阅读说明：本技术 一种基于群体智能优化的震动感知系统及方法 (Vibration sensing system and method based on group intelligent optimization ) 是由 周求湛 陈禹竺 胡继康 于 2021-08-02 设计创作，主要内容包括：本发明提供了一种基于群体智能优化的震动感知系统及方法,包括主节点和多个子节点；子节点的振动传感器感知目标在安防保护区域附近运动产生的震动信号,通过信号调理电路对感知到的浅地表震动信号进行放大和滤波；随后通过子节点数据采集处理单元中的同步AD模数转换模块对震动信号进行采集,通过子节点数据采集处理单元中的STM32处理模块对震动信号进行分析处理,并通过无线通信模块将入侵目标的相关信息上传至主节点；主节点的核心处理模块利用经群体智能优化方法优化的TDOA定位算法对入侵目标信号进行精确定位,能减小外界因素对定位算法造成的误差,提高定位结果的准确度。(The invention provides a vibration sensing system and method based on group intelligent optimization, which comprises a main node and a plurality of sub-nodes, wherein the main node comprises a plurality of sub-nodes; the vibration sensor of the sub-node senses vibration signals generated by the movement of a target near a security protection area, and amplifies and filters the sensed shallow surface vibration signals through a signal conditioning circuit; then, a synchronous AD conversion module in the sub-node data acquisition and processing unit is used for acquiring the vibration signal, an STM32 processing module in the sub-node data acquisition and processing unit is used for analyzing and processing the vibration signal, and the related information of the invasion target is uploaded to the main node through the wireless communication module; the core processing module of the main node accurately positions the intrusion target signal by using the TDOA positioning algorithm optimized by the swarm intelligence optimization method, so that the error of the positioning algorithm caused by external factors can be reduced, and the accuracy of the positioning result is improved.)

一种基于群体智能优化的震动感知系统及方法

技术领域

本发明涉及周界安防领域，具体涉及一种基于群体智能优化的震动感知系统及方法。

背景技术

目前周界安防系统主要分为以下几类：电子围栏式周界安防系统、光纤传感器周界安防系统、泄露电缆周界安防系统以及震动感知周界安防系统。其中，震动感知周界安防系统是一种基于振动传感器探测手段的周界安防系统，近年来常用于对地面运动目标进行监测与识别。人员或车辆在地面运动时，会在浅地表产生不同的震动波形，通过振动传感器采集浅地表的震动波形数据并对其进行处理分析，可以得到是否存在入侵行为以及入侵目标种类、入侵目标位置等相关信息。

现有的震动感知周界安防系统通常是通过计算震源信号到达各个传感器的时间来确定入侵目标位置等相关信息，求解过程中需要确定震源信号的产生时间，且受布设环境、布设方式等因素影响，最终计算的定位结果误差较大。

发明内容

针对上述技术问题，本发明提供了一种基于群体智能优化的震动感知系统及方法。

一种基于群体智能优化的震动感知系统，包括主节点和多个子节点；所述主节点包括核心处理模块和无线通信模块；每个子节点均包括数据采集处理单元和多个分散布置的震动感知单元；

所述震动感知单元包括振动传感器和信号调理电路；所述振动传感器用于实时采集运动目标在浅地表产生的震动信号；所述信号调理电路用于对振动传感器感知到的震动信号进行放大和滤波；

所述数据采集处理单元包括同步AD模数转换模块、STM32处理模块和无线通信模块；所述同步AD模数转换模块用于采集多个震动感知单元感知到的震动信号并对其进行模数转换；所述STM32处理模块用于对采集的震动信号进行分析处理，根据信号时域、频域和时频域特征对入侵目标进行检测和分类，并通过无线通信模块将入侵目标的相关信息上传至主节点；

主节点的核心处理模块搭载有基于群体智能优化方法优化的TDOA定位算法，TDOA定位算法基于信号到达时间差对入侵目标信号进行精确定位。

优选的，所述振动传感器为动圈式振动传感器。

优选的，所述信号调理电路采用四阶巴特沃斯低通滤波器进行放大滤波。

优选的，所述同步AD模数转换模块采用同步采集AD芯片AD7779进行模数转换。

优选的，所述核心处理模块采用STM32系列STM32L496型号的低功耗单片机。

优选的，所采用的群体智能优化方法为猫群算法。

优选的，所述无线通信模块采用LoRa或北斗短报文无线通信完成数据交互。

一种采用如上所述的震动感知系统进行震动感知的方法，主要包括以下步骤：

S1、在每个安防保护区域设置子节点，并通过无线通信模块将每个子节点与主节点连接；

S2、子节点的振动传感器实时感知目标在安防保护区域附近运动产生的震动信号，通过信号调理电路对振动传感器感知到的浅地表震动信号进行放大和滤波，以增强目标运动在浅地表产生的震动信号信噪比；随后通过子节点数据采集处理单元中的同步AD模数转换模块对震动信号进行采集，通过子节点数据采集处理单元中的STM32处理模块对震动信号进行分析处理，对比信号时域、频域和时频域特征，对入侵目标进行检测与分类，并通过无线通信模块将入侵目标的相关信息上传至主节点；

