[发明专利]一种分布式光纤传感器振动信号分类方法及识别分类系统

说明书

本发明公开了一种分布式光纤传感器振动信号分类方法及识别分类系统，方法为：首先用光纤传感系统获取作用在光缆上的振动信号；对光纤振动信号进行预处理；计算光纤振动信号的短时能量和短时过零率；设置短时能量和短时过零率的双门限值，若超过阈值则提取有效数据段，并判断为扰动事件；绘制光纤振动信号时频域上的谱图；提取光纤振动信号的Mel频率倒谱系数；建立基于扰动事件信号的Mel频率倒谱系数和时频域谱图的深度学习识别模型；基于振动信号时频域上的谱图和Mel频率倒谱系数两种特征与深度学习识别模型进行匹配，判断光纤振动信号类别。本发明实现了对光纤传感信号的特征提取，准确识别分类，解决了光纤传感入侵信号识别分类准确率低的技术问题。

技术领域

本发明属于信号检测技术领域，具体涉及一种分布式光纤传感器振动信号分类方法及识别分类系统。

背景技术

分布式光纤传感扰动检测技术，因其抗电磁干扰能力强、灵敏度高、动态范围大、便于快速捕捉和高精度监测动态变化信息等技术优点，日益成为入侵行为安全监测的主流技术。例如，在石油管线中，利用分布式光纤扰动监测系统代替人工巡逻，及时发现偷油，漏油，破坏管线等行为，智能化管理管线，确保管线安全。在安防领域中，由于光纤的隐蔽性与抗电磁性，分布式光纤扰动监测系统十分适合实时监测各类突发事件，且监测成功率较普通光电系统高。

现有的光纤周界系统的振动信号识别方法主要有两种，一种是采用基于入侵振动信号的时域特征进行分析，如振动信号幅度或者过零率等。该方法由于进行模式识别的特征参数数量少，因此不能准确地区分各种外界振动信号，误报率高。另一种是采用信号的频谱技术，根据多维的频谱特征作为判别的依据。该方法计算量大，算法复杂，实时性较差。并且，分布式光纤传感器的信号是基于光在光纤内干涉形成，并不能很好的适合已有模型。

发明内容

为解决上述问题，本发明提出一种针对光纤传感振动信号识别方法及系统，实现了对光纤传感信号的特征提取，准确识别分类，解决了光纤传感入侵信号识别分类准确率低的技术问题。

本发明采用如下技术方案，一种分布式光纤传感器振动信号分类方法，具体步骤如下：

S1：光纤电缆探测由外界振动产生的信号，使光信号携带外界振动信息，通过光电探测器得到振动信号；

S2：对振动信号进行归一化、去噪、分帧和加窗的预处理；

S3：计算振动信号的短时能量和短时过零率；

S4：依据噪声信号的短时能量、短时过零率和振动信号的短时能量、短时过零率的差异，设定短时能量、短时过零率门限；若振动信号的短时能量和短时过零率超过设定的门限，则判断是扰动事件，截取有效数据段，进入S5，否则返回S1；

S5：绘制振动信号时频域上的谱图；

S6：提取振动信号的Mel频率倒谱系数；

S7：建立基于扰动事件信号的Mel频率倒谱系数和时频域上谱图的深度学习识别模型；

S8：基于振动信号的Mel频率倒谱系数和时频域上的谱图与步骤7的识别模型进行匹配。

优选地，S1中所述光纤传感振动信号是由外界振动产生的振动信号采集来的，采集的方法为相位解调光信号，使光信号携带外界振动信息，通过光电探测器得到振动信号。

优选地，所述S6中提取振动信号Mel频率倒谱系数的步骤如下：

61)对预处理后的振动信号的每一帧做快速傅里叶变换，得到每一帧的频率谱图；

62)用梅尔滤波器每一帧的频率谱图进行功率谱滤波，并求出滤波后每帧的能量总和；

63)求出每帧能量经滤波后的对数；

64)保留滤波器的系数对每帧能量的对数做离散余弦变换。