基于手机加速度计的地震事件检测方法研究

发布时间：2020-09-29 19:29

　　 地震事件检测是地震预警系统中的关键环节。传统的地震检测技术通过地震台站的高精度加速度计判别地震发生与否。近年来,随着智能手机的普及和性能提升,基于手机内置加速度计进行地震事件检测成为地震预警研究领域的新方向。有别于传统的检测技术,基于手机加速度计的地震事件检测方法不再侧重于从强噪声中提取地震事件数据,而是聚焦在挖掘人类活动数据模式和地震事件数据模式的差异。因此,传统地震事件检测方法在手机地震事件检测中并不完全适用。本论文从典型的人类活动模式特点出发,设计了手机固定姿态下的地震事件分层检测框架,并在此基础上通过加速度计和磁力计的数据融合,提出一种手机非固定姿态下的地震事件检测方法。主要工作和贡献如下:首先,本论文给出了一种新的基于地震体验屋的地震事件模拟方法,以更好地再现真实地震场景下的手机加速度数据模式。在此基础上,建立了地震事件检测样本库,该样本库覆盖了多种设备、手机姿态、手机载体、正负样本类型、和传感器类型。其次,通过传统门限方法和MyShake检测方法的融合,重点研究了手机固定姿态下的地震事件分层检测算法框架。在算法的较低层次,使用门限算法,提取STA/LTA和SMC特征,考虑与地震事件区分度较高的典型人类活动事件;在算法较高层次,使用随机森林分类算法,提取时频域特征,考虑与地震事件难以区分的典型人类活动事件。实验结果验证了分层算法在手机固定姿态下地震事件检测中的有效性。最后,在分层算法框架的基础上,通过加速度计和磁力计数据的融合,实现了不同手机设备数据坐标的归一化,并提出了地理相关的数据特征以更加高效地区分地震事件和人类日常活动事件。在此基础上,给出了手机非固定姿态下的地震事件检测策略:坐标归一化数据+地理特征+随机森林算法。实验结果表明,在该策略下,正负样本查准率均超过90%,且算法使用的总数据特征维数大大降低。
【学位单位】：武汉大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：P315.75
【部分图文】：

分别Ｗ首都和兰州为中也城市布设了邋８０个强震预警台站，建立了地逡逑震预警示范区。从全球范围来看，地震预警系统目前主要分布在经济较为发达的逡逑国家和地区，在尼泊尔，南美等经济欠发达的强震地频发地区分布反而较少［３］，逡逑见图＾１。巨额的资金投入正是导致许多地震频发地区无法建设地震预警系统的逡逑主要原因。逡逑

及固定物体的表面，手机的姿态可能为横放、竖方、斜放，采集到的数据也是地震事件和人类活动（例如走，跑）叠加的数据。因此，传统基于地震振的数据模拟方法在手机场景下并不完全适用，两者的差异使得基于模式识别的检测器无法得到较为准确的训练数据。因此，如何真实地反映出地震事件下的手机加速度数据模式，仍是一个难题。逡逑（２）快速准确的检测算法框架设计。早期的手机地震事件检测算法，大口限触发，在研究人员将模式识别中的分类算法框架应用到地震事件检测Ｗ法在区分地震事件与人类活动中有了更好的表现，但完全用模式识别分类算替口限法（例如ＭｙＳｈａｋｅ系统），也使得手机计算成本大幅提升，该问题在特征维数较高时尤为明显。考虑到即使是在地震频发地区，地震仍属于罕见，因此地震检测器实际是一个绝大多数情况下检测结果为负样本的特殊分类何设计出一个多层次的、既保证检测能力又能快速获得结果的算法框架，是关键问题。逡逑（３）手机姿态多样性问题。手机传感器数据坐标为设备坐标系，当设备发生变化时，数据坐标系也会随着发生变化，见下图１－２。逡逑

用手机加速度计进行地震事件检测，需要关注如何区分地震事件与人类行为事件，逡逑简单的口限触发算法不再完全适用，需要借助检测粒度更加精细的分类算法，其逡逑应用框架见下图２－１。逡逑ＬｔｉＪ逡逑预处理逡逑特征提化逡逑ＳＰＨ邋那崖型邋ｆ￣￣￣ｆｉｓｉ？逡逑＾———Ｌ邋＾逡逑地灄？逡逑图２－１模式识别框架应用于地震事件检测示意图逡逑在上述框架中，首先利用大量的地震事件数据（正样本）和非地震事件数据逡逑（负样本）进行模型训练，得到一个具有地震事件检测能力的分类器。标签未知逡逑的加速度数据，通过预处理和特征提取Ｗ后，输入分类器进行测试，便能得到该逡逑数据侦是否为地震事件的判定结果。可见，训练数据的质量，特征的选取Ｗ及分逡逑类算法的选择对于地震事件检测的精度至关重要。逡逑２．２．１常用的手机传感器数据预处理方法逡逑手机传感器采集的原始加速度数据包含了大量噪声，己有研究表明卡尔曼滤逡逑波能有效滤除加速度数据中的干扰噪声ＰＳＵＷ，滤波后的数据能够更好地反应相逡逑应事件的数据模式。另外，去除重力成分，分顿加窗也是必要的数据预处理步骤。逡逑（１）卡尔曼滤波逡逑卡尔曼滤波是传感器工程中较为成熟的一种滤波方法

