Details

В статье рассматривается задача идентификации событий, происходящих рядом с распределенным акустическим сенсором «Дунай», служащим для охраны периметра. Исходный сигнал, полученный от 50 тысяч точечных микрофонов, имеет частоту дискретизации порядка 1 кГц, что соответствует общему потоку данных около 1 Гбит в секунду. Для обработки такого объема данных применяется метод сжатия сигнала с применением частотных фильтров. На основе полученного сигнала строится «водопад» (движущееся цветное изображение). Показано, что задача идентификации событий может быть решена стандартными методами компьютерного зрения, такими как сверточные нейронные сети. В частности, разработана нейронная сеть, позволяющая отличить такие типы акустических сигналов, как шаги человека, ручная копка и шаги животных и т. п.

The article shows the problem of identifying events occurring near the distributed acoustic sensor “Danube” which serves to protect the perimeter. The initial signal received from 50 thousand point microphones has a sampling frequency of about 1 kHz which corresponds to a total data flow of about 1 Gbit per second. To process such a big volume of data, a signal compression method using frequency filters is used. Based on the received signal, a “waterfall” (a moving colour image) is constructed. It is shown that the problem of event identification can be solved by standard computer vision methods, such as convolutional neural networks (CNN). In particular, a neural network has been developed that allows distinguishing such types of structure-borne signals as human steps, hand digging and animal steps, etc.