POTENTIAL OPPORTUNITIES OPTICAL DISTRIBUTED ACOUSTIC SENSORS TO DETERMINE THE LOCATION OF THE ATTACKER
- 作者: Gubareva O.Y1, Gureev V.O1, Chifranov G.N1
-
隶属关系:
- Povolzhskiy State University of Telecommunications and Informatics
- 期: 卷 19, 编号 2 (2021)
- 页面: 239-249
- 栏目: Articles
- URL: https://journals.eco-vector.com/2073-3909/article/view/112214
- DOI: https://doi.org/10.18469/ikt.2021.19.2.13
- ID: 112214
如何引用文章
全文:
详细
The article considered possible models and algorithms based on the analysis of features of energy and time characteristics and/or characteristics of directional pattern that consider the features of the spatial location of the signal source (or sources) for the subsequent localization of the sound source, in relation to fiber-optic sensor networks, to solve the problem of determining with a given accuracy the location of the attacker on the protected object. The most optimal model was chosen based on estimates of the difference in the delay time of acoustic signals at different reference points of the backscattering characteristic of the optical fiber of a distributed acoustic sensor (DAS). As an example, the results of calculating the deviation estimates for determining the coordinates of the sound source as a function of the noise level in a room with two optical fibers laid in parallel along opposite walls are presented.
全文:
Введение В современных условиях сложной кримино- генной обстановки, нестабильной политической и экономической ситуации как в мире в целом, так и в РФ в частности вопросы обеспечения без- опасности населения и промышленных объектов приобретают особую актуальность. Особую и вполне реальную опасность для крупных произ- водственных, коммерческих, военных и финан- совых, объектов представляют злонамеренные несанкционированные действия нарушителей: террористов, диверсантов, преступников, экстре- мистов. Последствия их действий непредсказу- емы: от потери имущества до создания чрезвы- чайной ситуации на объекте (пожар, разрушение, затопление, авария и т. п.). Все вышеперечислен- ные факторы требуют осуществления меропри- ятий по противодействию преступным посяга- тельствам и обеспечению безопасности на всех уровнях, из которых исходит угроза. Одной из эффективных мер по обеспечению безопасности важных промышленных объектов является создание автоматизированной системы охраны и противодействия от несанкциониро- ванного проникновения физических лиц - си- стемы физической защиты. В данных системах остро стоит проблема точного определения место положения злоумышленника на объекте для сво- евременного реагирования и направления груп- пы охраны для задержания нарушителя. В статье для решения проблемы определения с заданной точностью местоположения злоумыш- ленника на охраняемом объекте предложено использовать имеющиеся на объекте воло- конно-оптические линии связи (ВОЛС) с уста- новленными на них распределенными акустиче- скими сенсорами - DAS (Distributed Acoustic Sensors) [1-3], с последующим подключением к работе систем телевизионного наблюдения для отслеживания перемещения злоумышленника. На сегодняшний день сложно найти современ- ный объект, не опутанный оптическим волокном (ОВ) для высокоскоростного обмена данными, ввиду чего целесообразным является его исполь- зование для проектирования систем физической защиты, уже имеющихся на объекте ВОЛС. Обзор существующих методик В настоящее время для определения нахож- дения и местоположения злоумышленника на объекте, как правило, используют системы ви- деонаблюдения, которые легко обмануть, зная место расположения камер на объекте, многие из которых в целях экономии ресурсов настрое- ны на включение и запись по движению. Также существуют дорогостоящие радиоволновые дат- чики (принцип работы основан на регистрации возмущений электромагнитного поля, которые вызывает попадающий в это поле нарушитель), вибрационные датчики (разработаны на основе сенсорных микрофонных кабелей, которые кре- «Infokommunikacionnye tehnologii» 2021, Vol. 19, No. 2, pp. 239-249 пятся к ограде, регистрируют ее механические ко- лебания при попытке вторжения на объект и пре- образуют эти колебания в электрический сигнал), сейсмические датчики (основаны на применении чувствительного элемента - геофона, регистри- рующего механические вибрации) [4]. Данные датчики не применяются внутри помещений и не подходят для определения местоположения зло- умышленника внутри крупных офисных зданий. До недавнего времени для решения задач точ- ного местоположения наиболее широко были распространены распределенные беспроводные сенсоры (Wireless Sensor Networks - WSNs) [5]. WASN состоит