基于复合信号特征的崩塌落石监测方法

第３７卷　第５期　２０１３年１Ｏ月　武汉理工大学学报（交通科学与工程版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ　（Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ）　Ｖｏ１．３７　ＮＯ．５　０ｃｔ．２Ｏ１３　

基于复合信号特征的崩塌落石监测方法＊　

任　重”　张新锦　

（保定市天河电子技术有限公司”　保定０７１０５１）　（昆明铁路局工务处　昆明　６５００１１）　

摘要：行车限界内的崩塌落石灾害监测是保障山区铁路行车安全的重点研究课题．若干基于单信　号特征的监测方法已经投入应用，其固有的误报率和漏报率超出了铁路运输所能容忍的限度．考　虑到崩塌落石会产生侵限目标和冲击波等多种信号特征，提出了一种基于复合信号特征的监测方　法，对信号源不同的多种信号特征进行提取，同时要求这些特征必须具备高度的时空域相关性．理　论分析和各山区路局的实践表明，此方法可以使监测系统的误报率和漏报率同时降低到若干数量　级以下．　关键词：铁路行车安全；崩塌落石监测；复合信号特征；红外激光测量；冲击波定位　中图法分类号：Ｕ２６０　ｄｏｉ：１０．３９６３／ｊ．ｉｓｓｎ．２０９５—３８４４．２０１３．０５．０４９　

０　引　言　

崩塌落石灾害是中国及世界山区铁路行车安　

全的重大威胁［１　］．在各山区路局，每值汛期崩塌　

落石灾害时有发生，造成的撞击列车事故也并不　鲜见．由于地质地貌和植被等复杂的山区线路现　

场条件以及造价方面的原因，工程防治和防护手　段在桥隧相连、高陡边坡等特定线路条件下尚不　

能完全解除崩塌落石灾害的威胁．因此，行车限界　内的落石监测成为保障行车安全的最后一道屏　

障，一个能够替代目前普遍采用的人工看护模式，　

在全天候全气象条件下对崩塌落石灾害进行自动　

监测和行车指挥的技术防护系统（ｒｏｃｋｆａｌｌ　ｈａｚａｒｄ　

ｓｕｒｖｅｉｌｌａｎｃｅ　ｓｙｓｔｅｍ，ＲＦＨＳＳ）是各山区路局的普　遍需求，相关的研究工作也得到了铁道部的长期　

支持．　ＲＦＨＳＳ的核心价值在于迅速对接近灾害发　

生地点的列车发出报警，必须具备直接的行车指　

挥能力，因此漏报率（ｆａｌｓｅ—ｎｅｇａｔｉｖｅ—ｒａｔｉｏ，ＦＮＲ）　

和误报率（ｆａｌｓｅ—ｐｏｓｉｔｉｖｅ—ｒａｔｉｏ，ＦＰＲ）是其面临的　最大技术挑战．在各山区路局的系统运行实践表　

明，ＲＦＨＳＳ必须具备完备的监测能力，能够在行　车限界内确保发现高于机车排挡器的具有一定体　

积的落石堆积，还要确保发现因落石撞击造成的　

轨枕损坏，此时即使落石已跃出了行车限界，仍然　

需要给出报警．同时，发生误报会引起铁路运输中　

断，在全天候全气象条件下，每个防洪点每年发生　

一次误报也超出了容忍限度．为此，ＲＦＨＳＳ必须　采取非常有效的技术手段来最大限度同时降低　

ＦＮＲ和ＦＰＲ．　

１　监测方法概述　

１．１单特征监测方法　单特征检测方法（ｓｉｎｇｌｅ—ｆｅａｔｕｒｅ－ｂａｓｅｄ　ｄｅｔｅｃ—　

ｔｉｏｎ　ｍｅｔｈｏｄ，ｓＦＤＭ）指依据从单一信号源提取的　

信号特征进行崩塌落石灾害检测的方法．基于　

ＳＦＤＭ的ＲＦＨＳＳ已经进行了多年的研究并形成　

了应用系统，其主流技术包括以下３类．　１）视频分析方法［３　此技术路线是目前视　

收稿日期：２０１３－０９—１０　任重（１９８０一）：男，工程师，主要研究领域为模式识别与智能系统　铁道部科技司科技研究开发计划项目重点课题２ＯＯ５ＧＯＯ７“高危路段线路障碍自动监测预警技术研究”、２０１ＯＧ０１８一Ｅ一４“艰险困　难山区高速铁路综合技术研究一高陡边坡运营安全防灾监控及报警系统技术研究”、２０１ＩＧ０１７－Ａ“铁路防灾减灾技术深化研　究一一

