[发明专利]一种基于分布式光纤的多维度特征入侵检测方法

说明书

本发明公开了一种基于分布式光纤的多维度特征入侵检测方法，涉及分布式光纤传感应用技术领域，通过配置预警策略，对分布式光纤实时采集的全线振动曲线数据、应变曲线数据进行信号初筛，然后对原始音频信号特征值进行提取，并结合地形特征系数、环境特征系数以及振动曲线和应变曲线的波峰图像形成不同维度的特征值，通过对多维度特征值同时进行分析处理来提升管道入侵检测的准确度。

技术领域

本发明涉及分布式光纤传感应用技术领域，具体地，涉及一种基于分布式光纤的多维度特征入侵检测方法。

背景技术

传统分布式光纤传感预警策略多数单纯依靠原始音频信号，直接对原始音频信号进行预处理和深度学习，手段较为单一，支持的预警维度有限，如公开专利CN114841202A，其技术方案为：

(1)按照时间序列采集光纤管道的分布式光纤的原始信号并进行降噪处理；

(2)将一维时间序列的入侵信号转换为二维图像；

(3)将二维图像进行放缩之后作为训练集，输入至VGG16网络模型进行训练；

(4)利用训练后的VGG16网络模型进行分布式光纤管道入侵信号的识别，输出结果为事件类型，分为无入侵、人为活动和机械活动三类。

可见其是直接对原始信号进行相关处理，总结有以下缺点：

未建立有效策略来实现信号数据挖掘分析；未充分利用光纤传感数据；未对不同区域的报警阈值做差异化管理，针对性差；在不同环境下缺乏抗干扰能力；预警事件检测误报率高。

发明内容

为解决上述问题，提高入侵检测的准确率，本发明提供了一种基于分布式光纤的多维度特征入侵检测方法。

本发明中的一种基于分布式光纤的多维度特征入侵检测方法包括：

步骤1：将分布式光纤进行分段，获得分布式光纤的分段信息以及每段分布式光纤段对应的地形特征系数和环境特征系数；

步骤2：采集发生预警事件对应分布式光纤段的第一分段信息、第一预警事件真实结果和第一原始数据，第一原始数据包括：原始应变曲线数据和原始振动曲线数据，基于第一分段信息获得对应的第一地形特征系数和第一环境特征系数；

步骤3：对第一原始数据进行筛选获得第一应变曲线数据和第一振动曲线数据；

步骤4：对第一应变曲线数据和第一振动曲线数据进行特征提取获得第一特征图像数据；

步骤5：将第一特征图像数据、第一地形特征系数、第一环境特征系数、第一应变曲线数据的波峰图像和第一振动曲线数据的波峰图像进行融合获得第一多维度特征，基于第一多维度特征和第一预警事件真实结果获得第一样本；

步骤6：循环执行步骤2-步骤6获得若干个第一样本，基于若干个第一样本获得训练集；

步骤7：利用训练集训练分类模型获得入侵检测分类模型；

步骤8：实时采集各段分布式光纤段的第二原始数据，并判断第二原始数据是否超过对应的分段预警阈值，若超过则获得分布式光纤段对应的第二地形特征系数、第二环境特征系数和第二原始数据；

步骤9：对第二原始数据进行筛选获得第二应变曲线数据和第二振动曲线数据，对第二应变曲线数据和第二振动曲线数据进行特征提取获得第二特征图像数据；

步骤10：将第二特征图像数据、第二地形特征系数、第二环境特征系数、第二应变曲线数据的波峰图像和第二振动曲线数据的波峰图像进行融合获得第二多维度特征；

步骤11：将第二多维度特征输入入侵检测分类模型，获得预警事件分类结果。