初始值為
P(H1)預(yù)先設(shè)定，p(H。）~1。
[0100] 步驟S18,確定所述疑似振源數(shù)據(jù)不是真實的振源，并刪除所述疑似振源數(shù)據(jù)。然 后，流程結(jié)束。
[0101] 請同時參閱圖6,在本發(fā)明的實施方式中，對所提取的疑似振源數(shù)據(jù)進行序貫概率 比檢測時，將振動檢測分為高低兩級，即，設(shè)置第一門限和第二門限。當檢測到有一幀數(shù)據(jù) 出現(xiàn)符合條件的振動事件時，將該振動事件認定為疑似振動事件。然后，采用序貫概率比檢 測進一步地跟蹤該振動事件，最終確認振動事件是否是真實的。
[0102] 當檢測到有一幀數(shù)據(jù)出現(xiàn)符合條件的振動事件時，建立振動的疑似事件，并記錄 該振動位置的序貫概率比初始值。在之后的幀中，如果同一位置有振動事件存在，則采用序 貫概率比進一步計算其概率值，同時，將序貫概率比L(k)分別與高低門限比較：當IXT1時， 刪除振動疑似事件；當T1OXTJt，疑似事件繼續(xù)觀測；當LXTJt，振動疑似事件為振源事 件，發(fā)出報警。
[0103] 本發(fā)明的光纖振動檢測方法，通過對接收到的光纖振動測量序列進行采樣處理， 利用預(yù)先建立的振動信號檢測模型對所述光纖振動測量序列進行振動信號檢測，以提取疑 似振源數(shù)據(jù)；以及利用序貫概率比檢測模型對所述疑似振源數(shù)據(jù)進行檢測，實現(xiàn)確認所述 疑似振源數(shù)據(jù)是否為真實的振源。
[0104] 進一步地，利用本發(fā)明實施方式中的光纖振動檢測方法進行真實的石油管線進行 跟蹤和實測研究的結(jié)果，采用本發(fā)明算法對觀測數(shù)據(jù)進行處理后得到虛警概率、檢測概率 和信噪比的關(guān)系以及振源真實存在和振源不存在時檢測出振動信號的過零率匕 2的概率密 度比值隨過零率變化曲線和序貫概率比檢測效果圖。
[0105] 根據(jù)采集到的數(shù)據(jù)，設(shè)定進行光纖振動檢測的相關(guān)數(shù)據(jù)的設(shè)定如下：
[0106]系統(tǒng)每秒鐘產(chǎn)生Nfa個虛警，每小時則有Nf。個錯誤跟蹤事件的確認。因此，認為a 的公式如下：
[0108] 本系統(tǒng)的兩個門限參數(shù)設(shè)定，24小時內(nèi)只有一個虛警事件被確認，每5分鐘產(chǎn)生 2560個虛警。因此，得到參數(shù)NFA、Nfc如下：
[0114] 請參閱圖7,為本發(fā)明實施方式中的光纖振動檢測裝置的結(jié)構(gòu)示意圖。該實施方式 示出的光纖振動檢測裝置20包括：
[0115] 信號處理模塊21，用于利用預(yù)先建立的虛警概率模型、檢測概率模型以及過零檢 測模型對接收到的光纖振動測量序列進行振動信號檢測，得到不同虛警概率對應(yīng)的檢測概 率以及存在振源和不存在振源時的振動信號的過零概率密度函數(shù)的比值，以提取疑似振源 數(shù)據(jù)。
[0116] 具體地，當接收光纖振動測量序列，并對該光纖振動測量序列進行采樣處理。其 中，該光纖振動測量序列包含的數(shù)據(jù)包括信噪比、位置信息和過零率。
[0117] 接收到的光纖振動測量序列包含的數(shù)據(jù)中，每幀數(shù)據(jù)包含M個按照從左至右排列 的數(shù)據(jù)單元，在對一幀輸入數(shù)據(jù)進行采樣處理時，從M個數(shù)據(jù)單元中依次選取一個作為檢 測單元Hk，并同時獲取分別位于該檢測單元比左、右兩邊的參考單元。其中，I<k<M。
[0118] 判斷振動事件的虛警概率模型為：
[0120] 其中，Pfa為虛警概率，u。為單元平均恒定虛警概率處理后的檢測門限系數(shù)，N為樣 本個數(shù)，T=uQ/N為標稱化因子。
[0121] 具體地，建立判斷振動事件的虛警概率模型的方法如下：
[0122] 噪聲信號的分布符合瑞利分布，而瑞利分布雜波的概率密度函數(shù)為：
[0126] S卩，y是服從單邊指數(shù)分布。
[0127] 假定單元平均恒虛警概率處理中所有參考單元N的樣本是獨立同分布，則N個樣
服從伽馬分布，BP
[0129] 因為，平均值估計
，所以估計量的概率密度函數(shù)為：
[0131] 在振源信號不存在時，被檢測單元的樣本與參考單元的樣本具有相同的概率密度 函數(shù)，均服從單邊指數(shù)分布。若單元平均恒虛警概率處理后的檢測門限系數(shù)為u。，則虛警概 率為)J?的概率，因為是平均值估計，所以還應(yīng)對其進行統(tǒng)計平均，這樣則有：
