[发明专利]基于特征提取的光纤传感振动信号的异常判断方法和系统

说明书

本发明公开了基于特征提取的光纤传感振动信号的异常判断方法和系统，首先对采集到的光缆中的振动信号进行预处理；将振动信号通过基于频谱能量分析的梅尔频率倒谱系数特征提取方法提取特征向量；将特征向量矩阵通过标准差局部线性嵌入进行特征降维；依据降维后的特征判断振动信号是否为异常信号；若信号为异常信号，则进行报警。本发明通过对梅尔频率倒谱系数特征提取方法的改进，解决了在梅尔频率倒谱系数特征提取过程中因语音信号与光纤传感振动信号频率差异而导致的识别率低的问题，提高了光纤传感系统的检测实时性及识别率，实现对异常信号的快速、准确识别。

技术领域

本发明属于信号检测技术领域，具体涉及基于特征提取的光纤传感振动信号的异常判断方法和系统。

背景技术

随着光纤传感技术的不断发展，光纤传感系统应用越来越普及，而分布式光纤传感系统以其结构简单、灵敏度高、监测范围广、响应速度快等优点在各个振动传感领域得到了广泛的应用。它在长距离油气管道输送、机场警卫、大型结构安全监测、周边安全等多个领域得到成功运用并迅速发展。不同应用领域中不同场景下对光纤扰动事件的模式识别性能与实时性问题，是对于光纤传感技术发展的核心问题。

现有的光纤周界系统的振动信号特征提取方法主要有四种，分别是基于小波分解的方法、基于其他分解模型的方法、提取信号波形图统计特征的方法以及基于梅尔频率倒谱系数的特征提取方法。基于小波分解的方法由于信号的峰值、功率谱和频带能量等特征容易受到高斯噪声的影响，在小波方法处理中存在模糊提取和线性稳态的缺陷，并且当数据量比较大时这种处理方法的计算量较大。基于其他分解模型的方法由于其分解模型的固有缺陷，对信号依靠特征分类产生影响，降低其分类准确率。提取信号波形图统计特征的方法对于类别不同波形相似的信号会造成统计特征的相似，无法作为有效的分类判别依据。基于梅尔频率倒谱系数的特征提取方法常用于声音信号的特征提取，也可用于振动信号特征提取，但算法普适性造成了性能下降，影响分类性能。

上述方法在一定程度上解决了光纤传感振动信号模式识别的有效性与实时性问题，但是仍存在着一些限制。梅尔频率倒谱系数特征提取方法是在倒谱技术上依据人耳的感知特性进行改进而提出的一种特征提取算法，它的稳定性与高识别率使得其在语音识别领域得到了广泛应用。然而语音信号与光纤传感振动信号的频率范围存在差异，直接将梅尔频率倒谱系数特征提取方法应用到光纤传感振动信号中并不能完全发挥梅尔频率倒谱系数的优势，造成光纤传感系统的识别率低等问题。因此需要对梅尔频率倒谱系数特征提取方法进行改进，提高光纤传感系统的检测实时性及识别率，实现对异常信号的快速、准确识别。

发明内容

为解决上述问题，本发明提出了基于特征提取的光纤传感振动信号的异常判断方法和系统，采用标准差局部线性嵌入对特征向量进行降维，解决了在梅尔频率倒谱系数特征提取过程中因语音信号与光纤传感振动信号频率差异而导致的识别率低的问题，提高了光纤传感系统的检测实时性及识别率，实现对异常信号的快速、准确识别。

为达到上述目的，本发明采用如下技术方案：

第一方面，本发明提供基于特征提取的光纤传感振动信号的异常判断方法，具体步骤如下：

采集光缆中的振动信号；

对振动信号进行预处理；

将预处理后的振动信号通过基于频谱能量分析的梅尔频率倒谱系数特征提取方法提取特征向量矩阵；

将特征向量矩阵通过标准差局部线性嵌入方法进行特征降维；

根据降维后的特征向量判断信号是否为异常信号；

若信号为异常信号，则进行报警。

优选地，将预处理后的振动信号通过基于频谱能量分析的梅尔频率倒谱系数特征提取方法提取特征向量矩阵的步骤包括：

获取振动信号的功率谱；

基于频谱能量分析的梅尔滤波器组；