1、目的及意义

1.1 研究目的及意义

随着社会发展和科技进步，人们对于隐私和安防意识也逐渐提高，现代化的安防技术得到了广泛的应用。在铁路、军事要地等重要的区域，通过在周界处设置屏障来阻止破坏活动和非法入侵。^[1]但是传统的防范措施会受到诸多因素的影响，难免出现失误和疏漏。所以，需要应用更加先进的周界安防系统构成一堵隐蔽的“电子围墙”来阻止各种非法的入侵活动^[2]。

光纤传感技术从20世纪70年代开始伴随着光纤通信技术迅速发展起来，极大地推动了人类社会的进步，它是以光波为载体、光纤为媒质、感知和传输外界被测信号的一种新型传感技术^[3]。由于光纤光栅具有体积小、熔接损耗小、全兼容于光纤、能埋入智能材料等优点，并且其谐振波长对温度、应变、折射率、浓度等外界环境的变化比较敏感，因此在光纤通信和传感领域得到了广泛的应用^[4]。

在光纤周界振动信号识别过程中，特征提取是关键环节之一，特征提取的好坏直接决定着识别效果的优劣。^[5]同时，在合理地提取了信号之后，如何表征所提取光纤周界振动信号特征，识别出入侵信号和非入侵信号，提高周界安防系统的报警率和降低误报率也是一个需要解决的重要问题。

本论文运用到了SVM算法进行分类识别。SVM理论提供了一种避开高维空间的复杂性，直接用此空间的内积函数(既是核函数)，再利用在线性可分的情况下的求解方法直接求解对应的高维空间的决策问题.当核函数已知，可以简化高维空间问题的求解难度。同时SVM是基于小样本统计理论的基础上的，这符合机器学习的目的。而且支持向量机比神经网络具有较好的泛化推广能力^[6]。

本论文拟通过小波变换提取入侵振动信号的特征向量，再利于SVM（支持向量机）分类器对所提取的特征值进行分类、识别，通过大量实验训练行为样本库，进而验证识别方法的正确性^[7-9]。

光纤传感技术从20世纪70年代开始伴随着光纤通信技术迅速发展起来，极大地推动了人类社会的进步。^[10]近年来，随着信号处理技术和模式识别方法的不断进步，光纤周界振动信号识别研究在国际上取得了较大进展。S．Mahmoud等提出了LC(AdaptiveLevelCrossing)算法提取光纤信号特征，用神经网络进行分类识别，这是一种时域自适应算法，但如何确定自适应阈值大多靠经验，没有一个确定的数学公式^[4][9]；目前，研究较多的是基于光纤干仪技术的周界安防系统，有马赫－曾德、迈克尔逊和萨格纳克等光纤干涉仪技术。^[11]这类系统都很难避免偏振诱导信号衰落问题振诱导信号衰落的方法有使用保偏光纤、偏振控制器（PC）和法拉第旋转镜（FRM）等。^[12]相比于其他两种方法，使用FRM 成本低廉、结构简单，可以很好地克服偏振诱导衰落。此外，判断外界有无入侵扰动的算法主要从时域和频域两个角度出发。从频域角度出发的算法在实现过程中计算量较大，程序运算时间长；而在时域内对信号进行处理分析更为方便和直接。传统的基于时域判断外界有无入侵扰动的算法主要最大值判断。常用的抑制偏法、均值判断法和超过阈值个数判断法。这些方法在使用过程中极易受到随机噪声、外界轻扰和风雨的影响，导致报警准确率下降^[13]。

小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，其数学基础是19世纪的傅里叶变换^[7]。1988年，比利时数学家证明了紧支撑正交标准小波基的存在性，使得离散小波分析成为可能。1989年S.Mallat提出了多分辨率分析概念，统一了在此之前的各种构造小波的方法，特别是提出了二进小波快速算法，小波变换走向实用性^[8][14]。