摘要：基于Hanning窗的傅里叶变换方法，提出一种应用于双波长红外火焰探测器的具体识别算法，同时进行了系统搭建及软件程序的设计验证。火焰探测器在检测过程中，环境复杂多变，数据不稳定，提取到的特征存在多样性和复杂性等问题，利用Hanning窗的傅里叶变换方法，提取了火焰红外辐射在不同波段的特性，并在频域中深入分析了火焰的特性，成功提取关键特征，有效提升了红外火焰探测的精确度和灵敏度。与传统方法相比，所提方法展现了更佳的抗干扰性和鲁棒性，显著降低了误报率，对于复杂场景和干扰源表现出稳定性。

　　关键词：火焰探测；傅里叶变换；Hanning窗；双波长；红外辐射

　　0引言

　　随着城市化的快速发展和交通网络的复杂化，隧道安全受到公众、政府及相关行业的广泛关注。特别是火灾事故，可能带来巨大的经济损失和人员伤亡。因此，隧道内部的火焰探测器的高效性和准确性是至关重要的。传统的单波段火焰探测器面临辨识干扰与火焰信号的问题，其抗干扰性能并不理想。尽管多波段红外探测器利用了两输出信号的“与门技术”以及传统的阈值方法进行火焰传感采样，从而增强其对干扰的鉴别能力，它在多数场景中已表现出较好的干扰处理效果。然而，在特殊环境，如高速公路隧道中，该技术遭遇了新的挑战。隧道内狭窄的结构导致信号有较大可能性发生反射。此外，受隧道交通和其他外部因素的影响，探测器可能会遭受振动和晃动。在这种特殊环境下，红外辐射源的干扰加剧，使得传统算法处理这些干扰时的误报率相对较高。

　　本文提出了一种基于Hanning窗[1-2]的傅里叶变换的双波长火焰探测器算法。这一算法不仅考虑了红外辐射在不同波段的特性，而且更进一步地对火焰的特性进行了深入分析。首先，通过傅里叶变换，能够在频域中对火焰进行特征提取，这使得能够获取到火焰的最强辐射值及其对应的频率特征信息。与此同时，Hanning窗确保了在进行傅里叶变换时，能够最大程度地减少数据的端点不连续性，从而降低变换后的频谱泄露，提高特征的准确性。

　　在完成特征提取后，算法进一步对这些频率特征信息进行了深入的分析和处理，以确定是否存在火焰，并区分其与其他潜在的干扰源。相较于传统的固定阈值和特定数学关系方法[3-5]，这种基于Hanning窗和傅里叶变换的方法展现出更为出色的抗干扰和鲁棒性[6-7]。这不仅增强了火焰探测的准确性，而且在面对各种复杂场景和干扰源时，能够保持稳定的性能表现，大大降低误报率。

　　1基本原理

　　1.1红外火焰探测原理

　　当火焰燃烧时，其释放的热量会引发红外辐射的发射。不同的火焰，根据其大小、燃烧特性及使用的燃料，都会展现出独特的红外光谱分布。因此，红外探测技术主要利用这些红外光谱特性来进行火焰的检测和分析，其核心目标在于准确区分火焰产生的红外辐射与其他可能的红外辐射源之间的差异。

　　经研究表明，其烃类化合物的燃烧产物中CO2在约4.3µm[3]波长处有一受热共振辐射峰值。而地球大气层中CO2产生的这一光谱范围内的辐射却是微乎其微的。这一特点将作为设计开发红外火焰探测器的重要依据。扩散型火焰的另一个重要特征是其辐射能量在几个能量平均值上变化，因此具有闪烁效应。其闪烁频率受风等周围环境的影响，但基本在2~20 Hz之间[4]。通过这一特征可以将其与无此特点的辐射源区分开来。

　　1.2双波长探测原理

　　双波长火焰探测器使用两个特定的红外波段来捕获火焰的特性红外辐射。这两个波段通常是火焰发出的最强的辐射，且与其他常见的红外干扰源有显著差异。通过比较这两个波段的辐射强度，可以更精确地识别火焰，从而减少误报。本文选用3.8µm和4.3µm两个传感源进行探测。其中4.3µm为探测红外，3.8µm为传感红外，用于进行环境噪声过滤。

