[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

说明书

本发明提出了一种基于空域特征和机器学习的光纤预警模式识别方法，涉及光纤预警技术领域，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；对特征信号进行预处理得到多个目标特征信号序列；计算多个目标特征信号序列在空域上的距离；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，计算异常特征信号的平均幅度差函数，预测异常特征信号周期；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。提高了光纤预警模式的识别准确度。

技术领域

本发明涉及光纤预警技术领域，具体涉及基于空域特征和机器学习的光纤预警模式识别方法。

背景技术

基于相干瑞利散射技术的分布式光纤预警系统，通过检测从光纤各部分散射回来的后向散射光的光强来获得并定位外界振动信号。其中相位敏感光时域反射计光纤预警系统以普通单模光纤作为光传输和传感载体，可实现长距离实时监测和精确定位。该系统便于铺设，抗电磁干扰能力强，易于工程化，常应用在工程结构的安全检测、光纤周界防护、油气管道安全预警等领域。在光纤预警系统中，振动信号的分类识别至关重要。若产生误报，不但会造成人力物力的浪费，严重的还会延误处理时间甚至危及生命财产安全。因此如何准确识别入侵事件种类，及时报警，减少误报，避免不必要的资源浪费一直是光纤预警系统研究的重点问题。

传统的信号处理方法首先定位 事件信号在空域上的所在位置，然后提取该位置的时域信号，对一维时域信号进行特征提取，完成分类识别。由于这种方法需要先进行定位，如多点定位，不仅运算量极大，而且耗时很长。除此之外，它对定位精度的要求非常高，一旦定位错误，则不 能正确识别出事件种类，容易产生误报。因此光纤预警系统急需一种高效、准确的模式识别方法。

发明内容

为了解决上述技术问题，本发明提出了一种基于空域特征和机器学习的光纤预警模式识别方法，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。

进一步地，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。

进一步地，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；