[发明专利]基于空域特征和机器学习的光纤预警模式识别方法

权利要求书

1.一种基于空域特征和机器学习的光纤预警模式识别方法，其特征在于，包括如下步骤：

S1、通过分布式光纤振动传感系统，感应光纤周围的二维振动信号，构成二维时空图像，提取特征信号；

S2、对特征信号进行预处理得到多个目标特征信号序列；

S3、计算多个目标特征信号序列在空域上的距离；

S4、采用平均幅度差函数提取具有最小距离的目标特征信号的异常特征，计算最小距离的目标特征信号的平均幅度差函数，预测异常特征信号周期；

S5、根据预测得到的异常特征信号周期判断异常特征信号类型，确定光纤预警模式。

2.根据权利要求1所述的光纤预警模式识别方法，其特征在于，步骤S2中，对特征信号进行预处理，具体步骤如下:

S21、计算t个特征信号序列x（i）的累积差作为一个新的信号序列y(t)：

；

式中,是特征信号序列x(i)的平均值；

S22、将得到的新的信号序列y(t)等分为m个信号序列区间；

S23、采用最小二乘法对每个信号序列区间进行线性拟合,得到每个信号序列区间的局部趋势y_n(t)；

S24、从新的信号序列y(t)中减去y_n(t),并计算均方根误差X_m：

；

S25、改变区间长度的大小,重复步骤S22~ S24,直到得到目标特征信号序列。

3.根据权利要求1所述的光纤预警模式识别方法，其特征在于，所述步骤S3中采用最小距离法计算目标特征信号序列在空域上的距离，具体包括：

S31、获取各个目标特征信号序列的中心特征信号，得到中心特征信号序列，用Ｃ＝［c₁，…，c_i，…，c_m］表示，其中m表示中心特征信号的个数；

S32、针对每个中心特征信号计算与它相邻的目标特征信号序列的中心特征信号的最小距离d_min1：

4.根据权利要求1所述的光纤预警模式识别方法，其特征在于，所述步骤S4中：设周期为Np，样点相距为周期的K倍，k为周期间隔，将幅值差值d(n)定义为极小值，用公式表示如下：

；

其中，e(n)为各帧n的短时能量，短时能量平均幅度差函数F_n(k)为：

5.根据权利要求1所述的光纤预警模式识别方法，其特征在于，所述步骤S5包括：

首先定义向量R为异常特征信号周期的模式输入，RVM的分类模型y(R,w)为：

；

式中：B是类别个数；w为权值向量，；为B×（B＋1）的矩阵，，是核函数，整个数据集的似然函数为：

；

t_i为第i个类别，用稀疏贝叶斯方法对权值向量ｗ赋予零均值高斯先验分布：

；

通过求概率参数的最大后验概率来预测最大后验权值，从而输出RVM模型y(R,w)。