指定到某一特定类( 对它进行分类) 的能力，而且还包括描述模式为何不是其他类的能力。在这种类型的模式识别问题中，所考虑的那些模式通常都是非常复杂的，而且一般来说模式类的数目很大，这就使得用一些比较简单的子模式组输油管道防盗检测中盗警模式识别技术研究成层次结构来描述一个复杂模式的想法非常有吸引力，同样，当模式比较复杂，且可能的描述数目很大时，认为每一种描述确定一类是不实际的，例如指纹和面孔的鉴别问题，连续语音的识别，识别中文字符等。因此，只有对每个模式进行描述才能满足识别的要求，而不是简单的分类所能胜任，为了表示每个模式的象树状一样的层次结构信息，即用一些比较简单的子模式来描述一个模式，每个比较简单的子模式又用更加简单的子模式来加以描述等等，已经提出了句法或结构模式识别方法。1 3 2 模式识别研究技术的基本问题m 】1 2 3由于模式识别是一门新兴学科，下面将要介绍其相关的一些基本问题。1 模式类的紧致性为了能在空间中进行分类，通常假设同一类的各个模式在该空间中组成一个紧致集。从这个紧致集中的任何一个点可以均匀地过渡到同一集中的另外一个点，而在过渡中的所有各点都仍然属于这个紧致集，即属于同一模式类。此外当紧致集中各点在任意方向上有某些不大的移动( 相应于被观察对象有某些微小的变形) 时它仍然属于这个集合。假若每个模式类都满足这个假设，则解决模式识别问题就不会碰到什么原则上的困难了。因此可以设计出一种变换方法，使测量空间上属于同一类的所有各点都映射到特征空间上的同一点，而把另一类的所有各点都映射到特征空间的另外一点，且使这两点相隔一个显著的距离。显然，在这个特征空间中，模式类是满足紧致性假设的。因此，只要各个模式类是可分的，就总存在这样一个空间，使变换到这个空间中的集合是满足紧致性要求的。这样一种变换只能在解决识别任务的过程中来求取，是和具体问题紧密相关的，现在还没有解决这种变换的有效理论和方法。2 相似与分类模式识别是把具体事物归入某一类别的过程。要进行归类，首先要有类存在。通常设计模式识别系统时，分类标准是人为地从系统外给定的，通过设计或有监督的学习过程使系统能完成特定的识别任务。研究相似和分类这样的认知基本问题，有助于深入理解模式识别。集合的概念可以表现已经分好的类。但对于分类和归类的实现缺乏指导意义。分类的复杂性，在于不存在纯客观的分类标准，因为任何分类都是带有主观性的。在实际应用中，往往依靠经验，并且由行为的成败来检验分类的正确性。3 特征的生成4南京航空航天人学硕士学位论文特征是决定相似与分类的关键。当分类的目的决定以后，如何找到合适的特征就成为认知与识别的核心问题。从输入的原始信息得到特征通常需要复杂的非线性运算，直接找到这种算法是很困难的，但可以由简单到复杂得逐层提取特征。因此，要设计一个系统，这个系统必须拥有足够多的选择特征。可以根据待讨论特征的不同生成方式，把特征粗略的分为底层，中层，高层三个层次。底层是最靠近信息输入端的一层，这一层最直接地受到信息源物理特征的影响，对于不同的输入，通过处理得到的特征也大不相同。中层特征可以在底层特征的基础上通过学习逐步建立起来，但是中层特征的学习与高层所依据的e l 的与行为有所不同。高层特征比较具体和专门化，服务于具体的目的与行为：中层特征则是为高层特征做准备，更注重通用性。因此建立中层特征所依据的是能否建立稳定、可预测的客观世界图景，需要依据某种关于客观世界的不变性假说。在此基础之上，从中层特征中选择组合出高层特征以适合具体的特定目的。中层特征为高层特征提供了原料和常识背景，依次可以容易得发现特定事物区别与一般事物的明显特征，再通过行为的成败从中选择关键特征。1 4 本文的研究内容本文主要研究了如何根据输油管道上采集到的应力波信号，按照模式识别技术的相关理论，研究模式识别技术的具体应用，提取出应力波的有效识别特征，实现对输汕管道的盗警信号类和非盗警信号类的有效识别和区分，并且将该研究技术应用于实际，进行输油管道安全实时监测系统的软件部分设计开发。本文工作就是对现场采集到的信号进行分析，从大量特征值中筛选出具有比较好的准确性的特征量，从而实现有效的信号模式识别，并实现一套管道安全的实时远程监测系统。