На правах рукописи

ЗЕНОВ Андрей Юрьевич

АЛГОРИТМЫ ОБНАРУЖЕНИЯ

И ОБРАБОТКИ ИНФОРМАЦИИ

НА ОСНОВЕ ЭКСТРЕМАЛЬНОЙ ФИЛЬТРАЦИИ

В СИСТЕМАХ ПЕРИМЕТРОВОЙ ОХРАНЫ

Специальность 05.13.01 – Системный анализ, управление

и обработка информации (в технике и технологиях)

Автореферат диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2013 1

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет».

доктор технических наук, профессор

Научный руководитель – Мясникова Нина Владимировна

Официальные оппоненты: Прохоров Сергей Антонович, доктор технических наук, профессор, ФГБОУ ВПО «Самарский государственный аэрокосмический университет имени академика С. П. Королева (национальный исследовательский университет)», заведующий кафедрой «Информационные системы и технологии»;

Пащенко Дмитрий Владимирович, доктор технических наук, доцент, ФГБОУ ВПО «Пензенский государственный университет», профессор кафедры «Вычислительная техника»

Ведущая организация ФГУП ФНПЦ «ПО "Старт" им. М. В. Проценко», г. Заречный

Защита диссертации состоится 27 декабря 2013 г., в 14 часов, на заседании диссертационного совета Д 212.186.04 в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией можно ознакомиться в библиотеке Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Пензенский государственный университет».

Автореферат разослан «» 2013 г.

Ученый секретарь диссертационного совета Косников Юрий Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В связи с ростом масштабов криминальнотеррористических угроз наиболее остро стоит проблема обеспечения безопасности территорий и особо важных объектов. Для защиты от противоправных действий разрабатываются технические средства охраны (ТСО), обеспечивающие выдачу сигнала тревоги в случае вторжения нарушителя.

Наряду с основными техническими характеристиками ТСО, такими как вероятность обнаружения и наработка на ложное срабатывание, большое значение имеет скорость выдачи сигнала тревоги.

Обнаружение и идентификация нарушителя в системах охраны периметра представляет собой сложную техническую задачу, что обусловлено высокой скоростью поступления данных, большим объемом регистрируемой информации и жесткими условиями эксплуатации. В настоящее время разработаны и апробированы системы, построенные на различных физических принципах. Наиболее распространены системы охраны периметра, основанные на вибрационном, сейсмическом, радиолучевом, радиоволновом, емкостном, контактном, волоконно-оптическом и инфракрасном принципах действия.

Вопросы построения систем охраны периметра и обработки сигналов рассмотрены в работах Б. С. Введенского, В. А. Дудкина, С. С. Звежинского, В. А. Иванова, А. И. Ларина, A. A. Спектора, Г. К. Чистовой, В. П. Первунинских, В. П. Шевченко и др. Большинство систем, описываемых в работах этих авторов, строится на методах фильтрации сигнала с последующим выделением информативной составляющей и пороговым обнаружением.

Совмещение функций обнаружения и распознавания источника возмущения требует исследования тонкой структуры сигнала. Однако вычислительная трудоемкость информативных методов цифровой обработки сигналов не позволяет использовать их в системах реального времени. Поэтому актуальной является задача разработки методов, удовлетворяющих противоречивым требованиям высокой информативности и быстродействия при заданной достоверности анализа в жестких условиях эксплуатации.

Целью работы являются теоретическое обоснование, разработка и исследование алгоритмов обработки сигналов для систем обнаружения и распознавания, формирование диагностических признаков, позволяющих улучшить эксплуатационные характеристики систем: уменьшить время обработки и принятия решения при сохранении достоверности анализа.

Для достижения поставленной цели в работе решались следующие задачи:

1. Анализ характеристик сейсмических и вибрационных сигналов и выбор универсальной математической модели, отражающей изменения их свойств.

2. Анализ современных методов цифровой обработки для обнаружения сейсмовозмущения и идентификации его источника.

3. Исследование алгоритмов на основе экстремальной фильтрации и выявление их преимуществ по сравнению с классическими алгоритмами спектрального анализа.

4. Формирование диагностических признаков и разработка алгоритмов обнаружения и распознавания нарушителя на основе экстремальной фильтрации.

5. Разработка и исследование алгоритмов обнаружения и распознавания нарушителя на основе нейронных сетей и нечеткой логики.

6. Построение быстрых алгоритмов спектрального анализа на основе время-импульсной модуляции сигнала и аппроксимации сигнала функцией синуса малого аргумента.

7. Экспериментальная оценка эффективности предложенных алгоритмов.

Объектом исследования является система охраны периметра.

Предмет исследования – методы цифровой обработки сигналов и алгоритмы обнаружения и распознавания нарушителя в системах охраны периметра.

Методы исследования. Для решения указанных задач использованы методы математического анализа, теории вероятностей, теории сигналов, системного анализа и имитационного моделирования.

Научная новизна работы:

1. На основе экстремальной фильтрации сформирована система диагностических признаков сейсмических и вибрационных сигналов, отличающаяся тем, что она отражает время-частотные свойства этих сигналов и позволяет проводить экспресс-идентификацию объектов и осуществлять принятие решения.