　　1.3傅里叶变换在火焰探测中的应用

　　傅里叶变换是一种强大的数学工具[5]，它能够将时间域的信号转换为其在频率域的表示。在火焰探测的领域中，利用傅里叶变换分析火焰产生的辐射信号的频率分布具有重要意义。相对于时间域分析，频域分析能够更为明确和直观地揭示火焰辐射的独特特征和其他可能的干扰信号[8-10]。

　　离散傅里叶变换（Discrete Fourier Transform，DFT），在数字信号处理技术中占据着极为广泛的地位，它是处理有限长序列的有效方法。

　　当X(n)为一个有限长序列时，其离散傅里叶正反变换为：

　　对于x(n)和X(k)，知道二者任意一个值，就能计算出另一个。因此，可以给它们乘以相应的内插函数来确定连续函数，因而离散傅里叶变换可以看作是连续傅里叶的近似。

　　快速傅里叶变换（FFT）算法可以很大程度上压缩信号处理的计算开销和计算时间，从而使得DFT在许多工程领域中得到普遍的使用。本文选择的是按频率抽选的FFT方法。

　　因此，对任一有限长时域序列，都可按式（4）在计算机或DSP上求其频谱。

　　1.4 Hanning窗进行离散化网络

　　当处理离散频率数据时，数据在时域中具有有限的长度，这可能会导致频率泄露问题。该问题实质上是信号处理中的一个症状，表现为由于信号的截断而导致的频域分量泄露到其他频率。频率泄露的程度与所选用的窗函数及其参数有很大关系。举例来说，如果窗函数在频域中的旁瓣幅度较小，系统的大部分能量就会集中在主瓣中，从而减少泄露。

　　在信号处理中，加窗函数是一种非常有效的策略，可以显著地提高频谱分析的精确性和稳定性。通过在时域内应用恰当的窗函数，可以很好地压制出现的假频率，并提高整体测量的信噪比。这种假频率通常是因为所选窗函数产生的旁瓣引起的。因此，选择一个旁瓣较小的窗函数可以在很大程度上减少这种影响，从而使系统的能量更主要地集中在主瓣。

　　应该注意的是，不同的窗函数具有各自独特的时域和频域特性。在此，简要介绍3种常用的窗函数：矩形窗、Hanning窗和平顶窗。这些窗函数在时域中都有自己的表达形式，并且它们的形状及频域特性也各不相同。例如，假设时间窗的范围为0≤t≤T，矩形窗可能提供了最简单的形式，但可能在频域中引入更多的旁瓣。Han‐ning窗和平顶窗则在降低旁瓣幅度方面具有更好的性能，但可能会牺牲一些主瓣的宽度。选择哪种窗函数通常取决于特定的应用需求和所需的性能特点。矩形窗、Han‐ning和平顶窗的时域形状和频域特征如以下公式所示，窗函数不同，时域和频域都是不同的。隧道内发生信号是随机信号或者未知信号，或者有多个频率分量，测试关注的是频率点而非能量大小，选择使用Hanning窗。此算法测量精度满足系统要求，且具有良好的鲁棒性。

　　矩形窗：

　　在火焰探测中，Hanning窗可以帮助提高探测器的频率分辨率，从而提高其探测准确性。

　　1.5基于光谱离散Hanning窗的计算

　　在热辐射探测设计中，选择一个合适的测量范围和精度是关键。给定设计的测量范围为1~45 Hz，测量精度为0.25 Hz，这决定了在对频率进行测量时，需要在一个有限的范围内进行。测量步长通常选择为0.25 Hz，这种设置确保了测量的细致度和准确性。然而，尽管DFT（离散傅里叶变换）提供了一种有效的工具来处理这些测量数据，但直接对所有选择的频率点进行FFT（快速傅里叶变换）会导致巨大的计算量。实际上，很多数据可能对最终的结果没有显著的影响，因此可以考虑优化处理。一种方法是只对关键的低频区域使用所谓的“选点计算”的策略。这意味着不是对所有的采样点进行处理，而是选择性地只对那些可能产生显著影响的采样点进行处理。这种策略可以显著减少计算量，同时仍然保持测量的准确性。

