一种基于物联网的田野文物盗掘行为的振动信号识别方法与流程

摘要: 本发明涉及田野文物保护,具体为一种基于物联网的田野文物盗掘行为的振动信号识别方法。背景技术:1、田野文物(如古墓葬、大遗址、石窟寺)分布广、监管难度大,易受盗掘...
一种基于物联网的田野文物盗掘行为的振动信号识别方法与流程

本发明涉及田野文物保护,具体为一种基于物联网的田野文物盗掘行为的振动信号识别方法。

背景技术:

1、田野文物(如古墓葬、大遗址、石窟寺)分布广、监管难度大,易受盗掘侵害,现有振动监测技术多采用sta/lta(短项平均/长项平均)阈值法或小波变换结合svm分类器的方案。

2、但上述现有技术方案在实际使用中,土层密度、阻尼、横波/纵波速度、体积含水率会随降雨、季节更替、农耕翻耕发生剧烈变化,实测数据显示雨后同一洛阳铲冲击产生的振动幅值相较旱季扩大3~8倍,土层阻尼比升高2~5倍。现有技术全部采用固定不变的土壤介质参数、静态识别阈值、离线训练分类模型,未考虑地层动态变化,雨后、雨季监测误报数量呈指数上升;同时现有介质参数更新依赖人工现场钻孔勘测,大遗址数十平方公里范围人工勘测成本极高、周期长,无法实现实时自适应校准;

3、现有振动定位算法强制将一段时间内所有冲击信号拟合至单一静止震源点,但洛阳铲盗掘具备典型移动作业特征:盗掘人员单次作业会连续开挖数十个探眼,探眼间水平挪速仅0.01~0.1m/s,单探眼垂直下探速率0.07~0.25m/s。将移动震源强行拟合为单点会造成米级定位误差;同时仅依靠振动幅值、频谱特征无法区分农用车通行、风雨土层扰动、野生动物踩踏、农耕机械等干扰信号,缺少针对洛阳铲专属作业模式的行为判别依据,漏报、误报问题双重存在。

技术实现思路

1、针对现有技术的不足,本发明提供了一种基于物联网的田野文物盗掘行为的振动信号识别方法,解决了上述背景技术中提出的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:一种基于物联网的田野文物盗掘行为的振动信号识别方法,包括以下步骤:

3、s1、系统部署与初始化步骤:

4、部署多个埋入式振动传感节点,各节点同步采集三轴加速度数据及埋深土壤体积含水率;初始化设定遗址墓圹深度;

5、s2、介质参数自校准步骤:

6、在预设的无事件窗口期内,利用邻节点间的背景振动噪声提取瑞利波频散曲线,并构建包含频散拟合项、湿度约束项及时域平滑项的目标函数,反演获得分层介质的动态物理参数;其中,为第层厚度,为第层横波速度,为第层密度,为第层材料阻尼比;为地层索引,为分层总数,当时为表层即耕植土,当时为最深层即墓圹回填或生土;

7、s3、单节点特征提取步骤:

8、利用所述动态物理参数中的阻尼比对检测到的冲击信号进行包络衰减补偿,计算脉冲群显著度特征;

9、s4、多节点协同判决步骤:

10、将反演所得横波波速经针对本地回填土标定后的castagna公式换算为纵波波速,利用计算波前时空一致性因子,结合所述脉冲群显著度特征进行证据融合,输出初级判决。

11、进一步的,所述步骤s2中,目标函数中湿度约束项为:

12、

13、其中,为节点在时间原位实测的土壤体积含水率,为由当前分层介质模型通过crsi模型计算得到的理论含水率,为湿度约束系数,用于将实测含水率物理规律嵌入反演过程以抑制多解性。

14、进一步的,所述反演过程采用粒子群优化算法,并以作为粒子群初始化的搜索中心,将迭代次数控制在预设次数内;

