[发明专利]光纤周界入侵信号的识别方法、装置及周界入侵报警系统

权利要求书

1.一种光纤周界入侵信号的识别方法，其特征在于，包括：

预先从光纤周界监测系统的监测信号中分别获取多组已知分类的入侵信号及其对应的分类结果；

分别对所述多组已知分类的入侵信号进行预处理，以去除所述多组已知分类的入侵信号的噪声；

分别截取去除噪声后的所述多组已知分类的入侵信号，以从所述多组已知分类的入侵信号中获得多组入侵信号片段，并分别提取所述多组入侵信号片段的相关特征量；

根据所述多组入侵信号片段的多组相关特征量所组成的第一训练数据集，创建包含多棵决策树的决策树模型，包括：

对所述多组入侵信号片段的多组相关特征量所组成的第一训练数据集进行有放回的随机抽样，以获得多个第二训练数据集；其中每个第二训练数据集与所述第一训练数据集所包含的输入向量数目相同；及

根据所述多个第二训练数据集，采用决策树算法分别建立相应的所述多棵决策树；

从所述光纤周界监测系统的监测信号中获取实时信号；

对所述实时信号进行预处理，以去除所述实时信号的噪声；

判断去除噪声后的所述实时信号是否为入侵信号；

如果所述实时信号为所述入侵信号，则截取所述入侵信号，以从所述入侵信号中获得信号片段，并分别提取所述信号片段的相关特征量；以及

根据所述决策树模型所确定的分类规则及所述信号片段的相关特征量对所述入侵信号进行分类，包括：

依次根据所述多棵决策树中的每棵决策树所确定的分类规则及所述信号的相关特征量对所述入侵信号进行分类，以获得相应的多个分类结果；及

将所述多个分类结果中相同的分类结果分为一组，获得至少一组分类结果，分别统计各组分类结果中的分类结果的数量，以其中分类结果数量最多的一组中的分类结果作为所述入侵信号最终的分类结果；

其中一组相关特征量组成所述第一训练数据集的一个输入向量。

2.根据权利要求1所述的识别方法，其中每棵决策树所确定的分类规则包括：从该决策树的根到其叶结点的每条路径上的分类规则；其中每个分类规则包括：以沿着其每条路径上的每个属性条件形成的该分类规则的前件的一个合取项以及以该路径上的叶结点形成的该分类规则的后件。

3.根据权利要求1所述的识别方法，其中在建立每棵所述决策树时，针对每个所述第二训练数据集的输入向量，每次分裂都重新从该输入向量的所有相关特征量中随机抽取部分或全部的相关特征量。

4.根据权利要求1所述的识别方法，其中创建所述决策树模型包括：根据所述第一训练数据集，采用决策树算法建立决策树，对所述决策树进行后剪枝，以获得所述决策树模型。

5.根据权利要求4所述的识别方法，其中创建所述决策树模型还包括：根据所述第一训练数据集，多次对所述决策树模型进行训练，以获得最佳的决策树模型。

6.根据权利要求1或4所述的识别方法，其中所述决策树算法包括：采用Gini指标作为分裂属性度量的CART算法。

7.根据权利要求1所述的识别方法，其中所述相关特征量包括：峰均方差、方差、偏度、峭度、极点数目及采用小波包分解获得的频域特征量中的部分或全部。