【相似文献】

相关期刊论文 前10条

1 ;更正启示[J];测绘与空间地理信息;2017年11期

2 续宏;赵文洁;;高速公路事件检测系统发展趋势[J];中国交通信息化;2012年11期

3 汤伟;付雅文;;大规模RFID复杂事件检测优化技术研究[J];信息与电脑(理论版);2009年10期

4 王亚;徐传飞;陈艳格;;基于内外存调度的长过程复杂事件检测[J];计算机科学;2012年08期

5 王永恒;杨圣洪;郭波;;高效的射频识别数据流层次复杂事件检测[J];计算机工程;2010年06期

6 刘娜;;视频事件检测系统技术方案升级及管理新思路浅谈[J];中国交通信息化;2018年06期

7 高永兵;杨贵朋;张娣;马占飞;;基于突显词博文聚类的官微事件检测方法[J];数据分析与知识发现;2017年09期

8 洪宇;张宇;范基礼;刘挺;李生;;基于子话题分治匹配的新事件检测[J];计算机学报;2008年04期

9 王颖颖;张峗;胡乃静;;在线新事件检测系统中的性能提升策略[J];计算机工程;2008年15期

10 黄颖;;LDA及主题词相关性的新事件检测[J];计算机与现代化;2012年01期

相关会议论文 前10条

1 刘海龙;李战怀;陈群;;RFID供应链系统中的在线复杂事件检测方法[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

2 洪宇;张宇;范基礼;刘挺;李生;;基于子话题分治匹配的新事件检测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 张永忠;赵静;;基于事件检测算法的交通数据分析系统[A];中国计量协会冶金分会2008年会论文集[C];2008年

4 周春姐;孟小峰;文洁;;Flickr中的复合事件检测[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

5 胡佳锋;金蓓弘;陈海彪;;空间事件检测的加速策略研究[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

6 温慧敏;;交通事件检测数据融合技术研究[A];第一届中国智能交通年会论文集[C];2005年

7 许嘉;李芳芳;吕雁飞;谷峪;于戈;;无线传感器网络中一种基于权重模型的高效事件检测技术[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

8 万涛;陈学武;王川久;;高速公路事件自动检测算法研究综述[A];第一届中国智能交通年会论文集[C];2005年

9 张永忠;赵静;;基于事件检测算法的交通数据分析系统[A];2008全国第十三届自动化应用技术学术交流会论文集[C];2008年

10 朱强华;郑铁然;韩纪庆;;行车环境下基于二值语谱图的声学事件检测[A];需将论文集名称修改为“第十二届全国人机语音通讯学术会议（NCMMSC2013）论文集[C];2013年

相关重要报纸文章 前2条

1 王闯舟;事件检测提升服务的商业价值[N];计算机世界;2006年

2 杨耕身;水事件检测公共危机应对能力[N];温州日报;2005年

相关博士学位论文 前10条

1 冯亚闯;视频中的异常事件检测算法研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2016年

2 覃频频;基于信息融合的高速公路事件检测建模与仿真[D];西南交通大学;2007年

3 刘昌余;多媒体事件检测中的关键技术研究[D];华南理工大学;2015年

4 丁万;基于非场景目标特征的篮球视频事件检测及其体育教学应用的研究[D];华中师范大学;2015年

5 余柳;基于移动源数据的城市快速交通事件检测W-CUSUM算法与评价[D];北京交通大学;2010年

6 张崇明;无线传感器网络中的数据异常检测和数据质量问题研究[D];复旦大学;2010年

7 周晓芳;无线传感器网络中路由协议的跨层设计研究[D];中国科学技术大学;2010年

8 王倩;日侧全天空极光图像分类及动态过程分析方法研究[D];西安电子科技大学;2011年

9 邓镭;面向微博新媒体的公共事件及其社会舆论分析技术研究[D];国防科学技术大学;2013年

10 李芳芳;无线传感器网络实时数据管理关键技术研究[D];东北大学;2008年

相关硕士学位论文 前10条

1 李小光;基于手机加速度计的地震事件检测方法研究[D];武汉大学;2017年

2 丁U

本文编号：2830159