因此本文在涉及到模式识别技术的应用研究同时，还要应用软件分别进行监测系统中单片机和微机上的程序开发。输汕管道防懦检测中谳警模式u 川技术研究第二章管道检测的实验研究为了能够获得应力波信号数据，作者先后三次到输油管道现场，前后总共进行了一个多月的现场数据采集工作。在本实验准备过程中综合考虑各项因素后，测试方法采用最为常用的电测泫，选用某型传感器作为接收探头，采用人工加冲击的方法，分别选用锤、钎、铁钻头作为激励源( 这种大能量的激励方法可以使产生的应力波传播距离更远，从而易于实现对管道的长距离检测，而且接近真实情况) 。通过本实验研究，希望能找到在特定加载方式下输汕管道中应力波的特性。在此基础上，研究在管道上盗油钻孔事件发生时，传感器所采集到的应力波的特性，进而提取能有效识别的特征量，实现对管道上盗油现象的识别，以及对盗油钻孔事件发生地点的精确定位等研究目标。本文的实验工作分为两部分：l ，在管道上安装不同结构的传感器，分别用所选工具，用人工加冲击的方法，采集应力波，研究其在管道中的传播特性。2 在相同的现场条件下，采集管道上由各种干扰源( 如拖拉机、人、砖窑等)所产生的应力波，研究特性。2 1 实验方法与裟置介绍1 试件的选择和实验方法本文的研究目的是为了识别盗油钻孔产生的应力波信号以及定位，所以需要尽可能地模拟出盗油钻孔的真实现场。因此，在选择实验工具的时候，特别选择了钎和铁钻头，以及普通的炭钢镀锌管( 这些工具都曾经被用来进行盗油钻孔) ，这样保证了实验采集数据的可靠性。通常，测量应变选用电阻应变片，可能效果会明显些，但是考虑到实际工程应用，所以实验中选择便携式传感器。由于菜型号传感器，其安装和携带方便而且测量的灵敏度和精度都较高、对环境的适应能力较强，可以在低温、高温使用，并且测量范围广，尤其在锤等激励信号的频段内响应好等优点所以选用该型号传感器。但由于需要研究应力波在纵向、横向的不同传播特性，而所选用传感器不能直接使用。因此在本实验中，又对所选传感器进行了改进，加工成了两种不同结构的特殊用途传感器，以实现对应力波不同方向的采集。在实验现场，由于管道埋在地下，所以每次安装传感器的时候，都要特别注意，保证正确安装使传感器的基底和基座无缝隙，这样才能达到最佳的测量效果。同时，为了防止被腐蚀和脱落，传感器的引出导线与传感器的连接处，都用铝套6南京航空航天大学硕士学位论文封装，并且用硅胶进行密封。将传感器安装以后，都必需为传感器加上防护套，并且填土掩埋。2 本实验所用主要设备本实验用主要设备如下：1 某型号传感器2 便携式数字示波器3 个人电脑4 便携式电源5 数据采集板6 锤、钎、铁钻头、炭钢镀锌管2 2 实验过程4 套1 台1 台l 台4 块各l 件输油管道图2 - 1 管道数据采集实验图根据应力波产生的机理，当管道上受到冲击时，产生的短时冲击载荷会在管道中激励出沿管道方向传播的应力波。经过一段时问后，应力波将会传播遍历整个管道，从而在管道相应位置布置的传感器将感应该点的应力波。因而传感器信号将反映应力波信号随时间的变化规律，由此可以采集到应力波信号。同时可以随时通过改变加载强度的大小来调节激励强度，实现不同情况下信号的采集。为了研究钻孔所产生的应力波在管道上传播的特性和应力波在纵向、横向的变化性能，分别按照下列步骤进行：在一段距离的管道两侧分别安装了改进的两个传感器，并安装好其他各项设备。然后在管道中间选定实验地点，用卷尺进行距离的度量，分别记录实验地点与两输油管道防盗检测中盗警模式识别技术研究端传感器之间的距离。在实验地点进行挖坑( 由于输油管道埋在地下) ，分别使用锤、钎、铁钻头、炭钢镀锌管进行冲击实验，同时记录传感器数据。不断变换地点，反复进行以上步骤。对干扰源产生的应力波信号采集的过程与此类似。下面是进行本实验所采集到的相关应力波图。“ ”。伊“_ 小_采样点价呆样点，卜( a ) 检测到的纵波信号( b ) 检测到的横波信号图2 2 距离传感器一百米处测的信号在对现场信号多次采集后，发现横波信号的衰减速度要大于纵波信号，所以在以后的信号采集中，只采集纵波信号。下面是分别在现场用不同工具进行激励所采集到的信号图。