[发明专利]基于卷积神经网络的通信电缆信道故障检测方法

权利要求书

1.一种基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，包括以下步骤：

向待检测通信电缆发送测试信号，接收反射信号；

根据反射信号提取包含通信电缆信道状态信息的软故障信号；

将软故障信号输入到基于卷积神经网络的软故障信息检测网络中，得到通信电缆的故障类型、故障距离以及可体现故障严重程度的故障值。

2.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，所述测试信号的生成方式包括：

生成待发送的多个子载波符号序列；

将多个子载波符号序列从频域转换到时域，得到离散信号；

将离散信号插入循环前缀后再转换到时域，得到测试信号。

3.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，根据反射信号提取包含通信电缆信道状态信息的软故障信号，包括：将反射信号经模数转换、串并转换、去循环前缀、快速傅里叶变换以及并串转换，得到软故障信号。

4.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，构建所述基于卷积神经网络的软故障信息检测网络，包括：

建立通信电缆软故障的等效模型，得到通信电缆的信道传递函数；

搭建基于卷积神经网络的软故障信息检测网络架构；

使用通信电缆的软故障历史数据构建数据集，

将软故障信号作为输入，将通信电缆的信道传递函数所对应的故障类型、故障距离、故障值作为输出，使用数据集对软故障信息检测网络进行训练并保存。

5.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，所述通信电缆的信道传递函数如下：

在上式中，Γ_F表示通信电缆软故障导致的反射系数，α表示通信电缆的衰减常数，β表示通信电缆的相位系数，l表示故障距离，e表示自然常数。

6.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，所述故障类型包括：串联电阻型、串联电容型、并联电阻型、并联电容型以及无故障类型。

7.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，所述软故障信息检测网络包括特征提取网络、分类器和回归器；

所述特征提取网络选用一维卷积神经网络提取软故障信号的特征；

所述分类器由6个一维卷积层、3个全局平均池化层与3个全连接层构成；

所述回归器由6个一维卷积层、3个全局平均池化层与6个全连接层构成。

8.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，分类器的损失函数为：

在上式中，a_i表示第i种故障类型，p_i为某种类型对应的概率；

所述分类器的激活函数为ReLU。

9.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，回归器的损失函数为：

在上式中，为预测的故障值、故障距离值，y_i为对应的真实值；

所述回归器的激活函数为ReLU。

10.根据权利要求1所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，所述通信电缆为双导体结构线缆。

11.根据权利要求4所述的基于卷积神经网络的通信电缆信道故障检测方法，其特征在于，对数据集使用窗口切片方法进行数据增强。