本发明针对光纤入侵预警系统提供了一种基于振动信号空时二维稀疏表示柯尔莫哥洛夫‑斯摩洛夫(K‑S)检验的光纤入侵检测方法，该方法包括：应用空域恒虚警率(CFAR)对不同位置的信号进行CFAR检测，之后对该数据进行时域K‑S检测，将CFAR过门限数据分组，得到时域待测数据集，用每组时域待测数据集内的数据之间的时间间隔与先验的干扰入侵信号进行K‑S检验比较，分布相同，则说明检测组为干扰入侵信号，分布不同，则进行幅度K‑S检测，即用每组时域待测数据集内的数据的幅度与先验干扰入侵信号进行K‑S检验比较，分布相同，则为干扰入侵组，分布不同，则该组为潜在危害入侵组。该方法在空时二维对入侵信号进行检测，能够剔除干扰入侵的影响，得到潜在有害入侵信息。
1.基于振动信号空时二维稀疏表示柯尔莫哥洛夫-斯摩洛夫检验的光纤入侵检测方法，其特征在于包括：针对同一时间，不同位置的入侵信息采用恒虚警率检测法进行空域检测，去除噪声；
运用恒虚警率检测法的处理结果，对同一位置，不同时间的空域检测过门限数据按照时间顺序进行分组，对同一位置取每N个空域过门限数据为一组，作为时域待测数据集，每组时域待测数据集内数据的时间间隔构成时间间隔样本集，每组时域待测数据集内数据的幅度构成幅度样本集；
将所述时间间隔样本集分布与先验的干扰入侵信号的时间间隔样本集进行柯尔莫哥洛夫-斯摩洛夫检验，若两分布相同则判断该组为干扰入侵组，若分布不同则进行下一步；
将所述幅度样本集分布与先验的干扰入侵信号的幅度样本集进行柯尔莫哥洛夫-斯摩洛夫检验，若两分布相同则判断该组为干扰入侵组，若分布不同则判断为潜在有害入侵组。
2.根据权利要求1所述的方法，其特征在于进一步包括：运用恒虚警率检测方法对同一时间，不同位置的入侵信息进行检测，包括：利用前沿和后沿参考单元采样的均值形成两局部估计，然后分别对局部估计进行求和运算以确定检测单元的背景杂波平均功率水平估计，包括：
其中，Z为总的杂波功率水平估计，x为前沿采样参考单元值，y为后沿参考采样单元采样值，且前后各取 个参考单元；
Pfa＝(1+T) (2)其中，Pfa为虚警概率值，T为标称化因子，n为总参考单元个数，即通过设定恒虚警概率值，影响标称化因子的取值，而检测阈值为：S＝T·Z (3)从而根据检测阈值对检测单元进行检测。
3.根据权利要求1所述的方法，其特征在于进一步包括：将同一位置不同时间点的空域在恒虚警率检测方法的处理中过门限的数据分组，即：对同一位置取每N个空域过门限数据为一组，作为时域待测数据集， 每组时域待测数据集内数据的时间间隔构成时间间隔样本集，每组时域待测数据集内数据的幅度构成幅度样本集。
4.根据权利要求1所述的方法，其特征在于进一步包括：对时域待测数据集内数据求出其相邻点的时间间隔，所有时间间隔也构成一个样本集，对待检测的时间间隔样本集与先验的干扰入侵样本集进行柯尔莫哥洛夫-斯摩洛夫检验，柯尔莫哥洛夫-斯摩洛夫检验包括：全部来自连续分布函数F(a)的l个样本a1,a2,…,al进行升序排列，得b1,b2,…,bl，可以求出其经验分布函数：
经验函数上的某一点wl＝Fl(a)，l·wl＝k表示当且仅当k个观察值小于或等于一个先验参数m，即为成功，其中当l-m个观察值大于m时，成功的概率为F(a)，k次成功概率为
由于每次事件成功与否相互独立，所以均值为E[l·wl]＝l·F(l)，方差为var[l·wl]＝l[F(a)][1-F(a)]，所以，E[Fl(a)]＝E[wl]＝F(a)， 经验分布函数Fl(a)收敛到F(a)，且Fl(a)为F(a)的一致估计量，根据格里文科定理：l→∞时，在a这一点，Fl(a)均匀地收敛到F(a)的概率为1；因此，设计柯尔莫哥洛夫-斯摩洛夫统计量，
当Dl较小时，假设趋向为真，即通过柯尔莫哥洛夫-斯摩洛夫检验可以判断两组数据是否符合相同分布；
当待检测集的时间间隔分布与先验干扰入侵信号的分布相同时，则判定该待测组为干扰入侵集，否则再进行幅度检测部分。
5.根据权利要求1所述的方法，其特征在于进一步包括：由时间间隔柯尔莫哥洛夫-斯摩洛夫检验后得到的潜在有害入侵集进行幅度柯尔莫哥洛夫-斯摩洛夫检测，包括：取每组入侵点的振幅，对待测组的振幅样本集与先验干扰入侵样本集进行柯尔莫哥洛夫-斯摩洛夫检验，若属于同一分布则判断该待测组为干扰入侵集，否则判断其为潜在有害入侵集。
