论文部分内容阅读
地震预警系统能够在地震波到达预警目标区前为人们发送地震预警信息,延长紧急应对时间,有效减少人员伤亡以及财产损失。传统地震监测仪器虽然可以产生高保真的地震监测信号,但是由于其价格昂贵、功耗高、体积庞大、难以安装等局限性难以广泛部署。近年来,大量普及的普通用户智能手机中装配的加速度计和陀螺仪等运动传感器采用与地震仪相似的采样原理,同时还具备海量的用户规模,成为地震事件监测的潜在设备。为了解决普通智能手机传感器在异常震动事件检测中可能存在的噪声大、精度差等问题,本文尝试在普通智能手机上实现、测试并改进经典的P波震相捡拾算法,模拟采样大量异常震动事件采样数据,分析其传感器采样的信号特征,提出实用的异常震动事件检测方法。其次,为了模拟海量智能手机用户的群智感知特征,提出相应的数据融合策略并分析其理论依据,使用多台智能手机实施融合进行了验证,有效提高了异常震动事件检测的精度,为普通智能手机在地震预警系统中的应用提供了参考依据。本文的工作主要如下:首先,分析普通智能手机传感器采集异常震动事件数据的波形特征,建立描述动态使用环境和噪声条件下非定制传感器采样的震相模型;采用并改进了三种典型地震信号监测方法对九类异常震动事件进行分析与检测,找出最有效的震动信号监测方法。结果表明:STA/LTA方法捡拾结果虽然都滞后于真实到时,但与真实到时接近,误差小于0.1s;AIC准则方法捡拾结果都提前于真实到时,并且与真实到时相差很大,不适用于基于普通智能手机传感器的异常震动信号检测;STA/LTA方法结合AIC准则方法检测误差小于0.05s,捡拾效果最好,验证了基于普通智能手机传感器的异常震动事件检测的可行性。其次,分析了多台普通智能手机传感器对异常震动事件监测的数据融合方法。使用多台不同厂商生产的普通智能手机采样不同场景的异常震动事件,结合STA/LTA+AIC准则的方法捡拾P波到时,产生本地决策,然后将本地决策传输到基站对多台智能手机的捡拾结果进行数据融合。试验结果表明数据融合大大提高了捡拾准确率,降低了捡拾误警率,有效地改善了系统对异常震动事件的感知质量。