铁路防洪安全检测监控”资助　武汉理工大学学报（交通科学与工程版）　２０１３年第３７卷　

频监控领域较为流行的视频内容分析技术的延　

伸，通过对防洪点现场的视频图像进行分析来发　现行车限界内的异物．其信号传感器是具有红外　

成像能力的摄像机．此方法的优点是系统造价相　对低廉，但是在恶劣天气下和夜间无法有效工作，　

无法发现落石撞击导致轨枕损伤但无显著异物堆　

积情况下的报警问题，存在较为严重的漏报；同时　

还易受到杂物、停留在轨枕上的飞鸟及动物以及　

阴影、反光等周边环境的影响，存在严重的误报情　

况，无法用来指挥行车．　

２）红外激光轨面扫描成像方法＿５］　此方法　

使用红外激光发射、探测和成像器材对轨面安全　

高度进行扫描，通过三角测量方法或飞行时间测　

距方法发现超过安全高度的异物截面轮廓，在此　

基础上对侵限目标进行跟踪和行为分析，从而判　

定是否为报警目标．此方法在夜间和恶劣天气下　能够有效工作，红外激光肉眼不可见，对机车乘务　

员无干扰，且不受阴影、反光影响，与视频分析方　

法相比，ＦＰＲ和ＦＮＲ都大为降低，但仍然会受到　

杂物、飞鸟和动物的干扰，且无法解决落石撞击导　

致轨枕损伤问题．　

３）电网及光纤光栅振动探测方法ｌ＿６　此类　

方法的基本原理是通过被动拦截网或轨枕传递的　

振动信号特征来检测崩塌落石，其使用的电网传　感器或光纤光栅传感器能够有效感知振动信号的　

能量和频谱特征，并且能够对撞击位置进行定位．　

其主要优点是可以全天候工作，不受杂物干扰，一　定程度上能够发现落石撞击导致的轨枕损伤．其　

主要缺陷是崩塌落石撞击产生的振动信号受线路　

条件影响较大，难于精确建模，且无法确认落石是　

否停留在行车限界内，而且系统易受线路及周边　环境中的正常振动信号的影响，存在一定的误报．　

此外，光纤传感器需要附着在钢轨或枕木上，执行　

换轨、换枕、捣固等日常工务作业时需要拆除，其　

实际部署和长期应用存在较大困难．　

１．２复合信号特征监测方法　

上述３种方法中，视频分析方法和断面扫描　

成像方法都是基于崩塌落石目标的外部形态及运　

动特征，电网和光纤光栅振动探测方法则是基于　

崩塌落石产生的振动信号特征．在发生崩塌落石　

时，这２类特征或强或弱都会出现，且有着很高的　

时空域相关性，即会在较短时间间隔和较近的空　

间范围内发生；同时，主要的误报因素中，这两类　

特征基本不会同时同地出现．比如落在轨枕上的　大型飞鸟，其外形和运动特征与崩塌落石相符，但　不具备振动特征；工务作业会在轨枕区引发较强　

的振动信号，但目标的运动特征与崩塌落石不符．　

这启发我们采用基于复合信号特征的检测方法，　

来同时大幅度降低ＦＰＲ和ＦＮＲ．　

基于此种认识，本文提出了一种基于红外反　

射特征和振动特征的复合信号特征监测方法　（ｃｏｍｐｏｓｉｔｅ—ｆｅａｔｕｒｅ—ｂａｓｅｄ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ，　