捶敲击为激威忏敲击为激励图2 3 距离传感器三百米测量信号葚霉南京航空航天大学硕士学位论文铁钻头敲击为激励蝈管敲击为激励图2 4 距离传感器三百米处测量信号锤敲击为激励忤敲击为激励图2 - 5 距离传感器六百米处测量信号铁钻头敲击为漱厉b蛔警敲击为激励图2 - 6 距离传感器六百米处测量数据通过以上几组波形图片，可以得出这样的结论：管道上钻孔所产生的应力波信号i誊525 ，5o5 ，525。一蠹s2s15o5 ，525。蠹曼誊输油管道防盗检测中盗警模式识别技术研究是变换规则的信号，具有很强的识别性，与干扰信号是容易区分的( 后面章节将有干扰信号的信号图) 。并且发现离传感器较近距离产生的应力波信号，由于它的能量比较大，而且频谱主要分布在1 5 0 0 h z 左右的频带内，所以非常容易识别，其信号与功率谱如图2 7 如示。因此本文以后章节主要讨论对离传感器较远距离产生的微弱应力波信号的识别研究。藿。鲁i ，r2 3 本章小节图2 - 7 距离传感器五十米处信号和功率谱图通过本实验可以得出以下结论：应力波信号是可检测的；而且通过比较，找到了在管道上需要测量的应力波信号，发现应力波信号是可识别的。通过对现场信号的采集，初步发现了应力波信号的变化趋势。在实现完数据采集后，就为后面对应力波信号的识别准备了充分的数据。南京航空航天大学硕士学位论文第三章输油管道防盗检测中模式识别基础理论3 1 模式识别系统组成简介上述在第一章中介绍的两种基本的模式识别方法，即统计模式识别方法和句法( 结构) 模式识别方法。“”。，与此相应的模式识别系统都由两个过程组成，即设汁和实现。设计是指用一定数量的样本( 叫做训练集或学习集) 进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。下面简单介绍基于统计方法的模式识别系统组成。基于统计方法的模式识别系统主要由四个部分组成：数据获取，预处理，特征提取和选择，分类决策，如图3 1 所示：图3 1 模式识别系统的基本构成1 数据获取为了使计算机能够对各种信号进行识别，要用计算机可以运算的符号来表示所研究的对象。通常输入对象的信息有下列三种类型：( 1 ) 二维图像。如文字，指纹，地图，照片这类对象；( 2 ) 一维波形。如脑电图，心电图，机械震动波形等；( 3 ) 物理参数和逻辑量。前者如在疾病诊断中病人的体温以及各种化验数据等；后者如对某参数正常与否的判断或对症状有无的描述，如疼不疼，可用逻辑值即0 和l 表示。在引入模糊逻辑的系统中，这些僮还可以包括模糊逻辑值，比如很大，输油管道防盗检测中盗警模式识别技术研究大，比较大。通过测量采样和量化，可以用矩阵或者向量来表示二维图像或一维波形。这就是数据获耿的过程。2 预处理预处理的目的是去噪声，加强有用信息，并对输入测量仪器或其他因素所造成的退化现象进行恢复。3 特征提取和选择由图象或波形所获得的数据量是很强大的。例如，一个文字图象可以有几千个数据，一个心电图波形也可能有几千个数据，一个卫星遥感图象的数据量就更大了。为了有效地实现分类识别，就要对原始数据进行变换，得到最能反映分类本质的特征。这就是特征提取和选择的过程。般把原始数据组成的空间叫测量空间，把分类识别赖以进行的空间叫特征空间，通过变换，可把在维数较高的测量空间中表示的模式变为在维数较低的特征空间中表示的模式。在特征空间中的个模式通常也叫做一个样本，它往往可以表示为一个向量，即特征空间中的一个点。4 分类决策分类决策就是在特征空间中选用合适的方法把被识别对象归为某一类别。基本做法是在样本训练集基础上确定某个判断规则，使按这种判决规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小。2 模式识别中特征选择方法模式识别中最重要的一个步骤就是进行特征选择，因此以下简单介绍特征选择的方法。在前面的讨论中，都隐含着这样的假定：就是许多特征是预先得到的，特征的初始集合的提取是模式识别系统得以实现的关键，但始终停留在经验的状念，并且依靠于设计者对所处理问题的知识。