2. Разработан новый способ время-частотного анализа сигналов на основе экстремальной фильтрации, являющийся аналогом время-частотного распределения Гильберта – Хуанга. Малая трудоемкость и простота алгоритма позволяют использовать его в системах с жесткими временными ограничениями и в вычислителях малой мощности.

3. Предложены алгоритмы обнаружения и распознавания нарушителя на основе нейронных сетей и нечеткой логики. Отличительной особенностью алгоритмов является использование в качестве входов сетей диагностических признаков в виде параметров знакопеременных составляющих сигнала, выделенных экстремальным фильтром. Применение нейросетевых алгоритмов позволяет распознавать объекты, когда выявить отличительные признаки объектов распознавания затруднительно.

4. Разработаны быстрые алгоритмы спектрального анализа сигналов на основе время-импульсной модуляции сигнала и аппроксимации сигнала функцией синуса малого аргумента, отличающиеся отсутствием операции умножения. Применение алгоритмов позволяет существенно сократить время анализа.

Теоретическая значимость работы. Созданы теоретические основы построения систем обнаружения и распознавания нарушителя в реальном масштабе времени на основе универсальной модели сейсмических сигналов и метода экстремальной фильтрации, позволяющего по параметрам знакопеременных составляющих сигнала сформировать систему диагностических признаков.

Практическая значимость работы. Полученные в диссертации практические результаты позволяют улучшить технические характеристики охранных систем, повысить быстродействие систем при сохранении достоверности анализа. Разработанные автором программы обнаружения и распознавания, быстрые алгоритмы спектрального анализа и алгоритмы сжатия-восстановления данных могут быть использованы в системах охраны периметра объектов различного назначения.

На защиту выносятся:

1. Обоснование применения экстремальной фильтрации для формирования диагностических признаков сейсмических сигналов.

2. Способ время-частотного анализа сигнала на основе экстремальной фильтрации.

3. Алгоритм обнаружения и распознавания нарушителя на основе нейронных сетей и нечеткой логики, использующих в качестве входов диагностические признаки – параметры знакопеременных составляющих, выделенные экстремальным фильтром.

4. Быстрые алгоритмы спектрального анализа сигналов на основе время-импульсной модуляции сигнала и аппроксимации сигнала функцией синуса малого аргумента.

Реализация и внедрение результатов работы. Основные результаты диссертационной работы использованы при выполнении фундаментальных НИР: «Теория и методы экспресс-анализа быстропеременных процессов в системах обнаружения, диагностики, распознавания»; «Развитие методов и алгоритмов экспресс-анализа данных для технических и информационных систем», хоздоговорной НИР «Комплексные исследования по повышению эффективности сейсмических охранных систем, работающих при сложной орографии местности и сигнально-помеховой обстановке, на основе адаптивных алгоритмов обработки информации» и в учебном процессе Пензенского государственного университета, что подтверждено соответствующими актами о внедрении.

Достоверность научных положений, выводов и практических рекомендаций, сформулированных в диссертации, обеспечивается использованием методов исследования, адекватных предмету, цели и задачам работы, проверкой алгоритмов на тестовых и реальных данных, результатами имитационного моделирования, результатами опытной эксплуатации созданных программных средств.

Апробация работы. Основные положения диссертации докладывались и обсуждались на следующих международных конференциях: международном научно-техническом симпозиуме «Надежность и качество»

(Пенза, 2010), международной конференции с элементами научной школы «Перспективные информационные технологии для авиации и космоса»

(Самара, 2010), международной научно-технической конференции «Шляндинские чтения» (Пенза, 2010), 53-й научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Москва, 2010), международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (Пенза, 2011), международной научно-технической конференции «Датчики и системы: методы, средства и технологии получения и обработки измерительной информации» (Пенза, 2012), научно-технической конференции «Перспективные информационные технологии в научных исследованиях, проектировании, обучении» с международным участием (Самара, 2012).

Публикации. По теме диссертации опубликовано 13 печатных работ, из них три – в журналах, входящих в перечень ВАК РФ. Зарегистрирован один программный продукт в ОФЭРНиО.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Объем работы:

152 страницы основного машинописного текста, 77 рисунков, четыре приложения на 21 странице. Список литературы содержит 128 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, сформулированы цели и основные задачи работы, методы исследования, научная новизна и практическая значимость, а также представлены основные положения, выносимые на защиту.

В первой главе рассмотрены существующие ТСО, среди которых выделены сейсмические и вибрационные средства обнаружения. Последние обладают рядом преимуществ: хорошей маскируемостью, высокой вероятностью обнаружения, устойчивостью к воздействию климатических факторов, простотой монтажа и эксплуатации.