基于振动信号空时二维稀疏表示K-S检验的光纤入侵检测
方法
技术领域
[0001] 本发明涉及光纤入侵系统的振动检测的基于振动信号空时二维稀疏表示柯尔莫哥洛夫-斯摩洛夫(K-S)检验的光纤入侵检测方法。技术背景
[0002] 随着经济的发展，石油和天然气已经成为国民经济发展的最重要能源。长输管道作为石油和天然气最理想、经济的运输方式，已经得到广泛的应用。油气管道是能源运输的大动脉，管道一旦泄漏极易发生燃烧爆炸，不仅影响管道的安全生产，还将给国家和人民群众的生命与财产造成巨大损失。因此，对管道安全的预警系统有广泛的应用场景。
[0003] 由于油气管道大都会采取同沟埋设的光缆进行生产数据通信，这为光纤入侵检测技术的使用提供了便利条件。其可以通过直接测量光缆的振动，实现快速、长距离、大范围的油气管道入侵检测与预警。光纤入侵检测的应用背景复杂，其中包括难以避免的噪声，并且在特殊的场景下存在干扰入侵，例如：公路过车，工地施工等，该入侵一般对埋在地下的管道不造成安全威胁，但其会使埋在附近的光纤产生振动，从而导致振动检测的入侵背景呈现出非平稳、大量并发的特点，从中检测出有害入侵变得较为困难。
[0004] 目前光纤振动信号处理还存在明显不足，其设计思路一般是直接检测的方法，将检测到的信号直接送到显示器，将噪声和干扰振动的幅度变化同时显示出来，对目标信号的检测能力由操作员对显示器的监视决定的。但是，这种处理方法所得到的监测结果误差大、报警不准确，使长距离复杂振动检测面临严峻挑战，急需在此基础上开展长距离光纤振动检测方法研究。
[0005] 经过一系列研究发现，入侵特点是空、时二维非平稳的。因此，需要从空、时二维分别对入侵结果进行检测，剔除噪声以及干扰噪声部分，得到潜在有害入侵的信息。
发明内容
[0006] 本发明涉及光纤入侵系统的振动检测，其通过空域、时域二维检测，对系统进行入侵信息提取，有效排除噪声以及干扰入侵的情况，从而得到潜在有害入侵的具体信息。
[0007] 本发明基于振动信号空时二维稀疏表示柯尔莫哥洛夫-斯摩洛夫(K-S)检验的光纤入侵检测方法用以解决对光纤入侵信号的检测，提取有害入侵信号。
[0008] 基于振动信号空时二维稀疏表示检验的光纤入侵检测方法，其特征在于包括：
[0009] 针对同一时间，不同位置的入侵信息采用恒虚警率检测方法进行空域检测，去除噪声；
[0010] 运用恒虚警率检测方法的处理结果，对同一位置，不同时间的空域检测过门限数据按照时间顺序进行分组，对同一位置取每N个空域过门限数据为一组，称为时域待测数据集，每组时域待测数据集内数据的时间间隔构成时间间隔样本集，每组时域待测数据集内数据的幅度构成幅度样本集；
[0011] 将以上述方法得到的时间间隔样本集分布与先验的干扰入侵信号的时间间隔样本集进行K-S检验，若两分布相同则判断该组为干扰入侵组，若分布不同则进行下一步；
[0012] 将以上述方法得到的幅度样本集分布与先验的干扰入侵信号的幅度样本集进行K-S检验，若两分布相同则判断该组为干扰入侵组，若分布不同则判断为潜在有害入侵组。
[0013] 基于振动信号空时二维稀疏表示K-S检验的光纤入侵检测方法，其包括：针对同一时间，不同位置的入侵信息采用恒虚警率(CFAR)检测方法进行空域检测，去除噪声；将同一位置不同时间点的空域CFAR过门限数据分组，即：对同一位置取每N个空域过门限数据为一组，称为时域待测数据集，用每组时域待测数据集内的数据之间的时间间隔构成的样本集与先验的干扰入侵信号的时间间隔样本集进行K-S检验比较，若为同一分布，则说明检测组为干扰入侵信号，若两分布不同，则进行幅度K-S检测，即用每组时域待测数据集内的数据的幅度构成的样本集与先验干扰入侵信号幅度样本集进行K-S检验，若两分布为同分布，则为干扰入侵集，若两分布不同，则该组为潜在危害入侵集。其中，CFAR检测部分选择在均匀背景下检测性能良好的CA-CFAR(空域单元平均恒虚警率检测)，即单元平均恒虚警率检测，其主要思想为：利用前沿和后沿参考单元采样的均值形成两局部估计，然后分别对局部估计进行求和运算以确定检测单元的背景杂波平均功率水平估计：