一般来说，特征的数目应当尽可能地少，尽量减少测量费用和简化设备，这是首先应该考虑的；其次，特征在模式分类中应当非常有效，而且对于一定程度的移动、转动、放大、缩小都应该有不变性。在具体应用中，可以灵活的根据下面介绍的的特征选择分析方法进行特征选择。特征选择问题的分析方法主要有下述几个方面：1 特征选择准则2 维数减缩3 最优特征子集的搜索程序4 维数、样本数、度量复杂度之问的关系以下对这些问题做简要的描述：南京航空航天大学硕士学位论文1 特征选择准则与误差界限特征选择从这样的前提出发；即特征选择的目的在于对误差概率无不利的影响下，减少所用特征的数目，而特征选择的最优准则经常取作b a y e s 误差概率，但是与所用特征集合之间的直接关系，在实际中总是不具备的，于是特征集合功能的不同描述就值得考虑了。本课题所研究的事件，由于事件发生的随机性和不可预测性，其概率就难以估计。在特征选择的领域内，又存在着另外一种矛盾。在非参数情形，易于计算的关于功能的描述，却往往和e 的关系很疏松，相反的，紧密联系于矿从而很逼近于最优情形的，却往往非常难以计算。在最常用的特征选择准则中，有：1 对数e 度量fe q u i v o c a t i o n ) ，定义式如下：厂h = l p ( 姣工) l np ( 哆x ) l p ( x ) a x ；( 3 1 )l i = 1j2 b h a t t a c h a r y y a 数( 在两类的情形) ，定义式如下：曰= 肛( q x ) p ( 珊2 x ) ，”p ( x ) d x ；( 3 2 )采用这些度量导致的误差界限分别是：( 2 i n 2 ) e + h 月( e + ，l e + ) + e l n ( m 一1 )( 3 - 3 )e + b 曰( e 十，1 一e + )( 3 - 4 )2 维数减缩实际上，维数减缩的目的在于确定一个变换，比如z 呻y ( x ) ，它把特征空间q 变到比较低维的空间，使得尽可能保留原来的关于分类的信息，而去掉重复的不可靠的信息( 它们对分类器的设计只会起破坏作用) ，所以维数缩减又叫做特征选择。许多特征选择的方法基于概率的可分性度量，也有其他许多不同的方法，包括用最小平方误差准则，判别分析的各种准则，k a r h u n e nl o e v e 展开以及一系列的经典变换如f o u r i e r , w a l s h h a d a r n a r d 等，不论它们有多好的性质，所有这些技巧都不能保证足以增强类别的可分性，因此在应用时需要充分小心。3 特征集搜索算法当一个适当的特征选择准则已经选定，要从原始的具有d 个特征的集合中选出一个d ( o ，贝0 决瓤l g ( x ) 0 ，所以决策面的法向量是指向辨。的。因此，有时称吼中的所有工在h 的正侧，相应地，称吼：中的所有工在h 的负侧。判别函数g ( x ) 可以看成是是特征空间中某点x 到超平面的距离的一种代数度量。若把x 表示成x ：j 。+ r _ ! ( 3 9 )x ”一w 俪圳式中j 。：是工在上的投影向量，：是石到的垂直距离，0 冬：是w 方向上的单位向量。w l l将式( 3 9 ) 代入( 3 - 5 ) ，可以得到酬2 ”2 ( 。，+ 7 丽) + 。7 或写做r ：丛旦( 3 1 0 )0w | |若x 是原点，则9 0 ) = m 。( 3 一1 1 )将式( 3 ，1 1 ) 代入式( 3 - 1 0 ) ，就得到从原点到超平面h 的距离，：兰l( 3 1 2 )| 1 1 4 i i如果。 o 则原点在日的正侧；若 0 ；在负侧时，g ( x ) 0a3 3 2 设计线性分类器的主要步骤所谓设计线性分类器，就是建立线性判别函数( 3 5 ) 式，在这个式中，未知的只有权向量和闽值权。这说明，设计线性分类器的过程，实际上就是寻找最好的和脚。的过程。而最好的结果往往出现在准则函数的极值点。因此，设计线性分类器也就是利用训练样本集寻找准则函数的极值点+ 和国：的问题。设计线性分类器的主要步骤如下：首先要有一组具有类别标志的样本集婀= “，x 。，x 。) 。如果在样本x 。