Принцип действия вибрационных средств обнаружения основан на регистрации вибраций, которые возбуждаются при преодолении нарушителем заграждения или попытках его разрушения. При этом конструкция физического барьера превращается в составную часть чувствительного элемента вибрационной системы обнаружения, а физический барьер обретает свойство сигнализационного заграждения. В сейсмических системах обнаружения воспринимаются поверхностные колебания грунта, возбуждаемые различными источниками сейсмовозмущения (человек, транспорт, сейсмофон). В подобных системах используется пороговый принцип обнаружения, в этом случае факт пересечения охраняемой зоны определяется по превышению некоторого уровня сигнала.

Сформулированы требования к техническим характеристикам систем охраны периметра: вероятность обнаружения не менее 0,95, наработка на ложное срабатывание не менее 100 ч, скорость выдачи сигнала тревоги каждые 3–6 с. Отмечено, что добиться увеличения быстродействия при сохранении достоверности анализа возможно путем усложнения алгоритмов обработки сигналов.

Рассмотрены методы цифровой обработки сигналов, применяемые в системах диагностики и распознавания. Показано, что достоверность анализа (вероятность обнаружения изменений свойств сигнала) растет по мере усложнения процедуры анализа, т.е. она пропорциональна трудоемкости.

К алгоритму обработки предъявляются следующие требования: вычислительная трудоемкость анализа не должна превышать заданного времени анализа; достоверность анализа (вероятность обнаружения) должна быть не менее заданной.

Классические методы распознавания основаны на применении аппарата спектрального анализа. Более информативным является времячастотный (спектрально-временной) анализ, так как он позволяет получить информацию об изменении частотных свойств во времени. Трудоемкость спектрального анализа с учетом жестких временных ограничений зачастую не позволяет применять его в охранных системах, при этом используют набор других характеристик сигнала, быстровычисляемых и, как правило, менее информативных.

Сформулирована актуальная задача разработки быстрых алгоритмов анализа сигналов, позволяющих сформировать полную систему диагностических признаков и решающих правил для работы в системах охраны периметра с учетом жестких временных ограничений. Основой для создания таких методов является универсальная модель сейсмических и вибрационных сигналов, описываемая суммой узкополосных составляющих, аддитивно смешанных с шумом. Информативными параметрами на каждом участке являются частоты и амплитуды (мощности) составляющих.

Рассмотрены современные алгоритмы обработки, позволяющие разложить сигнал на эмпирические моды (знакопеременные составляющие).

Параметры разложения частота fij и амплитуда Aij или мощность ij каждой из Kc выделенных составляющих характеризуют модель объекта S в текущий момент времени ti :

Параметры узкополосных составляющих ij и fij, j 1,..., Kc характеризуют спектр мощности на i-том участке, а их изменение от участка к участку i 1,..., M образует время-частотное распределение (ВЧР) сигнала на интервале наблюдения, разбитом на M участков анализа.

Известен метод разложения на эмпирические моды (Empirical Mode Decomposition, или EMD), который в сочетании со спектральным анализом Гильберта образует время-частотное распределение сигнала (Hilbert-Huang Transform, или HHT).

Существует метод экстремальной фильтрации (ЭФ), также позволяющий выделить знакопеременные составляющие. Применение ЭФ позволяет существенно снизить вычислительные затраты, так как разложение выполняется по более простому алгоритму без вычисления огибающих сигнала с помощью сплайн-интерполяции. Метод позволяет получить экспресс-оценки основных характеристик сигналов, а также сформировать диагностические признаки (параметры выделенных составляющих).

На рис. 1 показано разложение сигнала (рис. 1,а) сложной формы на составляющие с помощью EMD и ЭФ (рис. 1,б–г).

Рис. 1. Разложение сигнала на его составляющие с помощью EMD В обоих случаях выделяются одинаковые знакопеременные составляющие, но при использовании экстремальной фильтрации составляющие представлены своими экстремумами. При использовании экстремальной фильтрации вычисление происходит с меньшими временными затратами.

Следовательно, метод ЭФ может быть положен в основу алгоритма обнаружения по изменению параметров этих составляющих.

Сигналы в системах охранной сигнализации могут быть описаны моделью (1), так как спектры сейсмического сигнала имеют выраженные резонансы, характеризуемые частотой и мощностью, а слои грунта выполняют функцию своеобразных волноводов упругих колебаний, которые в процессе движения человека по грунту возбуждаются на своей резонансной частоте.

Для определения изменений в процессе при появлении сейсмовозмущения предложено заменить трудоемкие вычисления спектральных характеристик сигнала на анализ параметров знакопеременных составляющих, характеризующих спектральный состав сигнала в текущий момент времени.

Вторая глава посвящена исследованию возможностей метода экстремальной фильтрации сигналов для формирования диагностических признаков, используемых в сейсмических и вибрационных системах для обнаружения и распознавания нарушителя.

В основе экстремальной фильтрации лежит адаптивная полосовая фильтрация. Из сигнала xj, j = 1, …, N, зарегистрированного с шагом дискретизации t, выделяются экстремумы xэi, i = 1,..., m. По соседним экстремумам сигнала xэ производится сглаживание оператором вида и выделяется знакопеременная составляющая Преобразование (2) соответствует пропусканию ряда экстремумов через цифровой фильтр нижних частот с передаточной функцией G( f ) 0,5(1 cos(2 f )), а преобразование (3) пропусканию ряда экстремумов через цифровой фильтр верхних частот с передаточной функцией G( f ) 0,5(1 cos(2 f )), где min(tэi 1 tэi, tэi tэi 1).