[0014]
[0015] 其中，Z为总的杂波功率水平估计，x为前沿采样参考单元值，y为后沿参考采样单元采样值，前后各取 个参考单元，之后即可根据虚警概率与阈值因子之间的关系求出阈值因子，而进一步求出检测阈值：
[0016] S＝T·Z
[0017] 其中，T为标称化因子，通过上式可以根据检测阈值对检测单元进行检测。
[0018] 之后提取CFAR检测提取的入侵信息进行时域K-S检验，主要思想为：
[0019]
[0020] 其中，Fl(a)为升序排列的样本的经验分布函数，F0(a)为参考样本的经验分布函数，当Dl较小时，H0假设趋向为真，即通过K-S检验可以判断两组数据是否符合相同分布。
附图说明
[0021] 图1空时二维检测总体流程。
[0022] 图2空时二维检测示意图。
[0023] 图3 CA-CFAR工作具体流程。
[0024] 图4时间间隔K-S检验流程。
[0025] 图5幅度K-S检验流程。
[0026] 图6(a)～(c)不同检测阈值的空域CA-CFAR检测结果。
[0027] 图7(a)～(b)时域K-S检测结果。具体实施方案
[0028] 以下结合附图，对本发明实施例中的技术方案进行描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例，都属于本发明保护的范围。
[0029] 请参见图1所示，图1是根据本发明的一个实施例的空时二维检测方法的总体流程。如图1所示，本实施例所揭示的空时二维检测算法包括：
[0030] S101：空域CFAR检测，针对同一时间区间的检测单元所邻近的参考采样做CA-CFAR检测；
[0031] S102：提取时域待测数据集，每组时域待测数据集内的数据之间的时间间隔构成的时间间隔样本集，每组时域待测数据集内的数据的幅度构成的幅度样本集；
[0032] S103：对时间间隔样本集分布与先验的干扰入侵信号的时间间隔样本集进行K-S检验，得到可能存在潜在有害入侵样本集进行S104，否则判断其为干扰入侵样本集；
[0033] S104：对幅度样本集分布与先验的干扰入侵信号的幅度样本集进行K-S检验，得到潜在有害入侵样本集，否则判断其为干扰入侵样本集。
[0034] 基于振动信号空时二维稀疏表示柯尔莫哥洛夫-斯摩洛夫(K-S)检验的光纤入侵检测方法的示意图如图2所示：
[0035] S201：入侵采样以矩阵形式排列，横向代表不同位置，纵向代表不同时间，即对每一采样点进行空域单元平均恒虚警率检测(CA-CFAR)检测，即横向检测；
[0036] S202：将空域检测报警点作为新的样本集合进行时域K-S检验，即纵向检测；
[0037] S203：得到总体检测结果，提取出潜在有害入侵。
[0038] 空域恒虚警率(CFAR)检测方法对ΦOTDR体制下的单脉冲反射信号检测，该方法的具体流程如图3所示，即对检测单元的前沿和后沿参考单元求和，得到总的杂波功率水平估计
[0039]
[0040] 其中，x、y分别为前后沿参考单元值，且前后各取 个参考单元；又由于服从高斯分布的杂波回波经平方律检波后，每个参考单元采样分布服从指数分布，而指数分布又是τ分布在α＝1的特殊形式，τ分布的PDF表示为：
[0041] f(x)＝β-αxα-1e-x/β/τ(α),x≥0,α≥0,β≥0 (2)
[0042] 其中，α和β是两个参数，τ(α)是通常的τ函数，对于整数α，τ(α)＝(α-1)！。式(2)对应的累积分布函数用G(α,β)表示，对于服从τ分布的随机变量X，将它记为X～G(α,β)。X的矩母函数为
[0043] MX(u)＝(1+βu)-α (3)
[0044] xi～G(1,μ)和yi～G(1,μ)，由于多个统计独立随机变量和的矩母函数等于各个随机变量矩母函数的积，因此由(3)式可知CA-CFAR检测器中对杂波功率水平的估计Z～G(n,μ)，又虚警概率在均匀背景中为：
[0045]
[0046] 其中T为标称化因子将(3)式代入(4)式中得到：
[0047] Pfa＝(1+T)-n (5)