抽出后，把它作为一个确定的观察值，则这组样本集称为确定性样本集；若把x 。看成一个随机变量，则这组样本集称为随机样本集。第二，要根据实际情况确定一个准则函数，它必须满足：1 ，是样本集吼和g o 、g o 。的函数；2 - ，的值反映分类器的性能，它的极值解则对应于“最好”的策略。第三，用最优化技术求出准则函数的极值解c o 和脚：。这样就可以得到线性判别函数。对于未知类别的样本，只要计算g ( x 。) ，然后根据决策规则( 3 6 ) ，就可以判断x 。所属的类别了。3 4 几何分类法统计模式识别中，有两种分类方法：一种是概率分类法，另外一种就是本文所采用的几何分类法。以下章节将简单介绍几何分类法。在统计分类法的几何分类法中，相似性的区别是通过度量距离量来定义的。“微小差别”指的是距离量在一个阈值之下。在这里，如果两个模式的特征或其简单的组成部分仅有微小差别，则称两个模式是相似的。在模式识别中一个最原始、最基本的方法是模板匹配法( t e m p l a t em a t c h i n gm e t h o d ) 。1 模式匹配的实现它是通过对一个未知模式，逐个与模板匹配，求出最小距离来，再进行判别加以1 6南京航空航天大学硕士学位论文识别。目前在进行文字识别、语音识别中，模式匹配法仍然是较为重要的方法之一。2 相似性度量相似性度量即指两模式的特征仅有微小差别。最简单和直观的分类方法，是直接以各类训练样本点的集合所构成的区域表示各类决策区，并以点距离作为样本相似性( 类似度) 量度的主要依据，即认为空间中两点距离越近，表示实际中两样本越相似。3 几种重要的距离函数为使模式空间中的点x ，y ，z 的距离，能作为这些样本间相似性的度量，除应预先进行各维量度的归一化以外，所选的距离函数还应满足下列条件：d ( x ，y ) = d ( y ，x )d ( x ，y ) s 矗( x ，z ) + d ( y ，z )( 3 1 3 )d ( x ，y ) 20d ( x ，l ，) = 0x = y根据不同的目的，满足以上条件的距离函数主要有1 ) m i n k o w s k y j 距离r 。 ；d ( x ，y ) = i h y 川( 3 1 4 )l z jj2 ) m a n h a t t a n 距离d ( x ，y ) = i x i y j( 3 1 5 )i = j3 ) e u c l i d e a n 距离即欧氏距离。1r 。 id ( x ，y ) = l h y i3 1 6 )l i = jj4 标准样本的距离分类器采用最小距离分类原理，将未知样本x 分类为与其距离最小的标准样本m 。的类别甜即可得分类规则为：d ( x ，m ；) d ( x ，m j )w i x c o i( 3 1 7 )如果有r 个类别0 ) 1 ，0 ) 2 ，c o 。可以用m l ，m 2 ，m r 表示。当采用欧几里德距离时：d 2 ( x ，m ，) = ( x 一肘，) 7 ( x m ) = x r x 一2 mr _ x + m j mj( 3 1 8 )则只要存储r 类标准样本m ，在输入未知样本x 时，按上式计算各类的d ( x ，m ) 值，其值最小的即为x 所属类别。5 分散样本的距离分类器但实际上，样本由于畸变和噪声的影响，总是散布的，其散布情况取决于样本的性质、预处理和特征抽取情况。在各类有分散样本时，根据不同情况，可采用不同的输油管道防盗检测中盗警模式识别技术研究分类方法。1 ) 平均样本法在散布较小时，可由各类的训练样本集，求得其平均值作为标准样本。设有属于，类的s + f 4 a k i ，匕，r s 令m ，= ；窆rof = i( 3 一1 9 )以此作为标准样本，采用前述的最小距离分类器。这种方法最简单，每类只要存储一个平均样本，但是完全没有考虑样本散布对分类的影响。2 ) 最近邻法考虑样本散布的另一种极端分类方法，是以与未知样本x 最近邻( 距离最小) 的点类别作为x 的分类。即x 对类别的距离用它对该类训练样本中的最小距离表示：d ( x ，) = r a i na ( x ，y ：)( 3 - 2 0 )# = i 2 !