На следующих итерациях из сглаженной последовательности xci выделяются экстремумы и выполняются действия (2), (3).

Вычисляются параметры составляющих fi Ki 2N t и i, позволяющие описать объект моделью (1). Так как расстояние между экстремумами в знакопеременной составляющей на каждом шаге увеличивается, то фильтр, описываемый выражением (3), является полосовым по отношению к диапазону 1 2t.

Предложено использовать метод экстремальной фильтрации в сейсмических и вибрационных системах. В сейсмических системах выделенные диагностические признаки использовались в совокупности с другими характеристиками сигналов. В вибрационных системах подход использован впервые.

На рис. 2 показаны сейсмический сигнал и диагностические признаки fi и Ai, выделенные в скользящем окне и отнесенные к началу каждого участка. Параметры узкополосных составляющих характеризуют спектр в текущий момент времени. Наблюдается изменение параметров всех составляющих при переходе от сейсмофона к сейсмовозмущению, проявляющееся в том, что в области обнаружения частоты составляющих падают, а амплитуды возрастают. Доказано, что в качестве основного диагностического признака целесообразно использовать именно частоты составляющих, так как тенденция изменения частотного признака более выражена.

При этом скорость изменения частот составляющих больше скорости изменения амплитудных параметров. Двукратное уменьшение частоты составляющей при вторжении обнаруживается при отношении сигнал/шум, большем 3, а существенное увеличение амплитуды – при отношении сигнал/шум, большем 30. При этом частота на участке обнаружения практически не изменяется. Поэтому предложено применять частотный пороговый обнаружитель, который фиксирует объект на большем расстоянии и за меньшее время (Tобн – разность времени обнаружения нарушителя по амплитудному и частотному признакам).

Частотный признак позволяет разделить сейсмофон Н0 и сейсмовозмущение Нj, j = 1,…, m, где j – один из распознаваемых классов (человек, группа людей, транспорт). Предложено использовать амплитуду (или мощность) составляющей как вспомогательный признак.

Рис. 2. Сейсмосигнал (а) и выделенные диагностические признаки (б, в) Доказано, что сформированная система признаков отражает основные свойства сигналов. На рис. 3 приведены вычисленные на участке обнаружения экспресс-спектры, наложенные на спектр Фурье типового участка. Частоты и амплитуды резонансов экспресс-спектра сопоставимы с аналогичными характеристиками спектра Фурье. Следовательно, предложенная система признаков отражает основные свойства сигналов и может быть положена в основу их анализа.

Алгоритм экспресс-анализа сейсмо-вибросигналов предполагает следующий порядок действий:

1) регистрация сейсмо-вибросигнала;

2) разбиение реализации на участки выбранной длительности;

3) разделение реализации на каждом из участков на знакопеременные составляющие с помощью метода экстремальной фильтрации;

4) вычисление оценок частот и мощностей (или амплитуд) выделенных составляющих;

5) обнаружение вторжения по частотному порогу и классификация участков с помощью решающего правила.

Рассмотрены примеры классификации различных объектов. При движении транспорта возбуждаются низкочастотные колебания грунта.

Однако для выделения низкочастотных составляющих необходимо анализировать сигнал на большом интервале, а время анализа и принятия решения в системах охраны ограничено. Поэтому для распознавания объекта «транспорт», «человек», «группа людей» предложено использовать фактор чередования участков сигнал/шум. Чередование имеет выраженный характер при проходе (пробеге) человека и менее четкий при движении группы людей. Введен дополнительный диагностический признак Ai fi, который более контрастно разделяет классы.

Рисунок 4 иллюстрирует обнаружение транспорта: на рис. 4,а показано изменение диагностического признака Ai fi ; на рис. 4,б проведена условная линия, разделяющая сигнал/шум по частотному признаку; на рис. 4,в показан результат обнаружения. При увеличении порога зона обнаружения уменьшается, но увеличивается помехоустойчивость, а при уменьшении, наоборот, увеличивается зона обнаружения, но ухудшается помехоустойчивость.

Приведены примеры классификации различных объектов в сейсмических и вибрационных системах. На рис. 5 показано обнаружение преодоления ограждения нарушителем в вибрационной системе.

Исследованы реакции системы на помехи (дождь, град, гром, порывы ветра и т.д.). При воздействии помеховых факторов амплитуды выделенных составляющих существенно возрастают, а по частотным признакам обнаружения, как правило, не наблюдается.

Рис. 4. Обнаружение проезда транспортного средства Рис. 5. Обнаружение нарушителя при преодолении ограды в системе виброзащиты Результаты проведенных исследований показали, что сформированная система признаков достаточна и для обнаружения, и для распознавания типа вторжения. Это обусловлено тем фактом, что параметры отражают время-частотные свойства. Совокупность зависимостей fi(ti) и Ai(ti) образуют время-частотное распределение сигнала, сходное с распределением Гильберта – Хуанга. Приведено сравнение двух распределений.