ＣＦＤＭ），分析了该方法的ＦＰＲ／ＦＮＲ与对应的　

ＳＦＤＭ方法之间的关系，给出了基于该方法的应　

用系统实现，并对近年来此系统在各山区路局的　

应用情况进行了总结．　

２　监测模型与性能分析　

２．１　ＦＰＲ与ＦＮＲ分析　崩塌落石监测需要解决的基本问题是，根据　

在行车限界内采集到的某些信号特征，做出是否　

发生了崩塌落石灾害的判定，是一个２类的分类　决策问题＿７］．对于崩塌落石事件Ａ，如果采用一维　

信号Ｘ的特征置信度ｚ作为检测依据，存在２个　

类条件概率密度函数Ｐ（ｚｌＡ）和ｐ（ｘＩＡ），在判定　

阈值为ｈ的情况下，ＦＰＲ和ＦＮＲ见图１。　

＾ｐ（ｘＭ）　

ｐ（ｘｌＡ）　Ｊ『＼－　／—＼ＦＮＲ　ｆ　

ＦｐＲ　／／　■　

图１误报率ＦＰＲ与漏报率ＦＮＲ　对ｐ（ｘ　Ｉ　Ａ）和ｐ（ｘ　Ｊ　Ａ）采用正态分布建模．　

设Ｐ（ｚ　ｌ　Ａ）～Ｎ（　，颤）及ｐ（ｘ　ｌ　Ａ）～Ｎ（ｆｚｘ，　

磋），将ｈ表示为　

ｈ：＝：　Ａ一　Ａ一　＋￡　Ａ　（１）　

称ｔＡ与　为相对于Ｐ（　１Ａ）和Ｐ（　ＩＡ）的标　准化阈值．由正态分布的特性可知ＦＰＲ（ｔ　）一　

１一　（坛）；ＦＮＲ（　）一１一　（　．式中：　）为标准　

正态分布函数．　

由式（１）可知，￡Ａ　Ａ＋　一脚一　，ｔＡ增大　意味着坛减小，反之亦然，因此在事件Ａ和信号　

ｘ确定的情况下，ＦＰＲ和ＦＮＲ是一对矛盾’，不可　

能同时降低，一项指标的降低必然伴随另一指标　

的上升．　在崩塌落石监测应用中，漏报造成的危害要　

远大于误报，因此需要采用Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ决　

策来确保其ＦＮＲ不超过一个可容忍的极限值　

￡　，此时无论使用哪种信号特征，ｔ

　都应取一个相　第５期　任重，等：基于复合信号特征的崩塌落石监测方法　・１１１５・　

同的最低标准化阈值ｒ　，使得￡Ａ＝１一　（ｒ　），这　

样坛才能达到最大，能够达到最低的ＦＰＲ．此外，　

由于崩塌落石是极小概率事件，因此，需要解决的　问题实质上是针对极小概率事件的低误报和低漏　

报Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ决策方法这一普遍问题．　

２．２　ＣＦＤＭ建模及性能分析　

ＣＦＤＭ是多传感器信息融合领域［８］的基本　

方法，广泛应用于军事对抗等对系统识别能力有　

较高要求的领域．在ＲＦＨＳＳ应用中，ＣＦＤＭ的任　务在于选择一组具有较低相关性的信号特征，并　

定义适当的复合信号特征，来同时达到比基于这　

些信号特征的任何一种ＳＦＤＭ都低的ＦＰＲ和　ＦＮＲ．本节给出一种复合信号特征的定义方法，　

并分析采用Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ决策时，基于这种　复合信号特征的ＣＦＤＭ与对应的ＳＦＤＭ之间　

ＦＰＲ和ＦＮＲ的量化关系．　如果　为同一空间和时间点上采集的ｄ维　信号ｘ的特征置信度向量，且ｐ（ｘ　Ｉ　Ａ）～Ｎ（　，　

∑　）及ｐ（ｘ　Ｉ　）～Ｎ（肛，∑　）．式中：　及　

为均值向量；∑　及∑　为协方差矩阵，其对角　

元分别为酸［　］及酷ｒｉ］，ｉ＝１，…，ｄ，则　ｐ（ｘｉ｛Ａ）～Ｎ（　［　］，醴［　］）　

ｐ（ｘ　ｊ　）～Ｎ（肛［　］，聩［　］）　

对于使用Ｘ的分量　的ＳＦＤＭ，依据式（１）　

得到的基于ｐ（ｘＩＡ）的决策规则Ｗ　为　

若　］，　∈　Ａ　，…，ｄ　

（２）　

式中：坛：（ｔｘｉ－１］，坛Ｅ２３，…，颤［　］）　为相对于　

ｐ（ｘ　ｌ　）的标准化阈值向量．由于∑　为正定对　

称矩阵，设∑　＝ｙ＿Ａ　＝（诹［１］，…，　

［　）ｄｉａｇ（　［１］，…，　［　）（　［１］，…，ｍｉｄ］）　，式　

中：　［　］＞０为　：　的第ｉ个特征值；ｖｘ［ｉ－１为其　

对应的单位正交特征向量．定义Ａ　“　＝　

ｄｉａｇ（Ｏ，ｘ［１］）　。，…，（　［　］）－Ｉ／２）以及∑　一　

（Ａ２　）嵋，可知（∑　）∑　（∑　）　一Ｉ．式　

中：Ｉ为ｄ维单位矩阵．　引入如下Ｘ的线性组合作为复合特征Ｙ　

Ｙ—ｔ　（∑　）（　一肛）　（３）　

并定义如下的决策规则　．　

，　若Ｙ　ｔＴｔｘ，则蕾∈｛　（４）　由正态分布性质可知Ｐ（Ｙ　Ｉ　Ａ）～Ｎ（Ｏ，　

瑶（∑　）∑　（∑　）　ｔｘ）＝Ｎ（Ｏ，ｔ　百），故　

式（４）的误报率为　

ＦＰＲ（　）一１一　（￣／　）≤１一　（坛［　］）一　

ＦＰＲ（　）　ｉ—Ｉ，…，ｄ　（５）　

即使用复合信号特征Ｙ及决策规则式（４）的　ＣＦＤＭ，其ＦＰＲ不会超过任何ＳＦＤＭ可以达到　

的误报率．当　［ｉ］全部相等为　，即希望ｘ的各　

分量Ｘ，－Ｊ－Ａ一具有相同的区分能力时，式（５）可简化为　

ＦＰＲ（ｎ）一１一垂（　）　（６）　

查表可知，当取　为２，即希望ＳＦＤＭ的　

ＦＰＲ低于２．３　时，使用双特征（　＝２）的ＣＦＤＭ　的ＦＰＲ约为２。３５‰，即降低了约１０倍；取　为　

３时，ＦＰＲ降低约１６０倍．下面讨论ＦＮＲ的情