15、其中,为上一次反演结果,利用土壤参数随时间渐变的特性降低计算复杂度,以适应边缘端微控制单元的算力限制。

16、进一步的,所述步骤s3中,利用阻尼比对检测到的冲击信号进行包络衰减补偿时具体包括:

17、构建介质传递函数以对原始冲击加速度进行谱除运算,得到归一化加速度;

18、将脉冲群显著度特征中的静态包络衰减项更新为动态阻尼补偿项:

19、

20、其中,为第簇冲击包络从峰值衰减至10%的时长,为节点埋深所在第层的实时反演的阻尼比,为背景噪声衰减基准,为标定态阻尼比先验值,用于消除雨后土壤阻尼变化导致的特征漂移。

21、进一步的,还包括下述步骤:

22、s5、运动学二次辨识步骤:

23、基于所述动态纵波波速,对冲击信号进行逐簇定位以获取震源轨迹,其中所述逐簇定位针对每一冲击簇独立求解震源位置,而非将所有冲击簇强制拟合至单一静止源点;

24、提取震源的水平挪速、垂直下探速率及操作周期,构建运动学指纹置信度;

25、利用所述运动学指纹置信度对所述初级判决进行二次校验,输出最终报警决策。

26、进一步的,提取震源的水平挪速、垂直下探速率时具体包括:

27、根据震源位置序列的深度变化趋势,将深度单调增加且水平位移小于0.3米的连续簇划分为一个探眼分段;

28、计算相邻探眼分段与之间的水平挪速,以及单个探眼分段内的垂直下探速率;

29、其中,所述水平挪速反映洛阳铲操作人员在不同探眼间的移动速度,所述垂直下探速率反映洛阳铲单探眼内的挖掘进度。

30、进一步的,构建运动学指纹置信度时,采用以下公式:

31、

32、其中,、、分别为洛阳铲水平挪速、垂直下速及操作周期的先验均值;为水平速度容忍度;为垂直速度容忍度;为周期容忍度;为冲击簇总数;为整轮作业的总垂直下探速率;为最终下探深度,为指示函数,当落入遗址墓圹深度范围时取值为1,否则为0。

33、进一步的,运动学指纹置信度中的先验均值、、在系统上线后通过首月人工打铲测试数据进行自适应更新,以适应不同地域盗掘行为的操作习惯差异。

34、进一步的,利用所述运动学指纹置信度对所述初级判决进行二次校验时,其过程具体包括:

35、将单节点的脉冲群显著度、波前时空一致性因子及所述运动学指纹置信度分别通过sigmoid函数映射为基本信任分配;执行序贯d-s证据融合运算:,其中,代表d-s组合规则;

36、设定判决门限:若且,判定为确凿盗掘并输出一级报警;若但,判定为疑似干扰并输出二级预警。

37、本发明提供了一种基于物联网的田野文物盗掘行为的振动信号识别方法,具备以下有益效果:

38、1.该基于物联网的田野文物盗掘行为的振动信号识别方法,打破了传统振动监测技术默认土壤介质属性恒定的固有假设,无需依赖人工定期勘测更新介质参数,可自适应匹配不同季节、降水后的地层环境变化,从源头上消除因介质时变引发的信号特征漂移问题,同时为后续振动信号分析与定位计算提供精准的介质参数支撑,且全程复用节点自身采集的背景噪声与温湿数据,无需增设额外传感硬件,适配野外低功耗无人值守场景的长期稳定运行需求。

39、2.该基于物联网的田野文物盗掘行为的振动信号识别方法,突破了现有盗掘识别技术将振动源默认为静止点源的局限,精准契合洛阳铲“挪位-下探”的特有作业模式,通过提取振动源的运动学特征构建专属行为指纹,可有效区分农用车通行、风雨扰动、动物活动等各类干扰,摆脱了对单一振动幅值或频域特征的依赖,大幅提升报警决策的可靠性,从行为维度进一步降低误报与漏报风险。