[0135] 判斷振動事件的檢測概率模型為：
[0137] 其中，Pd為檢測概率，SNR為信噪比。
[0138] 具體地，建立判斷振動事件的檢測概率模型的方法如下：
[0139] 對于服從指數(shù)分布的目標模型，即swerIingI型和swerIingII型的目標模型，其 概率密度函數(shù)為：
[0145] 假設(shè)被檢測單元的樣本是指數(shù)起伏目標信號的概率密度函數(shù)，所有N個參考單元 樣本是獨立同分布的單邊指數(shù)分布：
的平均估計量的概率密度函數(shù)。于是， 信號檢測概率為的概率，即
[0149] 進一步地，得到檢測概率Pd、虛警概率PfJP信噪比SNR的關(guān)系式：
[0153] 其中，fez為檢測出振動信號的過零率，H1為存在振源的假設(shè)，H。為不存在振源的 假設(shè)，Det為檢測出振動信號的假設(shè)，p(fezIDet，H1)為存在振源時檢測出振動信號的過零率 f。,的概率密度函數(shù)，P(f1Det，H。）為不存在振源時檢測出振動信號的過零率匕2的概率密 度函數(shù)。
[0154] 進一步地，該第一檢測模塊32具體用于：
[0155] 利用虛警概率模型和檢測概率模型對光纖振動測量序列中的數(shù)據(jù)進行分析，得到 不同的虛警概率對應(yīng)的檢測概率。具體地，由虛警概率模型和檢測概率模型對數(shù)據(jù)進行分 析得到不同的虛警概率下檢測概率隨信噪比的變化曲線如圖4所示。
[0156] 利用該過零檢測模型確定存在振源和不存在振源時的振動信號的過零概率密度 函數(shù)的比值。具體地，由過零檢測模型得到存在振源時檢測出振動信號的過零概率密度函 數(shù)和過零了的關(guān)系圖如圖5a所示，以及不存在振源時檢測出針對信號的過零了密度函數(shù) 和過零率的關(guān)系圖圖圖5b所示，由此得到存在振源和不存在振源時檢測出振動信號的過 零概率密度函數(shù)比和過零率的關(guān)系如圖5c所示。以及
[0157] 利用該不同虛警對應(yīng)的檢測概率以及該過零概率密度函數(shù)的比值對該光纖振動 測量序列進行檢測以提取該疑似振源數(shù)據(jù)。
[0158] 第一檢測模塊22,用于實時地檢測該光纖振動測量序列中當前振動信號的位置信 息，并判斷是否偵測到的新的位置信息。
[0159] 計算模塊23,用于當該第一檢測模塊22偵測到新的位置信息時，計算該新的位置 信息的序貫概率比的初始值，根據(jù)虛警概率、檢測概率以及存在振源和不存在振源時的振 動信號的過零概率密度函數(shù)的比值計算概率比增量，以及利用序貫概率比檢測模型以及該 序貫概率比的初始值和該概率比增量確定序貫概率比。
[0160] 其中，該計算模塊23計算該新的位置信息的序貫概率比的初始值為：
[0162] 其中，P(H1)需要根據(jù)監(jiān)控的管道所鋪設(shè)的區(qū)域的實際情況進行設(shè)定，通常人工設(shè) 計一段時間內(nèi)事件發(fā)生的時間，然后再換算成P(H1)。
[0163]p(H。）就虛警假設(shè)H。而言，它總有機會發(fā)生，因此可以認為p(H。）~1。
[0164] 系統(tǒng)實時對該光纖振動測量序列中當前振動信號的位置信息進行判斷，若當前振 動信號位置信息與其前一幀振動信號位置信息不相同，則計算模塊23計算其序貫概率比 的初始值L。，并隨機返回繼續(xù)判斷位置信息。若當前振動信號的位置信息與其前一幀振動 信號位置信息相同，則進行振動信號檢測，然后計算模塊23計算概率比增量AL(k)。
[0165] 該計算模塊23計算該序貫概率比檢測模型為：
[0166] L(k) =L(k~l) +AL(k)
[0167] 其中，k為觀測的次數(shù)
為概率比 增量。
[0168] 判斷模塊24,用于判斷該計算模塊23計算得到的該序貫概率比是否小于第一門 限，以及當該序貫概率比不小于該第一門限時，判斷該序貫概率比是否小于第二門限。
[0169] 第二檢測模塊25,用于當該判斷模塊24確定該序貫概率比不小于該第二門限時， 確定該疑似振源數(shù)據(jù)為真實的振源。
[0170] 進一步地，該第二檢測模塊25還用于當該判斷模塊24確定該序貫概率比小于該 第一門限時，確定該疑似振源數(shù)據(jù)不是真實的振源，并刪除該疑似振源數(shù)據(jù)。
[0171] 當該第二檢測模塊25判斷該序貫概率比小于該第二門限時，對該疑似振源數(shù)據(jù) 不作處理。
[0172] 進一步地，該第二檢測模塊2