[发明专利]基于1D-CNN的分布式光纤传感信号特征学习与分类方法

摘要

本发明公开了一种基于1D‑CNN的分布式光纤传感信号特征学习与分类方法。解决现有分布式光纤传感系统采用人工提取的事件可分辨特征对复杂变化的环境适应能力差，耗时、费力的问题。本发明对获取的各空间点的分布式光纤传感声音、振动信号进行时间分割，建立典型事件信号数据集；构建一维卷积神经网络(1D‑CNN)模型，利用典型事件信号数据训练集对网络进行迭代更新训练得到最优网络参数，利用最优网络学习并提取不同类型事件的1D‑CNN可分辨特征，得到典型事件信号特征集；利用典型事件信号特征集训练不同类型分类器后，筛选出最佳分类器。测试时将测试数据输入最优1D‑CNN网络得到事件可分辨特征，再输入最佳分类器得到分类结果。

主权项

1.一种基于1D‑CNN的分布式光纤传感信号特征学习与分类方法，其特征在于；如下步骤：步骤1、对获取的各空间点的事件信号进行分割，构建典型事件信号数据集；步骤2、基于训练好的一维卷积神经网络，对典型事件信号数据集中的信号进行1D‑CNN可分辨特征提取，得到事件信号特征集；步骤3、将事件信号特征集用于训练构建的分类器后，筛选出最佳分类器；步骤4、将测试数据输入训练好的一维卷积神经网络进行事件可分辨特征提到后，再输入到最佳分类器进行分类。