[0048] 即标称化因子可由设定的虚警概率决定，之后求出检测阈值：
[0049] S＝Z·T (6)
[0050] 将检测单元与根据公式(6)求得的检测阈值进行比较，若检测单元取值较大，则判断为入侵点，否则为非入侵点。上述过程为空域CFAR检测方法，即在空域维度上对入侵系统进行检测。
[0051] 之后提取时域待测数据集，即对同一位置取每N个空域检测中过门限数据为一组，每组时域待测数据集内的数据之间的时间间隔构成的时间间隔样本集，每组时域待测数据集内的数据的幅度构成的幅度样本集。
[0052] 对时间间隔样本集进行K-S检验，具体过程如图4所示：
[0053] S401：时间间隔样本集的分布与先验的干扰入侵信号的时间间隔样本集进行K-S检验，其中先验的干扰入侵信号是与相应检测时间间隔样本集邻近的干扰入侵信号集，而K-S检验的目的是区分两分布是否属于同一分布，其主要思想是：设a1,a2,…,al是全部来自分布函数F(a)的样本，对这l个样本进行升序排列，得b1,b2,…,bl，可以求出其经验分布函数：
[0054]
[0055] 经验函数上的某一点wl＝Fl(a)，l·wl＝k表示当且仅当k个观察值小于或等于m，即为成功，l-m个观察值大于m，成功的概率为F(a)，k次成功概率为
[0056]
[0057] 由于每次事件成功与否相互独立，所以均值E[l·wl]＝l·F(l)，方差var[l·wl]＝l[F(a)][1-F(a)]
[0058] 所以，E[Fl(a)]＝E[wl]＝F(a)， 经验分布函数Fl(a)收敛到F(a)，且Fl(a)为F(a)的一致估计量。根据格里文科定理：l→∞时，在a这一点，Fl(a)均匀地收敛到F(a)的概率为1；因此，设计K-S统计量，
[0059]
[0060] 其中，F0(a)为参考样本的经验分布函数，当Dl较小时，H0假设趋向为真；
[0061] S402：判断时间间隔样本集的分布与先验的干扰入侵信号的时间间隔样本集是否属于同一分布，若为同一分布则进入S403，否则为S404；
[0062] S403：时间间隔样本集的分布与先验的干扰入侵信号的时间间隔样本集属于同一分布，判断检测样本集为干扰入侵集；
[0063] S404：时间间隔样本集的分布与先验的干扰入侵信号的时间间隔样本集不属于同一分布，判断检测样本集为潜在有害入侵集，需要进入幅度K-S检测部分。
[0064] 经过时间间隔K-S检验判断为潜在有害入侵集，对其进行幅度K-S检验，具体步骤如图5所示：
[0065] S501：幅度样本集的分布与先验的干扰入侵信号的幅度样本集进行K-S检验；
[0066] S502：判断幅度样本集的分布与先验的干扰入侵信号的幅度样本集是否属于同一分布，若为同一分布则进入S503，否则为S504；
[0067] S503：幅度样本集的分布与先验的干扰入侵信号的幅度样本集属于同一分布，判断检测样本集为干扰入侵集；
[0068] S504：幅度样本集的分布与先验的干扰入侵信号的幅度样本集不属于同一分布，判断检测样本集为潜在有害入侵集。
[0069] 本发明人针对上述时空二维检测方法，对同一组实测公路数据进行仿真，首先对其进行CA-CFAR检测，分别设置不同的虚警概率分别为4.1649e-4、2.4414e-4、1.9157e-4，CA-CFAR的检测结果分别如图6(a)～(c)，即虚警概率越小，入侵点数越少，在该图中，横坐标代表位置，纵坐标代表时间。
[0070] 但空域检测的结果不能区分干扰入侵和潜在有害入侵，因此需要进行时域的K-S检验，对该段公路原始振动数据添加有害振动，经过虚警概率为1.9157e-4的CA-CFAR检测，结果如图7(a)所示，即不能将潜在有害振动与干扰振动区分，进行时域K-S检验，结果如图7(b)所示，即提取潜在有害振动信息。从该仿真结果可以看出，本发明具有明显效果。
[0071] 本发明与现有检测方法相比具有以下优点
[0072] (1)、该方法能够快速有效实现光纤入侵检测；
[0073] (2)、空域CA-CFAR检测能够排除背景中的噪声，提取出干扰入侵和潜在有害入侵信息；
[0074] (3)、时域K-S检验能够排除干扰入侵从而得到潜在有害入侵信息。