　　此外，使用不同的加窗函数会对系统的测量结果产生不同的影响。每种加窗函数都有其特定的时域和频域特性，这意味着对相同的信号数据应用不同的窗函数会产生不同的FFT结果。因此，在实际应用中，需要考虑如何选择最佳的窗函数。这通常涉及对相同的信号数据在不同的窗函数下进行FFT处理，然后比较它们的性能，以确定哪种窗函数为特定应用提供了最佳的精度。

　　火焰探测器的探测FFT流程图如图1所示。由图可以观察到整个红外火焰探测系统的工作流程。

　　红外火焰传感器在捕获火焰辐射后首先完成了数据的采样。采样是将连续的信号转换为离散的数据点，从而使得可以对其进行数字化处理。这一步骤尤为关键，因为其决定了后续算法处理的精度和效率。完成采样后，数据经过硬件低通滤波处理。低通滤波是一种常用的信号处理技术，其目的是去除高频噪声并仅保留有意义的低频信号部分。这不仅可以减少后续处理的计算复杂性，而且还能提高探测器对火焰的敏感性。

　　当数据经过初步处理后，它们被传送到中央处理器进行更深入的算法分析。中央处理器拥有更高的计算能力，可以运用复杂的算法来对数据进行分析。首先，使用Hanning窗对信号进行窗函数处理。Hanning窗，作为一种窗函数，可以减少数据的端点不连续性和频谱泄露，从而提高FFT变换的准确性。

　　经过Hanning窗处理后，信号进一步经历实信号的FFT变换。FFT是傅里叶变换的一种高效实现，它可以将信号从时域转移到频域。在频域中，火焰的特定特性，例如其特定的辐射频率和强度，可以更加明显地被识别出来。这种转换对于火焰特征的提取和分析至关重要。

　　在FFT变换后，得到的频域信号可以提供丰富的信息。可以观察到在特定的频率范围内，火焰辐射会有一些显著的峰值。这些峰值与火焰的特性，如其大小、燃烧速率和燃料类型等，都有密切的关系。因此，通过分析这些峰值，不仅可以确定火焰的存在，还可以获取其更多的特性信息。

　　2方案设计

　　2.1系统整体框架

　　火焰探测器包括硬件设计部分与软件设计部分，其中硬件部分包括传感器模块、信号采集放大电路模块、通讯接口模块、电源模块、微处理器模块等。微处理采用DSP STM32F429，传感器模块采用3.8µm和4.3µm两个传感源进行探测，信号采集通过把两个传感源经过放大电路模块直接输出到DSP。系统整体框架如图2所示。

　　2.2软件及算法实现

　　采集到火源信号，首先进行Hanning窗函数及傅里叶变化计算，把火源信息转化为频率信号。如果此时检测火焰赋值对比背景检测非常强并且符合一定时域特征，则判定为预火警信号如果持续时间到一定时长，同样输出预火警信号。在这个过程中，可以更细化分场景进行判定。最后，输出报警信号。软件流程如图3所示。

　　3实验设计与结果分析

　　实验测试方案如图4所示。选择了一个宽敞且安全的实验场地，确保在进行火焰试验时，人员和设备都能处于安全状态。场地内部被分为几个特定的区域，每个区域都有明确的标注，例如0.5、1、10 m。这些标注有助于准确地放置火焰和探测器，以测试探测器在不同距离下的性能。为了模拟真实的火灾情况，选择了不同类型的辐射源，包括但不限于木材、油盆、白炽灯泡和高温烙铁等材料。这些辐射源在燃烧时会产生不同的红外辐射特征，提供了一个全面的测试范围。

　　此次实验中，火焰探测器主要检测核心频谱及幅值，对弱频谱的需求没那么高的要求。主要常见火源如木材、油盆、白炽灯、高温烙铁等各种动火和干扰源，并对不同的探测距离进行了测试对比。如表1所示，不同材料火焰在不同距离下具备不同的频率特征，探测器无论在火源或干扰情况下，均能有效识别其主频及信号强度，能为火灾检测提供检测依据。