При оценивании трудоемкости ЭФ учтено, что сглаживание (низкочастотная фильтрация) требует трех операций умножения (причем в зоне обнаружения трудоемкость снижается, так как количество экстремумов уменьшается). Таким образом, экономия в операциях умножения по сравнению с БПФ K э N log N 3N э. Если экстремумы составляют примерно треть от общего количества отсчетов, то Kэ log N. Например, при длине N = параметры составляющих будут вычислены в 10 раз быстрее, чем спектральная характеристика сигнала при применении классического БПФ.

Раннее формирование сигнала тревоги позволяет не только выиграть время на подготовку адекватных мер защиты от вторжения, но и использовать комбинированные охранные системы с автоматической фокусировкой видеокамер на источник возмущения. Так как в последнее время наблюдается тенденция широкого использования комбинированных охранных систем, базирующихся на различных физических принципах, рассмотрено применение метода экстремальной фильтрации для сжатия, хранения, передачи по каналу связи и последующего восстановления данных. За счет применения комбинирования в конечном итоге улучшаются технические характеристики. Одной из таких систем может быть сейсмическая система обнаружения, интегрированная с системой видеонаблюдения. В этом случае видеокамера является средством верификации сигнала тревоги. Встроенный в видеокамеру направленный микрофон улучшает распознавание объекта.

В комбинированных системах охраны периметра стоит задача передачи информации о сейсмо-вибросигнале, изображении и звуке на большие расстояния (десятки километров для территориально-распределенных объектов). Для ее решения предлагается использовать метод на основе экстремальной фильтрации – сжатие с последующим восстановлением.

Для передачи по каналу сейсмо-вибрационных данных предложено:

– в исходном сигнале выделить экстремумы;

– передать по каналу связи экстремальные значения xэi и моменты их появления tэi (последнее необязательно);

– на стороне приемника восстановить сигнал, используя аппарат аппроксимации многоэкстремальных функций.

На рис. 6 представлен процесс сжатия-восстановления сейсмосигнала на примере прохода группы людей на фоне проезда транспорта.

(сплошная и пунктирная линии) по экстремумам (отмечены *) На рис. 7 представлено изображение, снятое с помощью камеры в системе видеонаблюдения (а) и сжатое с последующим восстановлением (б) по экстремальным значениям сигнала, аппроксимированное колокольными составляющими (использована одна итерация с последующим преобразованием в двумерный массив).

Рис. 7. Исходное изображение (а), сжатое и восстановленное изображение (б) При рассмотрении алгоритмов сжатия аудиоинформации отмечена высокая трудоемкость процедуры сжатие-восстановление, что препятствует более широкому использованию в системах реального времени. Очевидно, что аудиосигнал можно также сжать, представив его экстремальными значениями, передать по каналу и на стороне приемника восстановить. Процесс сжатия-восстановления аналогичен процессу сжатия-восстановления сейсмосигнала на рис. 6.

Применение метода экстремальной фильтрации позволяет проектировать системы охраны периметра на единых принципах. Исследования наглядно демонстрируют преимущества метода по сравнению с другими.

Третья глава посвящена нейросетевым алгоритмам применительно к системам охраны периметра. В системах охраны периметра возникают ситуации, когда с помощью установки пороговых границ невозможно разделить вторжение и помехи или виды вторжения. В этом случае целесообразно использовать нейросетевые алгоритмы, которые используют систему пороговых элементов с динамически перестраиваемыми коэффициентами.

Рассмотрено применение нейронных сетей для обнаружения и распознавания нарушителя по сейсмо- и вибросигналам. При реализации использованы две сети: первая выполняет роль обнаружителя, а вторая – классификатора. Разработанный нейросетевой обнаружитель (первая сеть) использует на входе диагностические признаки – предыдущее и текущее значение первого признака Ai 1 fi 1, Ai fi, (что позволило фиксировать нарастание и спад) и текущее значение частоты fi выделенной составляющей.

Структура сети сформирована эмпирически, таким образом, чтобы на обучающей и тестовых выборках, представляющих данные, записанные на разных полигонах и в разных условиях, обеспечивалось правильное срабатывание. Количество слоев сети – 3, в первом слое сети 32 нейрона, в промежуточном – 16, в выходном – 1. При разделении классов «нарушитель – сейсмофон», использован выход с сигмоидальной функцией активации. Настройка сети на вид нарушителя производилась при обучении сети.

Использован градиентный метод обучения с обратным распространением ошибки. Для обнаружения транспорта в системе сейсмических наблюдений при обучении сети использованы данные проезда транспорта, при этом частота дискретизации 300 Гц, длина участка анализа 1 с, принятие решения – через 0,3 с. Для обнаружения людей использованы данные прохода одного человека с радиусом 30 м. Обнаружение и распознавание происходило при следующих условиях: частота дискретизации 1000 Гц, длина интервала – 200 точек (0,2 с), сигнал тревоги формировался через 0,2 с.