并以距离最小的类别作为x 的分类：a ( x ，) a ( x ，0 2 , ，)v j i j x 。( 3 - 2 1 )这种简单分类原理可以分割大多数几何可分的类别，这是它的一大优点。但它也要存储和计算所有训练样本；同时在分类时只利用最近邻样本的信息，而未能充分利用所有样本信息，因而极易受噪声影响。以上所述的模式识别方法是用己知所属类别的样本，设计出判别函数，再用此函数来对未知样本分类。这些己知类别的样本，亦称为训练集。这种根据训练集进行分类的方法称为有教师的分类法。本课题所采用的就是这种分类方法，利用已经获得的样本进行综合归类，然后对未知样本进行分类和识别。此外，还有在没有训练集情况下的样本分类问题，即在设计分类器时，所采用的样本并不知其所属类别，而是根据样本间的相似程度来自动地进行分类，这种分类方法叫做聚类分析方法。3 5 本章小节在讨论具体实现信号识别技术研究之前，本章先简单介绍了有关模式识别的基本知识，包括系统组成、特征提取方法和线性函数以及几何分类法等相关知识。这些基础理论为以后对采集信号的具体处理工作指明了实现的方法和基本步骤。南京航空航天大学硕士学位论文第四章采集信号的分析和处理在采集了大量实验数据和掌握了相关模式识别技术知识的情况下，以下工作就是进行对具体的信号的识别。在识别之前，必须对大量采集到的信号进行分析和处理，本章介绍了在信号的时域和频域内对信号特征的相关分析，以及识别的具体实现过程。4 1 信号的时域特征分析在对现场采集完大量实验数据后，对信号整理以后，为了描述方便，将相应的应力波根据盗油现象有无发生，初步归纳为以下两种信号类别：盗警信号类和非盗警信号类，如图4 - 1 、图4 2 所示：图4 。1 一组典型盗警信号类信号的时域波形输油管道防盗检测中洛警模式识别技术研究01 0 02 0 03 0 04 0 0f i 0 06 0 07 0 0b o o9 0 01 0 0 001 0 02 0 03 0 04 0 05 0 06 0 07 0 0b o o9 0 01 0 0 0q1 0 02 0 03 0 04 0 05 叩5 0 07 0 0b o o9 0 01 0 0 0i 。i i i 血11。l1 啊i i - r ”。l。01 0 02 0 03 0 04 0 05 0 06 0 07 0 08 0 09 0 01 0 0 0采样点伦图4 - 2 一组典型非盗警信号类信号的时域波形在已经人为的区分出了两类信号后，将典型的盗警信号类信号波形提取出来，下面开始进行盗警类信号的相关特性研究。如图4 3 所示：h _ ”，v 时呐j帅删忡。”“”4 气# 器n “7 ”“”。图4 - 3典型信号类信号波形在对大量的盗警信号类和非姿警信号类的信号图对比后，通过初步观察，可以得出以下结论：盗警类信号和非盗警类信号都是可以归类的，可以识别出来的，而且盗2 02口22022口25d5d口口口d0d口龃脚警雌廿世铆冬世铆南京航空航天大学硕士学位论文警类信号是突变的，有相同特性的特殊信号，它的变化趋势是逐渐衰减的。以下简单归纳出盗警类信号的物理特征：1 波的持续时间2 波的振幅大小3 波的振幅随时间变换规律4 波峰的数目5 波谷的数目还有其他一些物理特征，但是很难直接观测出和描述出。为了能够有效的进行两类信号的识别，特征必须要有比较好的准确性。如果直接使用这些物理特征去区分信号，在有干扰的情况下，实验证明很难取得比较好的效果。作者实验以波的波峰、波谷数和振幅为特征，对己知样本集直接进行分类，实验得到样本分类的正确率为1 8 ，证明不能取得满意的效果。4 2 信号的自相关函数和功率谱的特征提取因此，针对如图4 - 1 和图4 2 所示两类信号类别，本文是选用多参数统计模式识别方法。首先试验性提出：提取和选用自相关、功率谱中的多种信号特征参数，采用统计模式识别方法，对大量的盗警类信号与非盗警类信号进行各个参数量的计算和综合分析，判断和选择能取得分类性比较好的特征参数。下面先简单介绍一下自相关和功率谱的一些基本概念。