[发明专利]基于LSTM网络的布拉格光纤光栅交错光谱的解调方法有效
申请号: | 201811239614.X | 申请日: | 2018-10-24 |
公开(公告)号: | CN109282837B | 公开(公告)日: | 2021-06-22 |
发明(设计)人: | 江灏;邱晓杰;陈静;缪希仁 | 申请(专利权)人: | 福州大学 |
主分类号: | G01D5/353 | 分类号: | G01D5/353;G06N3/04;G06N3/08 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 蔡学俊 |
地址: | 350108 福建省福州市闽*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 lstm 网络 布拉格 光纤 光栅 交错 光谱 解调 方法 | ||
1.一种基于LSTM网络的布拉格光纤光栅交错光谱的解调方法,其特征在于,包括如下步骤:
步骤S1:采集布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据;
步骤S2:对得到布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行预处理,得到训练数据集和测试数据集;
所述步骤S2具体为:
步骤S21:将得到的布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行清洗,去掉数值不正常的值;
步骤S22:采用Z-score标准化方法对清洗后的布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行归一化处理,得到归一化后的数据;
步骤S23:将归一化的数据存储为矩阵格式;并按随机抽样为8:2的比例分为训练数据集和测试数据集;
步骤S3:根据训练数据集,初始化训练模型和模型权重;
所述步骤S3具体为:
步骤S31:采用Xavier算法初始化模型权重;
步骤S32:将训练数据集输入至卷积网络中进行滤波和特征提取得到特性向量;
步骤S33:将特性向量输入长短记忆网络进行进一步处理,提取得到抽象的特性向量;
步骤S34:将得到抽象的特性向量分为两个方向,一个为经过一个全连接层输出(N,1,M)矩阵,另一个也经过一个全连接层输出(N,10,M)矩阵,其中N为样本个数,M为布拉格光纤光栅个数;
步骤S4:根据训练模型对测试数据集进行评估,若评估的效果没有变化或者模型已经收敛则结束训练,完成解调。
2.根据权利要求1所述的基于LSTM网络的布拉格光纤光栅交错光谱的解调方法,其特征在于:所述步骤S1具体为:
步骤S11:传感网络在布拉格光纤光栅反射光谱上加上衰减器使得每个布拉格波长的反射谱具有不同的谱型;
步骤S12:通过3db光耦合器进入光谱分析仪,得到布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811239614.X/1.html,转载请声明来源钻瓜专利网。