При движении человека или группы людей идет постоянное чередование сейсмофона и сигнала, причем при проходе одного человека и проходе группы людей это чередование разное: при проходе одного человека ритм более четкий, а при проходе группы чередование носит более хаотичный характер. Поэтому выход сети-обнаружителя существенно отличается для разных классов: при проходе (пробеге) 1 человека и при проходе (пробеге) 3 человек. На этом основан классификатор, реализуемый второй сетью, которая анализирует выход первой. На вход классификатора подавались значения за последние 3 с. При обучении комбинировались сигналы сейсмофона, прохода 1 человека, прохода 3 человек, бега 1 человека, бега 4 человек и задавались соответствующие значения выходов трехслойной сети. Структура сети аналогична описанной выше, но отличается вектором, задающим диапазон изменений входов и количеством выходов (их 3).

В результате обучения получена сеть, выходы которой выполняет классификацию: сейсмофон, человек, группа (независимо от способа передвижения «бег – ходьба»). Приведены примеры классификации.

Исследованы различные архитектуры нейронных сетей. В результате исследований на экспериментальных данных выявлено, что наиболее подходящей архитектурой для обнаружения, применительно к системам охраны периметра, является радиально-базисная сеть с нулевой ошибкой.

На рис. 8 представлено обнаружение групп людей и транспорта с помощью радиально-базисной сети с нулевой ошибкой. На вход сети подавались сформированные при экспресс-анализе диагностические признаки (векторы параметров знакопеременных составляющих Ai и fi), сигнал тревоги формировался через каждые 0,5 с. На рис. 8,a представлен регистрируемый сигнал; на рис. 8,б и в соответственно частота и амплитуда высокочастотной составляющей в скользящем окне; рис. 8,г – отклик нейронной сети. Сеть спроектирована таким образом, что «0» соответствует сейсмофону, а «1» – обнаружение группы людей, «–1» – обнаружение транспорта.

Как видно из рисунка, сеть обучилась правильно, и ее отклик полностью соответствует желаемому срабатыванию сети на обучающей и тестовой выборках (вторая половина реализации). На другие виды вторжения сеть не отреагировала.

Рис. 8. Обнаружение групп людей и транспорта с помощью радиально-базисной сети Рассмотрена реализация обнаружителя на основе нечеткой логики.

Преимуществом использования такого обнаружителя является то, что принцип работы сети отражает бесспорный факт: разделяемые классы пересекаются («слабый» сигнал мало отличается от сейсмофона, медленно движущаяся машина и быстро идущая группа людей имеют сходные параметры – форма сигнала, количество узкополосных составляющих, дисперсия, СКО и т.д.). Для обнаружения транспорта предложено использовать сеть Сугено (рис. 9). Структура сети: 4 входа, 1 выход, количество функций принадлежности – 5 на каждый вход, тип функции принадлежности – сигмоидальная. Для обучения использованы данные комбинации сейсмофона, проходов и проездов. При этом выход формировался следующим образом: выход сети «1», если на входе наблюдается сейсмофон или регистрируется проход группы людей (человека); выход сети «–1» при проезде машины. Видно, что сейсмофон выделен очень четко, срабатываний сети нет, при пробеге группы людей есть кратковременные срабатывания, транспорт обнаружен на всем интервале.

Доказано, что система диагностических признаков, сформированная по параметрам выделенных в результате экстремальной фильтрации составляющих, достаточна для применения их в качестве входных параметров нейронных сетей.

В результате исследований на экспериментальных данных выявлено, что сети, в которых совмещены функции обнаружения и классификации, чувствительны к временным сдвигам (моменту отсчета), поэтому предложено использовать интегральные параметры (средние, минимальные и максимальные значения частоты на 3-секундном интервале и нормированный по дисперсии размах амплитуд составляющих). Приведены примеры обнаружения нарушителя в системе вибрационных возмущений и классификация «перекус сетчатого полотна – перелаз через ограждение».

Рис. 9. Обнаружение транспорта с помощью нечеткой логики транспорт «медленно»; бег группы из 3 человек; транспорт «медленно»

В четвертой главе рассмотрены подходы к спектральному анализу в системах охраны периметра, отличающиеся значительным снижением трудоемкости в сравнении с классическими алгоритмами.

При классификации типа нарушителя разные виды сигналов (бег группы людей и медленный проезд транспорта) имеют схожие параметры, поэтому приходится применять более затратные с вычислительной точки зрения алгоритмы, которые более четко разделяют классы. Одним из способов получения информации об объекте является спектральный анализ, который позволяет охарактеризовать частотный состав измеряемого сигнала. Классическое решение задачи спектрального анализа основано на использовании преобразования Фурье. Несмотря на применение современной вычислительной техники, преобразование Фурье продолжает оставаться одной из самых трудозатратных процедур. Для снижения трудоемкости определения спектральных характеристик сигнала предложены подходы на основе время-импульсной модуляции и аппроксимации данных функцией синуса малого аргумента.

