[发明专利]基于模型融合的光纤分布式声波传感信号高精度分类识别方法

权利要求书

1.基于模型融合的光纤分布式声波传感信号高精度分类识别方法，其特征在于，该方法具体包括以下步骤：

步骤1：DAS系统的数据处理单元接收到外界声波信号，构建原始信号的数据库；

步骤2：对于数据库内的外界声波信号采用最大-最小值标准化进行数据标准化处理；

步骤3：对经过步骤2标准化处理后的外界声波信号提取时域、频域和变换域的幅频特性，合并得到特征向量a；

步骤4：对于经过步骤3得到的特征向量a利用基于BP算法的ANN自动提取特征对外界声波信号的幅频特性进一步进行挖掘，得到特征向量b以及ANN的预测结果y_hat；

步骤5：对经过步骤3得到的特征向量a和经过步骤4进一步挖掘得到的特征向量b进行特征融合得到特征向量W，作为训练集用于第一层基模型的训练得到第一层基模型的预测结果矩阵y_com；

步骤6：对于经过步骤4得到的ANN预测结果y_hat和经过步骤5得到的预测结果矩阵y_com进行合并，作为第二层基模型的训练集进行训练，得到最后集成学习模型最终的预测结果；

所述步骤5具体为：对于所获得的特征向量a和特征向量b进行特征融合作为第一层基模型的输入，利用stacking策略对弱分类器进行增强的特性，将第一层基模型分别进行交叉验证学习，得到其预测，结合ANN的预测y_hat，ANN的预测结果和第一层基模型的预测结果合并得到预测输出y_com；

所述的第一层基模型分别为决策树、随机森林、支持向量机和梯度提升算法。

2.根据权利要求1所述的基于模型融合的光纤分布式声波传感信号高精度分类识别方法，其特征在于：所述步骤1中DAS系统包括光源、调制单元、放大单元、光纤传感单元和数据处理单元。

3.根据权利要求1所述的基于模型融合的光纤分布式声波传感信号高精度分类识别方法，其特征在于：所述步骤2中，标准化处理后数据库内的外界声波信号，按照7:3的比例划分为训练集和测试集。

4.根据权利要求1所述的基于模型融合的光纤分布式声波传感信号高精度分类识别方法，其特征在于：所述步骤3对于标准化处理后的信号提取时域、频域和变换域特征具体为：

所述时域特征包括：信号的脉冲强度、平均幅度、短时能量自相关系数和信号能量；

所述频域特征包括：信号幅度的方差、偏度、峰度、信息熵和平均值；

所述变换域特征包括：梅尔频率倒谱系数。