[发明专利]一种基于决策树算法的海洋光纤振源识别方法、装置及系统在审

专利信息
申请号: 201710016503.1 申请日: 2017-01-10
公开(公告)号: CN108287016A 公开(公告)日: 2018-07-17
发明(设计)人: 魏嘉;柴军杰;刘本刚;李建彬;刘浩宇 申请(专利权)人: 光子瑞利科技(北京)有限公司
主分类号: G01H9/00 分类号: G01H9/00;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 100000 北京市丰台区南四环西路*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 光纤振动信号 装置及系统 光纤 振源识别 振源 决策树分类算法 决策树算法 智能识别 终端 分类 海洋
【权利要求书】:

1.一种光纤振源识别方法,其特征在于,包括:

识别终端获取光纤振动信号;

采用决策树分类算法对所述光纤振动信号进行分类,得到所述光纤振动信号的振源类型。

2.根据权利要求1所述的方法,其特征在于,所述采用决策树分类算法对所述光纤振动信号进行分类的步骤包括:

将所述光纤振动信号的特征与对应的预设特征模型进行匹配,并根据匹配结果,继续进行与其他预设特征模型进行匹配或者将所述光纤振动信号的振源类型确定为与所述预设特征模型对应的振源类型。

3.根据权利要求2所述的方法,其特征在于,所述将所述光纤振动信号的特征与对应的预设特征模型进行匹配,并根据匹配结果,继续进行与其他预设特征模型进行匹配或者将所述光纤振动信号的振源类型确定为与所述预设特征模型对应的振源类型的步骤包括:

判断所述光纤振动信号的最大能量特征是否符合潜艇光缆振源类型对应的预设最大能量模型;

若符合,则将所述光纤振动信号的振源类型确定为鱼群游动振源。

4.根据权利要求3所述的方法,其特征在于,所述将所述光纤振动信号的特征与对应的预设特征模型进行匹配,并根据匹配结果,继续进行与其他预设特征模型进行匹配或者将所述光纤振动信号的振源类型确定为与所述预设特征模型对应的振源类型的步骤还包括:

若所述最大能量特征不符合所述预设最大能量模型,则判断所述光纤振动信号的能量信息熵特征是否符合小型潜水器类型对应的预设能量信息熵模型;

若符合,则将所述光纤振动信号的振源类型确定为小型潜水器。

5.根据权利要求4所述的方法,其特征在于,所述将所述光纤振动信号的特征与对应的预设特征模型进行匹配,并根据匹配结果,继续进行与其他预设特征模型进行匹配或者将所述光纤振动信号的振源类型确定为与所述预设特征模型对应的振源类型的步骤还包括:

若所述能量信息熵特征不符合所述预设能量信息熵模型,则判断所述光纤振动信号的持续时间是否超过设定时间;

若超过,则对所述光纤振动信号进行基频周期模型的匹配;

否则,对所述光纤振动信号进行信号模型的匹配。

6.根据权利要求5所述的方法,其特征在于,所述对所述光纤振动信号进行信号模型的匹配的步骤包括:

获取所述光纤振动信号的能量程度;

若所述能量程度超过第一程度,则将所述光纤振动信号的振源类型确定为大型轮船;

若所述能量程度低于第二程度,则将所述光纤振动信号的振源类型确定为小型轮船,其中,所述第一程度高于所述第二程度。

7.根据权利要求5所述的方法,其特征在于,所述对所述光纤振动信号进行基频周期模型的匹配的步骤包括:

判断所述光纤振动信号是否具有基频且基频周期是否达到设定值;

若是,则将所述光纤振动信号的振源类型确定为大型潜艇振源;

否则,将所述光纤振动信号的振源类型确定为中型潜艇振源。

8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:

确定所述光纤振动信号对应的振源类型所属的通知级别;

按照所述通知级别进行对应通知。

9.一种光纤振源识别装置,其特征在于,包括:

获取模块,用于获取光纤振动信号;

分类模块,用于采用决策树分类算法对所述光纤振动信号进行分类,得到所述光纤振动信号的振源类型。

10.一种光纤振源识别系统,其特征在于,包括光纤传感器及识别终端;

所述光纤传感器用于在一端发出第一光信号,并从所述一端接收由所述第一光信号反射得到的第二光信号;

所述识别终端用于确定第二光信号对应的电信号为光纤振动信号时,对所述光纤振动信号进行振源识别,其中,所述识别终端包括权利要求9所述的光纤振源识别装置,以对所述光纤振动信号进行振源识别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于光子瑞利科技(北京)有限公司,未经光子瑞利科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710016503.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top