　　在实验过程中，快速傅里叶变换（FFT）体现了较强的火焰特征提取能力。FFT作为一种高效的算法，可以快速地从时域信号转换到频域，这在许多信号处理应用中都是至关重要的。通过这种转换，可以得到火焰的频率响应，这为识别火焰提供了一个非常有力的工具。经过多次实验，FFT不仅能有效地提取火焰的主要特征值，而且与其他方法相比，其提取的特征更为准确和稳定。

　　在详细研究这些通过FFT得到的火焰特征后，注意到火焰的特定频率范围内有一些显著的峰值。这些峰值与火焰的大小、类型和燃烧材料都有关。此外，与背景噪声或其他干扰信号相比，这些峰值有着显著的差异。这意味着通过FFT不仅可以识别火焰的存在，而且还可以获取关于火焰性质的更多信息。例如，通过比较不同火焰的FFT响应，可以区分开不同大小或不同燃料源的火焰。

　　此外，FFT的另一个重要优点是其高效性。在处理大量数据时，这种高效性尤为重要，因为它确保了在实时或近实时的应用中，可以快速地获得火焰特征。这对于火灾检测和警报系统来说是至关重要的，因为在这些应用中，响应时间是非常关键的。总的来说，通过FFT，不仅提高了火焰探测的准确性，而且还为后续处理和决策提供了强有力的支持。

　　如表2所示，基于Hanning窗的傅里叶变换在判断火焰的精确度和响应时间相比于阈值法和LASSO方法都有所提升。

　　4结束语

　　本文提出的基于Hanning窗的傅里叶变换双波长火焰探测器算法，为火焰探测领域带来了新的视角和工具。对于传统火焰探测方法中的挑战，尤其是在特定环境如高速公路隧道中的应用，该算法为降低误报率、增强鲁棒性提供了有效的解决方案。首先，算法方面相比于传统的LASSO法和阈值法在响应时间和火焰判断的正确率方面有所提高。其次，系统集成方面，在实践应用中，该算法信号采集避免传统的带通滤波器设计，只需采用低通滤波器，降低了设计的复杂度，保留了更多的火焰特征提取信息，通过软件更新使系统具有较强的扩展性和原延伸性，成功地应对了各种复杂场景和干扰源，验证了其广泛的应用潜力。未来，希望进一步优化此算法，并扩展到其他相关领域，使其更加普及和高效。

　　随着技术的不断进步，火焰探测技术也将继续迭代更新。但无论如何，确保隧道和其他重要设施的安全始终是首要任务。希望该研究能为火焰探测领域及公众安全做出一定的贡献。

　　参考文献：

　　[1]张鸿博,蔡晓峰,鲁改凤.基于双窗全相位FFT双谱线校正的电力谐波分析[J].仪器仪表学报,2015,36(12):2835-2841.

　　[2]杨阳.窗函数特性及加窗插值FFT算法的研究[D].郑州:郑州大学,2010.

　　[3]李青岩,王勇俞.火焰红外光谱辐射特性及探测波段选择[C]//中国消防协会电气防火专业委员会,2008.

　　[4]栗志坚,胡锐.浅谈点型火焰探测器的特性、选型和应用[J].消防科学与技术,2004,23(4):362-367.

　　[5]谭勇,谢林柏,冯宏伟.基于LASSO回归的红外火焰探测器的设计与实现[J].激光与红外,2019(6):720-724.

　　[6]王博强,张义勇,齐跃,等.基于CZT算法的多波段红外火焰探测器设计[J].船海工程,2020(12):1-4.

　　[6]齐国清.几种基于FFT的频率估计方法精度分析[J].振动工程学报,2006,19(1):86-92.

　　[7]张绪文,王海东,李宏.基于紫外红外原理的火焰探测器的设计实现及FD10系列火焰探测器产品[J].电气防爆,2021(1):13-16.

　　[8]梁文康,吴芷珊,类康.基于RBF神经网络的红外火焰检测设备[J].机电产品开发与创新,2022(5):104-106.

　　[9]汪智力,肖涵,易灿灿,等.基于循环包络经验傅里叶分解的轴承故障诊断方法[J].机电工程,2023,40(7):967-977.

　　[10]刘阳.红外火焰探测器的研究与实现[D].武汉:武汉邮电科学研究院,2018.