S3、主节点的核心处理模块利用经群体智能优化方法优化的TDOA定位算法对入侵目标信号进行精确定位。

本发明的有益效果是：

1、通过子节点数据采集处理单元中的同步AD模数转换模块对震动信号进行采集，从而保证各振动传感器采集的目标信号时间基准一致；再利用TDOA定位算法基于信号到达时间差对入侵目标信号进行精确定位，无需确定震源信号的产生时间；当信号传播速度已知时，得到震源信号到达两个振动传感器的时间差即意味着得到了震源信号到达两个传感器的距离差，根据震源信号到达两个传感器的距离差即可得到一组双曲线，因此，在二维平面中，理论上三个振动传感器即可确定震源位置，不但方便了振动传感器的布设，还大大减少了计算量，提高了定位结果的准确度。

2、利用群体智能优化方法对传统的TDOA定位算法进行优化，以减小布设环境、布设方式等外界因素对定位算法造成的误差，从而进一步提高定位结果的准确度。

3、无线通信模块采用LoRa或北斗短报文无线通信完成数据交互；LoRa技术实现的数据传输可降低误码率，且传输距离也比一般的无线传输技术高3-5倍；北斗短报文无线通信则能满足系统在无人地区的远距离通信需求，保障通信链路完整不受影响。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明实施例的整体系统架构图；

图2为本发明实施例中同步采集AD芯片AD7779的电路原理图；

图3为本发明实施例中STM32处理模块与AD7779的连接示意图；

图4为本发明实施例中核心处理模块的电路原理图；

图5为本发明实施例中猫群算法的流程图；

图6为本发明实施例中模拟TDOA定位算法生成的初步结果示意图；

图7为本发明实施例中经猫群算法优化后的定位结果示意图；

图8为图7放大后的定位结果示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于群体智能优化的震动感知系统，包括主节点和多个子节点。主节点包括核心处理模块和无线通信模块。每个子节点均包括数据采集处理单元和多个分散布置的震动感知单元。震动感知单元包括振动传感器和信号调理电路。数据采集处理单元包括同步AD模数转换模块、STM32处理模块和无线通信模块。

系统选用动圈式振动传感器作为目标信号的感知单元，实时采集运动目标在浅地表产生的震动信号。动圈式振动传感器作为无源传感器，不需要额外电源输入即可通过内部线圈切割磁感线的方式，将浅地表的震动信号转化为电信号。信号调理电路采用四阶巴特沃斯低通滤波器对动圈式振动传感器输出的电信号进行放大和滤波，放大倍数为900倍，截止频率为200Hz。

为保证各振动传感器采集的目标信号时间基准一致，同步AD模数转换模块选取如图2所示的同步采集AD芯片AD7779采集多个震动感知单元感知到的震动信号并对其进行模数转换。STM32处理模块选用STM32系列STM32L496型号低功耗单片机完成对各个模块的逻辑控制和数据处理(STM32处理模块与AD7779的连接示意图如图3所示)。子节点和主节点的无线通信模块采用LoRa或北斗短报文无线通信完成各子节点与主节点之间的数据交互，能保障通信链路完整不受影响，保证系统在偏远无人地区通信的稳定性。

主节点的核心处理模块采用如图4所示的STM32系列STM32L496型号的低功耗单片机，搭载利用群体智能优化方法优化的TDOA定位算法(本实施例中采用如图5所示的猫群算法进行优化)。TDOA定位算法基于震源信号到达各个振动传感器的时间差对入侵目标信号进行精确定位。

一种采用上述震动感知系统进行震动感知的方法，主要包括以下步骤：

S1、在每个安防保护区域设置子节点，并通过LoRa或北斗短报文无线通信的方式将每个子节点与主节点连接。

S2、子节点通过动圈式振动传感器实时感知目标在安防保护区域附近运动产生的震动信号，通过信号调理电路对振动传感器感知到的浅地表震动信号进行放大和滤波，增强目标运动在浅地表产生的震动信号信噪比。随后通过数据采集处理单元中的同步AD模数转换模块对震动信号进行采集，通过数据采集处理单元中的STM32处理模块对震动信号进行分析处理，对比信号时域、频域和时频域特征，对入侵目标进行检测与分类，并通过LoRa或北斗短报文无线通信将入侵目标的相关信息上传至主节点。

S3、主节点的核心处理模块利用经猫群算法优化的TDOA定位算法对入侵目标信号进行精确定位。TDOA定位算法基于信号到达时间差对目标信号进行定位。由于系统采用同步采集AD芯片对目标的震动信号进行采集，所以每个通道的信号具有相同的时间基准。当发生入侵行为时，多个采集通道同时采集震动数据并产生报警信号，系统可以获取对应报警通道号和对应通道的系统实时时钟的时间，通过计算即可得到震动波到达各个振动传感器的时间差，得到初步的TDOA定位结果，得到入侵目标种类、目标位置等信息。

设置变化域SRD范围为0.2，c1为1，初始速度为0.03，迭代次数为200次，编写猫群算法程序进行验证。预设入侵目标位置为(7.5,2.5)，在入侵目标位置附近随机生成48个点视为TDOA定位算法的初步结果，如图6所示，横坐标范围为7-8，纵坐标范围为2-3。经猫群算法优化后，其定位结果如图7所示(图8为图7放大后的定位结果)，由此可见，经猫群算法优化后的传统TDOA定位算法误差较小，具有较高的准确度。

对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。