自相关和功率谱介绍【2 5 】 2 6 1 2 7 】1 2 8 【2 9 】【3 0 1输入到模式识别系统中的一维信号在很多情况下可以看成是一个各态历经的随机过程的一次实现。经过离散化的这样一个时间序列只是无限多个可能的时间系列中的一个。因此这个时间序列 z ( 月) ) 不能直接作为要进行识别的这个随机过程的代表。若对它进行z 变换，甚至可能得不到一个收敛区域。即使存在收敛区域，同一过程的不同实现可能有很不一样的频谱特性。但假使分析这个过程的自相关序列r ( k ) ( k 是相应的延迟时间) ，则情况就不同了，对于平稳随机过程，用任何一次实现来计算r ( k ) ，都可以得到同样的结果。也就是，自相关序列r ( k ) 是固有的对随机过程的描述。一个平稳的随机过程自相关序列r ( k ) 是对所有整数k 定义的，对r ( n ) 进行z 变换，有r ( z ) = z r o ) = r ( n ) z 叫( 4 1 )输油管道防盗检测中盗警模式识别技术研究由于r ( n ) = r ( 一n ) ，可以证明收敛区是r ， l z l n 盖以) 】_ 寺“争瞰咖) 万1 ( - 则- 1 一岩】眦)因此，除了k = 0 外，它是一个渐近的无偏估计。疋( 是) 的无偏估计是肌i ( 幻2 南薹哟“斛| )( 4 - 4 )( 4 5 )( 4 6 )一般来说，r 。( ) 的均方误差比r u ( k ) 小，因此常用它来估计r ( 女) 。2 周期图由于，s o 一7 ) = r ( n ) e 一”，当用r n ( 女) 作为r ( ) 的估计，可以得到s ( e 一7 )一的估计南京航空航天大学硕士学位论文s n ( 妨= 最。( 岔) 口一且“= 只。( ) p 一脚( 4 7 )可以证明s w ( 叻2 专l ( c o ) 1 2 ( 4 - 8 )式中爿。( ) 是时间序列 j ( n ) ，n = 0 , 1 。，n 一1 ) 的傅式变换。用以上式( 4 7 ) 和( 4 8 ) 计算得到的谱估计叫做周期图，它是的正实值偶函数。容易看到s n ( c o ) 不可能是功率谱s ”( c o ) 的一致估计，因此常用平均化的周期图或平滑化周期图来估计功率谱。设时间序列 x ( ) ) 。n ：o ，l ，2 ，一1 分成k 段，每段的长度是m ：i n ，即、x ( ”) = x ( i m + n ) ；n = 0 , 1 ，m 一1 ；i = 0 , 1 ，k 一1( 4 9 )对每一段都求周期图；：t ，= 吉 篓x “c n ，e 一扣7 2。一。，i = 0 , 1 ，2 ，k 一1由证明可得，各段周期图的平均值，也即平均化的周期图是功率谱密度s ( c o ) 的一致估计量。j k wc 。，= i 1 【 毒k - i j ( 。0c ，c a t ，然而由于s ”( 叻的偏差比s w ( 叻大( 因为每段的数据长度小) ，所以s m ( c o ) 的偏移也s ( 曲比大。此外由于采用有限数量的数据点相当于引入一个矩阵窗，它的谱是原来的谱和矩形窗谱的褶积，而矩形窗谱的主瓣宽度又和窗所包含数据点的数目成反比，因此s ”( ) 的频率分辨率和s ”( ) 相比变差了。为此要很好的选择k 和m 值。此外，用相邻段有覆盖区的各段进行估计后再进行平均使性能有所改善。4 2 1 根据i 刍相关系数函数选择特征参数自相关函数是一维信号的重要数学特征，它能反映波形的总体特征，具有很好的分类性，如主极值参数代表信号的能量，主峰面积代表信号能量分布关系等。前面的章节已经介绍了它的意义和功能。自相关函数示意图如下：2 3塑垫箜堕堕壅笙型! 姿董堡茎墨皇塑兰查兰曼一图4 4自相关函数示惹图从自相关函数中，首先列举出从中可提取的特征参数有：1 主极值，即上式中t = 0 的r 。值2 极小值，即足。的最低值。一般在f ，、2 之间。极小值的出现时间代表了振动信号变化的延续时i 司：3 主峰面积s 。，定义式如下：s m 蛔n = lr 。( v ) d rt 1 2 )4 延时( f ) 内面积s ( f ) ，定义式如下：s ( r ) = 【r 。( f ) d f( 4 1 3 )5 自