[发明专利]一种基于机器学习与相位分段差分实现振动精确定位的方法和系统

说明书

本发明公开了一种基于机器学习与相位分段差分实现振动精确定位的方法，包括以下步骤：S1：获取后向瑞利散射光的振幅信号，将振幅信号转化为相位信号；S2：减去相位信号的初相位，将相位信号差分成若干份差分信号；S3：判断差分信号与阈值关系，若差分信号超出阈值，通过格拉姆角场输出差分信号的GAF图；S4：将GAF图作为AlexNet神经网络的输入，输出振动点的位置。本发明的有益效果是：能采用相位信号作为定位依据，能够灵敏地感知到微弱信号，采用相位分段差分技术，能够有效克服长距离传感中信号衰落和环境外因的影响，采用机器学习算法有效排除环境噪声对定位结果的影响，实现对振动事件的精确定位。

技术领域

本发明涉及振动定位技术领域，特别涉及一种基于机器学习与相位分段差分实现振动精确定位的方法和系统。

背景技术

目前，基于相位敏感光时域反射原理的光纤分布式振动传感技术，由于具有传感距离长、抗电磁干扰能力强、灵敏度高等特点，在周界安防、油气管线预警监测以及通信光缆安全监测等领域具有重要应用。

现有技术中，幅度解调是通过分析后向瑞利散射信号的振幅变化来检测振动事件，但是由于外界扰动与散射光强之间无明显的线性关系，因此系统获得的信号波形无法精准且定量地表示振动事件的强弱，并且幅度解调还存在无法精确检测到微弱信号的问题。

例如，一种在中国专利文献上公开的“一种相位敏感光时域反射计分布式光纤三分量声敏感系统”，其公告号：CN109186743A，其申请日：2018年11月09日，该发明解决了相位敏感光时域反射计分布式光纤声敏感系统不能同时测量三分量振动信号的技术问题，利用一个窄线宽激光器、声光调制器和三分量声敏感光缆的定位缆芯结构，达到了满足三路光信号的相位敏感光时域反射计同时探测，但是存在不能灵敏地感知到微弱信号，不能有效克服长距离传感中信号衰落和环境外因的影响，不能实现振动事件精确定位的问题。

发明内容

针对现有技术不能灵敏地感知到微弱信号，不能有效克服长距离传感中信号衰落和环境外因的影响，不能实现振动事件精确定位的不足，本发明提出了一种基于机器学习与相位分段差分实现振动精确定位的方法和系统，能采用相位信号作为定位依据，能够灵敏地感知到微弱信号，采用相位分段差分技术，能够有效克服长距离传感中信号衰落和环境外因的影响，采用机器学习算法有效排除环境噪声对定位结果的影响，实现对振动事件的精确定位。

以下是本发明的技术方案，一种基于机器学习与相位分段差分实现振动精确定位的方法，包括以下步骤：

S1：获取后向瑞利散射光的振幅信号，将振幅信号转化为相位信号；

S2：减去相位信号的初相位，将相位信号差分成若干份差分信号；

S3：判断差分信号与阈值关系，若差分信号超出阈值，通过格拉姆角场输出差分信号的GAF图；

S4：将GAF图作为AlexNet神经网络的输入，输出振动点的位置。

本方案中，采用相位信号作为定位依据，能够更为灵敏地感知到微弱信号，采用相位分段差分技术，能够有效克服长距离传感中信号衰落和环境外因的影响，采用机器学习算法能过有效排除环境噪声对定位结果的影响，最终实现对振动事件的精确定位。

作为优选，通过数据采集器进行循环采集获得后向瑞利散射光的振幅信号，通过基于交叉微分相乘的相位产生载波算法把振幅信号转化为相位信号。

本方案中，采用相位信号作为定位依据，能够更为灵敏地感知到微弱信号。

作为优选，将振幅信号转化为相位信号，包括以下步骤：

S11：将信号分成两路，引入载波信号，将被测信号加载到调制信号的边带上；

S12：分别通过乘法器把相位差固定的两个载波信号与调制信号进行混频；