из набора сенсорных узлов, со- единенных между собой через беспроводную среду [6; 7]. Каждый узел имеет один или не- сколько датчиков (микрофонов), блок обработки данных, модуль беспроводной связи, а иногда и один или несколько исполнительных механизмов (громкоговорителей) [8]. В течение последнего десятилетия использование информации о ме- стоположении и ее потенциальные возможности в развитии окружающей среды интеллектуаль- ных приложений способствовали разработке ло- кальных систем позиционирования с WSNs [9]. Локализация и ранжирование в WSNs обычно решаются путем измерения уровня принимаемо- го сигнала (Received Signal Strength - RSS) или времени прибытия (Time of Arrival - TOA) радио- сигналов [10]. Однако подход RSS, будучи отно- сительно недорогим, несет в себе возможность появления значительных ошибок из-за замира- ния канала, больших расстояний и многолучево- сти. В контексте обработки акустических сигна- лов WASNs также обеспечивают преимущества по сравнению с традиционными (проводными) микрофонными решетками [11]. Например, они позволяют увеличить пространственное покры- тие за счет распределения микрофонных узлов по большей площади, масштабируемой структу- ре и, возможно, лучшим свойствам отношения «сигнал/шум» [Signal-to-Noise Ratio] (SNR). Фак- тически, поскольку точность определения даль- ности зависит как от скорости распространения сигнала, так и от точности измерения TOA, аку- стические сигналы могут быть предпочтительнее по отношению к радиосигналам [12]. Основным из недостатков беспроводных сен- сорных сетей можно считать точность определе- ния местоположения сенсора, что, в свою очередь, влияет на погрешность локализации источника звука - злоумышленника. В свою очередь, систе- мы TDOAs (Time Difference of Arrival), построен- ные на основе DAS, имеют размах по расстоянию между сенсорами менее 1 м и чувствительность до 90 дБ, такие системы разделяют на несколь- ко классов в зависимости от типа используемого обратно-рассеянного излучения и типа информа- ционной составляющей обратно-рассеянного из- лучения. Тип DAS-системы может быть амплитудным, фазовым, частотным или поляризационным. В за- висимости от её типа для обратно-рассеянного сигнала определяются соответствующие харак- теристические параметры, которые описывают отражающие способности волокна на различных его участках, длина которых лежит в интервале от 1 м до 10 м. В соответствии с типом систе- мы в качестве таких параметров может высту- пать амплитудный, частотный, фазовый или по- ляризационный показатель обратно-рассеянного интерференционного сигнала. Вследствие влия- ния внешнего механического воздействия (на- пример, сейсмоакустического), приложенного на конкретном сегменте сенсора, на этом сегменте возникает локальная девиация коэффициента рассеяния. В DAS-системах различных типов обобщенным параметром, объективно характе- ризующим эту локальную девиацию, считается некоторая аналитическая функция от разности значений параметров, соответствующих одному и тому же сегменту сенсора в смежных циклах зондирования. Вид такой аналитической функ- ции зависит от типа DAS-системы и является ноу- хау производителей DAS-систем (на российском рынке наиболее распространены технические решения: «Волк», «Волкодав», «Волна Альфа», «Ворон», «Дунай», «Омега», «Оптолекс», «Со- кол», «FiberPatrol», «Optosens», «Silixa iDAS» и система «OXY») [3; 4; 13; 14]. В литературе этот обобщенный параметр называют информацион- ным параметром или сигналом. Таким образом, для DAS-систем различного типа информацион- ный параметр имеет разную физическую приро- ду. Отражающая способность отдельных участ- ков оптоволокна связана с величиной локального коэффициента рассеяния света на этих участках (сегментах). Локальный коэффициент рассеяния, в свою очередь, определённым образом зависит от частоты и интенсивности вибраций внешнего механического воздействия на поверхность сен- сора. Путём импульсного зондирования оптово- локонного сенсора с определенной частотой (на практике ∼ 2000 Гц) при измерении значений соответствующего информационному параметру восстанавливается амплитудно-частотная ха- рактеристика (АЧХ) сейсмоакустического поля, воздействующего на сенсор. Физика механизма работы DAS-систем с мономодовым сенсором довольно сложная. На процесс формирования обратно-рассеянного сигнала влияет множество факторов, возникающих вследствие внешнего ме- ханического воздействия (например, сейсмоаку- стического поля) на сенсор. Кроме того, влияют эффекты сжатия/растяжения оптоволокна, веду- щие к микрофлуктуациям длины и поперечного сечения сенсора, а также к вариациям локального