[发明专利]基于SCNN的分布式光纤振动及声波传感信号识别方法

权利要求书

1.一种基于SCNN的分布式光纤振动及声波传感信号识别方法，其特征在于，在长距离管道安全监测应用中，该方法包括以下步骤：

步骤1：数据准备：

利用基于相敏光时域反射仪的分布式光纤声波、振动传感系统硬件采集实际应用现场的多场景复杂背景环境下管道沿线的声波或振动信号作为采集的管道事件信号时间序列，对各空间点采集的管道事件信号时间序列按时间段进行分割，构建典型事件信号数据集，再对中心空间点的一段时间信号做短时傅里叶变换STFT得到时频图，对时频图进行包括裁剪、灰度转换在内的预处理后，利用高斯差分滤波和阈值判断对时频图进行处理，得到一对时频脉冲特征图，以此构建典型事件时频特征数据集；

步骤2：构建脉冲卷积神经网络SCNN，对典型事件时频特征数据集中典型事件信号的时频特征进行无监督学习：

首先构建脉冲卷积神经网络SCNN，对脉冲神经元模型LIF进行了简化，不用解微分方程，且对侧抑制机制也进行了简化，同时结合卷积神经网络，采用卷积和池化的机制进行膜电位更新；然后对脉冲卷积神经网络SCNN进行初始化，根据所述典型事件时频特征数据集对构建的脉冲卷积神经网络SCNN进行训练，这里不需要用到数据标签，训练算法利用尖峰时间相关可塑性STDP无监督训练算法进行调整，通过迭代调整使SCNN网络达到最优，得到训练好的脉冲卷积神经网络；

步骤3：识别分类：

长距离管道安全监测过程中，典型事件类型包括平稳环境噪声、人工挖掘、机械破路、容易误判的交通干扰；利用所述典型事件信号数据集中带标签的数据样本输入到训练好的脉冲卷积神经网络中，将脉冲卷积神经网络输出的特征图转换为一维向量输入到最优分类器中训练，再将所述典型事件信号数据集中对应的测试集输入到最优分类器中进行监督分类，得到测试集中的测试样本信号属于平稳环境噪声、人工挖掘、机械破路、容易误判的交通干扰这4种事件类型中的一种，并计算其识别率与测试时间，并与现有SNN网络及CNN网络的分类结果进行对比，从而评估SCNN网络的分类性能。

2.根据权利要求1所述的基于SCNN的分布式光纤振动及声波传感信号识别方法，其特征在于，所述步骤1中所述基于相敏光时域反射仪的分布式光纤声波、振动传感系统硬件的结构及工作原理具体为：所述基于相敏光时域反射仪的分布式光纤声波、振动传感系统硬件包括探测光缆、光信号解调设备和信号处理主机三部分；其中所述探测光缆采用普通单模通信光纤，沿地下管道、输电线缆、城镇道路埋地铺设，还能够直接利用沿管道或道路铺设的通信光缆空余纤芯实现；所述光信号解调设备内部组成器件包括光学器件和电学器件两类，由超窄线宽激光器产生连续相干光信号，经声光或电光调制器调制成光脉冲信号，光脉冲信号由掺铒光纤放大器EDFA集中放大，放大后的光脉冲信号依次经隔离器、环形器的1端口、2端口注入探测光缆；光脉冲信号沿光缆传输过程产生瑞利散射，其后向瑞利散射光信号沿光缆返回，由环形器的2端口、3端口接收，经光学滤波器滤除噪声信号后经分光比为50％/50％的第一耦合器耦合后，再将其注入到一个非平衡马赫曾德尔或迈克尔逊干涉仪，具体由解调方法确定，经由3×3的第二耦合器输出三路相位差为120度的外界扰动引入的相位变化信息，即可获得声波、振动在光纤上的作用信号，解调出的光信号由光电探测器转换成电信号，再由波形发生卡控制的同步触发模数转换器进行信号同步采集，最后数字电信号通过网络接口实时传输给信号处理主机；所述信号处理主机为普通电脑主机PC或FPGA/DSP嵌入式主板，用于光纤探测信号的分析、处理，通过特定信号处理算法对感测的声波、振动信号进行智能分析、处理和识别分类，并由光时域反射原理确定该声波、振动信号在空间中的位置；

该基于相敏光时域反射仪的分布式光纤声波、振动传感系统每个时刻返回沿空间分布的原始信号轨迹，在时间轴上连续累积T条原始信号轨迹，构建得到一个时间T维，空间S维的时空信号矩阵XX：

{XX＝x_ts(t＝1,2,…,T；s＝1,2,…,S)}           (1)

其中T为时间采样长度，S为空间采样长度，单位均为采样点；x_ts表示矩阵XX中任意时间采样点t、空间采样点s的一个元素。