Известно, что если обеспечить малый индекс модуляции, то при любом виде модуляции можно получить спектр, совпадающий по форме со спектром Фурье. При этом удается существенно снизить вычислительные затраты. В табл. 1 и 2 приведены формулы прямого и обратного преобразования на основе фазовой модуляции (ФМ) и на основе аппроксимации данных функцией синуса малого аргумента (АМ). Интервал m и масштабирующий множитель M выбран таким образом, чтобы обеспечить малый индекс модуляции.

Формулы, помеченные в таблице символом «*», наименее трудоемки, так как операции умножения в первой из них отсутствуют, а во второй умножение заменено на сложение аргументов экспоненциальной функции.

При большой длине реализации для оптимизации обращений к массиву предложено воспользоваться быстрыми алгоритмами (по аналогии с быстрым преобразованием Фурье).

На рис. 10 показана структура модифицированного сигнального графа. Топология графа совпадает с топологией классического БПФ. Отличительной особенностью является отсутствие в алгоритме операции умножения. На вход графа подается масштабированный сигнал xi xi M, где М выбрано так, чтобы перенести анализ данных в область малых аргументов ( xi M 0,05 ). На ребрах графа указаны аргументы дискретной экспоненциальной функции m 2m N, прибавляемые к данным. На входе в вершину осуществляется сложение аргументов, а непосредственно в вершине вычисляется комплексная экспонента.

Рассмотренные подходы к спектральному анализу позволяют с малыми временными затратами и без потери точности вычислять времячастотное распределение сигнала.

Рис. 10. Структура модифицированного сигнального графа 8-точечного В заключении сформулированы основные результаты диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

При выполнении диссертационной работы были получены следующие результаты:

1. Предложена концепция единства модели сигналов в сейсмических и вибрационных системах, описываемой суммой узкополосных составляющих, аддитивно смешанных с шумом, и способов цифровой обработки, выделяющих эти составляющие из сигнала. Такие составляющие выделяются при разложении на эмпирические моды и на знакопеременные составляющие при экстремальной фильтрации. Параметры выделенных составляющих сигнала характеризуют объект в текущий момент времени. По изменению этих параметров можно судить о вторжении и его типе в режиме реального времени.

2. Обосновано применение экстремальной фильтрации для анализа сейсмических и вибрационных сигналов как наименее трудоемкого метода, позволяющего интерпретировать характеристики составляющих как параметры модели сигнала и время-частотные характеристики. При этом трудоемкость анализа спектра S сигнала длиной N снижается в logN раз.

3. Сформирована система диагностических признаков сейсмических и вибрационных сигналов, позволяющая проводить экспресс-идентификацию объектов и осуществлять принятие решения. При этом время обработки и принятия решения сокращено более чем на 25 %. Обнаружение происходит при отношении сигнал/шум, большем 3, на расстоянии не менее 100 м и вероятности обнаружения не менее 0,95.

4. Предложен способ время-частотного анализа сигналов на основе разложения на знакопеременные составляющие с последующим определением текущей частоты и амплитуды (мощности) составляющих сигнала по экстремумам процесса. Простота реализации позволяет использовать его в системах реального времени.

5. На основе экстремальной фильтрации разработаны алгоритмы сжатия-восстановления данных для комбинированных охранных систем.

6. Предложена реализация алгоритмов обнаружения и распознавания нарушителя на основе искусственных нейронных сетей и нечеткой логики, использующих в качестве входов устойчивые диагностические признаки в виде параметров составляющих, выделенных экстремальным фильтром. Применение нейросетевых алгоритмов позволяет распознавать объекты, когда выявить отличительные признаки объектов распознавания затруднительно.

7. Предложено в системах охраны периметра использовать методы спектрального анализа на основе время-импульсной модуляции и аппроксимации сигнала функцией синуса малого аргумента. При применении аппроксимации данных функцией синуса малого аргумента трудоемкость анализа по сравнению с БПФ уменьшается не менее чем в два раза, причем практически без потери точности, при фазовой модуляции при такой же экономии временных затрат погрешность определения мгновенного спектра определяется единицами процентов.

8. Разработан алгоритм быстрого преобразования для процедуры вычисления спектров на основе время-импульсной модуляции сигнала и аппроксимации сигнала функцией синуса малого аргумента. Применение алгоритма дает снижение трудоемкости более чем в три раза, что позволяет использовать методы при детальном анализе процессов.

9. Сформулированы рекомендации к внедрению разработанных подходов в охранных системах, в том числе и комбинированных, а также в учебном процессе.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК РФ 1. Зенов, А. Ю. Комплексный подход к обнаружению и классификации нарушителя на охраняемой территории / А. Ю. Зенов // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2012. – № 2. – С. 23–32.

2. Зенов, А. Ю. Применение нейросетевых алгоритмов в системах охраны периметра / А. Ю. Зенов, Н. В. Мясникова // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2012. – № 3. – С. 15–24.

3. Зенов, А. Ю. Концепция организации обработки информации в системах диагностики и распознавания / А. Ю. Зенов, М. П. Берестень // Инженерный вестник Дона. – 2013. – № 1. – URL: http://ivdon.ru/magazine/ archive/n1y2013/1568 (дата обращения: 10.04.2013).