коэффициента преломления света в волокне. Эф- фекты изменения локального местоположения центров рэлеевского рассеяния (микровкрапле- ний) влияют на девиацию локального коэффици- ента рассеяния. Необходимо отметить, что на сегодняшний день практически все здания имеют сеть оптово- локонных линий связи. Очевидно, что свободные волокна могут быть с успехом использованы в Рисунок 1. Предполагаемые коммуникации офисного здания Метод TDOA основан на разнице во вре- мени распространения звуковых волн от место- положения источника звука до пар сенсоров. Если источник расположен в точке xs, а i-й микрофон в точке m, то датчик находится в точке ( m) mi i качестве распределенных акустических сенсоров 1, ..., N применение к вычислению местоподля определения местоположение источника зву- ка и в том числе злоумышленника. Описание математической модели ложения злоумышленника на объекте методом TDOA обусловлено разницей в диапазонах от ис- точника до микрофонов i и j (DAS). Тогда оценка задержки рассчитывается как Ранее в работе были рассмотрены возможные rm x m( m) - x mm модели и способы локализации источника зву- ( m) ij ij , s i s j ка, основанные на анализе особенностей энер- c c гетических и временных характеристик и/или i 1, ..., N , j 1, ..., N , i j, m 1, ..., M . характеристик диаграмм направленности, учи- тывающие особенности пространственного рас- положение источника (или источников) сигнала для последующей локализации источника звука, применительно к волоконно-оптическим сенсор- ным сетям. В качестве оптимальной была выбрана мо- дель, базирующаяся на оценках разности време- ни задержки акустических сигналов, регистрируемых сосредоточенными сенсорами, например Здесь N - число сенсоров или точек отсчета на характеристике обратного рассеяния оптического волокна. Пусть в здании на рисунке 1 установлены сен- соры DAS (см. рисунок 2), и там предположитель- но находится злоумышленник, а ОВ в помещении расположено вдоль двух противоположных стен. В таком случае мы будем рассматривать пары сенсоров в пределах одного узла, поэтому опустим надстрочный знак m для датчика. Оценка ˆ на решетках Брэгга, или в разных точках отсчета характеристики обратного рассеяния оптическо- го волокна распределенного акустического сен- сора DAS. Предположим, что имеется некоторое здание с уже имеющейся структурой ВОЛС (см. рису- нок 1). В данном здании узлы соединены меду собой через канал с низким битрейтом и синхроij для TDOA ij может быть выполнена с помощью обобщенной перекрестной корреляции (GCC) между сигналами, полученными от сенсоров mi и mj, как подробно описано ниже. При работе в безэховом сценарии и одном источнике сигнал дискретного времени, получаемый микрофоном- сенсором i, есть низация по времени между ними не гарантируxi (t) i s(t - i ) i (t), i 1, ..., N , ется, в свою очередь, каждый датчик состоит из где i - потери, определяемые чувствительнескольких сенсоров, а для более точной локалиностью оптоволоконной сенсорной системы; зации источника звука требуется максимальное s(t) - исходный сигнал; i (t) аддитивный шуколичество вычислений для каждого узла, затем мовой сигнал; i задержка распространения полученные измерения объединяются для лока- лизации центрального узла. Рассмотрим, что в данном здании имеется M узлов в сети. Все узлы оснащены N микрофонами. между источником и I сенсором (точкой отсчета). В области дискретного преобразования Фурье (DTFT) сенсорные сигналы могут быть записаны как измерение×
作者简介
O. Gubareva
Povolzhskiy State University of Telecommunications and Informatics
Email: o.gubareva@psuti.ru
Samara, Russian Federation
V. Gureev
Povolzhskiy State University of Telecommunications and Informatics
Email: v.gureev@psuti.ru
Samara, Russian Federation
G. Chifranov
Povolzhskiy State University of Telecommunications and Informatics
Email: chifranov.e@yandex.ru
Samara, Russian Federation
参考
- Treshchikov V. Dunay software and hardware complex. In: T8 company. URL: https://t8.ru/wp-content/uploads/2019/01/Dunay-2019-eng.pdf (дата обращения: 25.12.2020)
- Бурдин В.А., Губарева О.Ю. Методы локализации источников звука в акустооптических сенсорных сетях // Фундаментальные проблемы оптики: материалы XII Международной конференции (ФПО-2020). 2020. С. 199
- Burdin V.A., Gubareva O.Y. Simulation of simplex acousto-optical data transmission on fiber optic link // Proc. SPIE 10774. 2018. Vol. 10774-0B
- Магауенов Р.Г. Системы охранной сигнализации: основы теории и принципы построения. М.: Изд-во Горячая линия-Телеком, 2004. 367 с
- Low-cost alternatives for urban noisenuisance monitoring using wireless sensor networks / Segura-Garcia [et al.] // IEEE Sensors Journal. 2015. Vol. 15, № 2. P. 836-844
