[发明专利]一种基于全卷积神经网络的振动光纤信号分类方法

权利要求书

1.一种基于全卷积神经网络的振动光纤信号分类方法，包括如下步骤：

1)对需要分类的振动光纤信号分别进行样本采集，采集连续的时间t内连续n组数据，每组数据包含m个数值；

2)对采样的数据进行二维拼接，将其拼接成m*n的二维图像数据；

3)对上述二维图像数据进行标准化处理，将所有数据映射到区间[0，255]中，预处理后，生成二维数据的灰度图；

4)对二维图像数据添加类别标签；

5)搭建全卷积神经网络模型，训练全卷积神经网络；

6)使用训练样本对已训练好的模型权重参数进行微调；

7)输入实时信号序列，并采集时序信号，将其拼接成二维图像数据；

8)对二维图像数据进行预处理，生成二维数据的灰度图；

9)全卷积神经网络对输入的待分类二维信号进行信号分类。

2.根据权利要求1所述的基于全卷积神经网络的振动光纤信号分类方法，其特征在于：待分类的振动光纤信号类型包括持续敲击、持续攀爬、持续中雨、持续刮风。

3.根据权利要求1所述的基于全卷积神经网络的振动光纤信号分类方法，其特征在于：t为2秒，m以及n的数值均为512。

4.根据要求1所述的基于全卷积神经网络的振动光纤信号分类方法，其特征在于：卷积层中第i层第j个特征图的空间坐标(x,y)的输出值可表述为下式，

f(x)＝max(0,x)

其中，卷积核大小是p*q，p和q别代表卷积核的高度和宽度，w代表(p,q)连接i层特征图的权重，v代表第i层第j个特征图的亮度值，f(x)为ReLU的激活函数。