[发明专利]一种具有自适应学习功能的光纤振动传感方法及系统

权利要求书

1.一种具有自适应学习功能的光纤振动传感方法，其特征在于：包括：步骤(一)通过误报信号甄别算法周期性地自动分析提取误报信号，步骤(二)将误报信号进行训练学习以优化升级分类器。

2.如权利要求1所述的具有自适应学习功能的光纤振动传感方法，其特征在于：所述误报信号甄别算法从未知行为报警信号中周期性地自动分析提取误报信号，具体如下：根据预先设定的周期，自动提取存储器中被标志过的未知行为报警信号，然后基于包含已知样本数据信息的分类器，采用误报信号甄别算法对其进行分类处理以筛选出可靠的误报信号。

3.如权利要求2所述的具有自适应学习功能的光纤振动传感方法，其特征在于：所述误报信号甄别算法包括如下步骤：

1)在已知类别特征值划分区域之外，将未知行为报警信号类别的特征值的划分区域均分为N个区域，计算N个区域内所含报警数据的各个特征值的均值，将均值所描述的点分别作为各个类别的初始类别中心；

2)计算所有未知行为报警数据与各初始类别中心之间的距离，按照近邻规则将所有未知行为报警数据分到与之距离最近的类别中心所对应的类别中；

3)在步骤2)中按近邻规则划分好的类别，修正未知行为报警数据的类别中心，计算各个类别中报警数据的各个特征值均值所描述的点，作为新的各个类别中心；

4)计算各个类别中报警数据的各个特征值的标准差向量以及分类器中的入侵类别、干扰类别中样本的各特征值标准差向量，一个类别取其标准差向量中的最小分量，当这个最小分量大于入侵和干扰样本标准差向量中对应最大分量的1.5倍,对这个类别进行分裂处理，然后转到步骤2)，否则继续；

5)计算所有类别中心之间的距离，判断是否小于分类器的入侵类别中心与干扰类别中心距离的10％，当两个类别中心之间的距离小于分类器的入侵类别中心与干扰类别中心距离的10％，对这两个类别区域进行合并处理，类别数量N减去1；

6)当迭代次数等于预设的次数，未知行为报警数据分类完成，得到一个或多个未知类型；否则迭代次数加1，并转到步骤2)；

7)计算各个未知类型的标准差向量的最大分量，当某个未知类型的标准差最大分量小于已知类别样本的特征值标准差向量中的最小分量，该未知类型属于某一特定未知干扰行为引起的误报信号。

4.如权利要求3所述的具有自适应学习功能的光纤振动传感方法，其特征在于：步骤1)中，根据在分类器中不同类别的信号数据样本具有的持续时间、有效面积、主峰值、断续时间的时域特征和小波包分解系数的频域特征等特征值，进行各个特征的初次划分，已知类别特征值的划分区域由分类器决定。

5.如权利要求3所述的具有自适应学习功能的光纤振动传感方法，其特征在于：步骤4)中，把类别中心分裂为两个新的类别中心，类别数量加1，求这个类别各个特征值标准差中的最大值σ_max，类别中心对应这个最大值的分量加上0.5σ_max得到一个新的类别中心，类别中心对应这个最大值的分量减去0.5σ_max得到另一个新的类别中心，即得到了两个新的类别中心。

6.如权利要求3所述的具有自适应学习功能的光纤振动传感方法，其特征在于：步骤5)中，新的类别中心由两个类别中心以其类别区域内的样本数加权平均得到。

7.如权利要求1所述的具有自适应学习功能的光纤振动传感方法，其特征在于：步骤(二)具体为将误报信号作为干扰样本集输入分类器中训练学习，完成分类器本轮迭代，然后等待下一个周期的到来。

8.如权利要求7所述的具有自适应学习功能的光纤振动传感方法，其特征在于：当迭代次数达到阈值时，分类器优化升级完成，自适应学习终止。

9.一种具有自适应学习功能的光纤振动传感系统，其特征在于：采用权利要求1-8之一所述的具有自适应学习功能的光纤振动传感方法。