- Geographic multipath routing based on geospatial division in duty-cycled underwater wireless sensor networks / J. Jiang [et al.] // Journal of Network and Computer Applications. 2016. Vol. 59. P. 4-13
- Bertrand A. Applications and trends in wireless acousticsensor networks: a signal processing perspective // Proc. IEEE Symposium on Communications and Vehicular Technology in the Benelux (SCVT ’11). 2011. P. 1-6
- Raykar V.C., Kozintsev I.V., Lienhart R. Position calibration of microphones and loudspeakers in distributed computing platforms // Proc. IEEE Transactions on Speech and Audio. 2005. Vol. 13, № 1. P. 70-83
- A survey of localization in wireless sensor network / L. Cheng [et al.] // International Journal of Distributed Sensor Networks. 2012. Vol. 2012. P. 12
- Survey of wireless indoor positioning techniques and systems / H. Liu [et al.] // IEEE Transactions on Systems, Man and Cybernetics. 2007. Vol. 37, № 6. P. 1067-1080
- Wang H. Wireless sensor networks for acoustic monitoring: Ph.D. dissertation / USA. University of California, Los Angeles (UCLA). Los Angeles, Calif., 2006
- Priyantha N., Chakraborty A., Balakrishnan H. The cricket location-support system // Proc. 6th Annual International Conference on Mobile Computing and Networking (MobiCom ’00). 2000. P. 32-43
- Тимофеев А.В., Грознов Д.И. Классификация источников сейсмоакустической эмиссии в волоконно-оптических системах мониторинга протяженных объектов // Автометрия. 2020. Т. 56, № 1. С. 59-73
- Pipeline leak detection technology based on distributed optical fiber acoustic sensing system / Zuo [et al.] // Proc. IEEE Access. 2020. Vol. 8. P. 30789-30796
- Knapp C.H., Carter G.C. The generalized correlation method for estimation of time delay // Proc. IEEE Transactions on Acoustics, Speech and Signal. 1976. Vol. 24, № 4. P. 320-327
- Huang, Y.A., Benesty J. Audio Signal Processing for Nextgeneration Multimedia Communication Systems // Springer Science & Business Media. 2007
- Acoustic source localization with distributed asynchronous microphone networks / A. Canclini [et al.] // Proc. IEEE Transactions on Audio, Speech and Language. 2013. Vol. 21, № 2. P. 439-443
- TDOA-based acoustic source localization in the space-range reference frame / P. Bestagini [et al.] // Multidimensional Systems and Signal Processing. 2014. Vol. 25, № 2. P. 337-359
- Huang Y. Source localization in Audio Signal Processing for Next-Generation Multimedia Communication Systems. Berlin: Springer, 2004. P. 229-253
- Gillette M.D., Silverman H.F. A linear closedform algorithm for source localization from time-differences of arrival // Proc. IEEE Signal Letters. 2008. Vol. 15. P. 1-4
- Smith J.O., Abel J.S. The spherical interpolation method of source localization // IEEE Journal of Oceanic Engineering. 1987. Vol. 12, № 1. P. 246-252
- Smith J.O., Abel J.S. Closed-form least-squares source location estimation from range-difference measurements // Proc. IEEE Transactions on Acoustics, Speech, and Signal. 1987. Vol. 35, № 12. P. 1661-1669
- Huang Y., Benesty J., Elko G.W. Passive acoustic source localization for video camera steering // Proc. IEEE International Conference on Acoustics, Speech, and Signal. 2000. Vol. 2. P. II909-II912
- Smith J.O., Abel J.S. The spherical interpolation method forclosed-form passive source localization using range difference measurements // Proc. IEEE International Conference on Acoustics, Speech, and Signal. 1987. Vol. 12. P. 471-474
- Schau H.C., Robinson A.Z. Passive source localization employing intersecting spherical surfaces from time-of-arrival differences // Proc. IEEE Transactions on Acoustics, Speech, and Signal. 1987. Vol. 35, № 8. P. 1223-1225
- Real-time passive source localization: a practical linear-correction least-squares approach / Y. Huang [et al.] // Proc. IEEE Transactions on Speech and Audio. 2001. Vol. 9, № 8. P. 943-956
- Beck A., Stoica P., Li J. Exact and approximate solutions of source localization problems // Proc. IEEE Transactions on Signal. 2008. Vol. 56, № 5. P. 1770-1778
- A robust and low-complexity source localization algorithm for asynchronous distributed microphone networks / A. Canclini [et al.] // Proc. IEEE Transactions on Audio, Speech and Language. 2015. Vol. 23, № 10. P. 1563-1575
- Localization of acoustic sources through the fitting of propagation cones using multiple independent arrays / A. Canclini [et al.] // Proc. IEEE Transactions on Audio, Speech and Language. 2012. Vol. 20, № 7. P. 1964-1975
补充文件
![](/img/style/loading.gif)