4. Зенов, А. Ю. Применение метода экспресс-анализа для сжатия видеоинформации в системах видеонаблюдения / А. Ю. Зенов // Надежность и качество : тр. Междунар. симп. – Пенза : Изд-во ПГУ, 2010. – Т. 1. – С. 212–214.

5. Зенов, А. Ю. Применение метода экспресс-анализа для архивирования трендов АСУТП / А. Ю. Зенов, М. П. Строганов // Перспективные информационные технологии для авиации и космоса (ПИТ-2010) : тр.

Междунар. конф. с элементами научной школы для молодежи. Самара :

М-во образования и науки РФ : СГАУ, 2010. С. 83–85.

6. Зенов, А. Ю. Архивирование трендов АСУ ТП / А. Ю. Зенов, Н. В. Мясникова // Материалы конференции «Методы, средства и технологии получения и обработки измерительной информации» («Шляндинские чтения – 2010»). – Пенза : Инф.-изд. центр ПГУ, 2010. – С. 233–236.

7. Зенов, А. Ю. Времяимпульсная модуляция для решения задач вычисления спектральных характеристик сигнала / А. Ю. Зенов, Н. В. Мясникова // Современные проблемы фундаментальных и прикладных наук : тр.

53-й науч. конф. МФТИ. Ч. I. Радиотехника и кибернетика. Т. 1. – М. :

МФТИ, 2010. – C. 10–12.

8. Зенов, А. Ю. Обнаружение и классификация нарушителя на особоважных объектах охраны / А. Ю. Зенов, Н. В. Мясникова, Е. И. Иванова // Проблемы автоматизации и управления в технических системах : тр. Междунар. техн. конф. (г. Пенза 19–22 апреля) : в 2 т. / под ред. д-ра техн. наук, проф. М. А. Щербакова. – Пенза : Изд-во ПГУ, 2011. – Т. 1. – С. 220–222.

9. Зенов, А. Ю. Метод экстремальной фильтрации для сжатия аудиоданных в реальном времени / А. Ю. Зенов, Л. А. Долгих // Проблемы автоматизации и управления в технических системах : тр. Междунар. техн.

конф. (г. Пенза 19–22 апреля) : в 2 т. / под ред. д-ра техн. наук, проф.

М. А. Щербакова. – Пенза : Изд-во ПГУ, 2011. – Т. 1. – С. 197–199.

10. Зенов, А. Ю. Применение аппроксимации функцией синуса малого аргумента для решения задач вычисления спектральных характеристик сигнала / А. Ю. Зенов, Н. В. Мясникова // Проблемы автоматизации и управления в технических системах : тр. Междунар. техн. конф. (г. Пенза 19–22 апреля) : в 2 т. / под ред. д-ра техн. наук, проф. М. А. Щербакова. – Пенза : Изд-во ПГУ, 2011. – Т. 1. – С. 203–206.

11. Зенов, А. Ю. Развитие методов спектрального анализа для ИИС / А. Ю. Зенов, Н. В. Мясникова // Датчики и системы: методы, средства и технологии получения и обработки измерительной информации – 2012 :

тр. Междунар. науч.-техн. конф. – C. 134–137.

12. Зенов, А. Ю. Концепция организации обработки информации в системах диагностики и распознавания / А. Ю. Зенов, М. П. Берестень, Н. В. Мясникова // Перспективные информационные технологии в научных исследованиях, проектировании, обучении с международным участием (ПИТ-2012) : тр. Междунар. конф. с элементами научной школы для молодежи. Самара : М-во образования и науки РФ : СГАУ, 2012. – C. 312–315.

13. Зенов, А. Ю. Электронный информационный образовательный ресурс: «Программа моделирования процессов сжатия-восстановления сигналов в системах телеметрии, телеуправления и многоканальных системах сбора и обработки данных» / А. Ю. Зенов, Л. А. Долгих, Н. В. Мясникова, Б. В. Цыпин // Хроники объединенного фонда электронных ресурсов «Наука и образование». – 2012. – № 12. – URL: http://ofernio.ru/portal/ newspaper/ofernio/2012/12.doc (дата обращения: 10.04.2013).

АЛГОРИТМЫ ОБНАРУЖЕНИЯ И ОБРАБОТКИ ИНФОРМАЦИИ

НА ОСНОВЕ ЭКСТРЕМАЛЬНОЙ ФИЛЬТРАЦИИ

В СИСТЕМАХ ПЕРИМЕТРОВОЙ ОХРАНЫ

Специальность 05.13.01 – Системный анализ, управление и обработка информации (в технике и технологиях) Технический редактор Р. Б. Бердникова Компьютерная верстка Р. Б. Бердниковой Распоряжение № 38/2013 от 25.11.2013.

Подписано в печать 27.11.2013. Формат 60841/16.

Усл. печ. л. 1,16. Заказ № 942. Тираж 100.

Тел./факс: (8412) 56-47-33; e-mail: [email protected]