一种面向Φ‑OTDR技术的三维振动信号分类方法技术

本发明专利技术涉及一种面向Φ‑OTDR技术的三维振动信号分类方法，属于全分布式光纤传感技术中的信号处理领域。分为如下步骤：步骤一、确定原始信号的平均信噪比和信号有效范围；步骤二、原始信号的预处理；步骤三、原始信号的特征提取；步骤四、随机森林的信号分类。

【技术实现步骤摘要】
一种面向Φ-OTDR技术的三维振动信号分类方法
本专利技术涉及一种面向Φ-OTDR技术的三维振动信号分类方法，属于全分布式光纤传感技术中的信号处理领域。
技术介绍
伴随着光纤通讯技术的快速发展，光纤传感技术近年来得到了深入研究并已广泛应用于多个领域的健康监测问题。全分布式光纤传感技术作为光纤传感技术的一种，因为其良好的分布式特性越来越受到广泛的重视。从原理上看全分布式光纤传感技术可以分为三大类，分别是布里渊散射、瑞利散射、拉曼散射。布里渊散射主要是监测形变和温度的，拉曼散射主要是监测温度的，瑞利散射主要是监测振动的。基于瑞利散射检测振动的方法有很多，其中相干光时域反射技术(Ф-OTDR)是检测振动信号的一种比较典型且相对成熟的方法，因此本专利技术主要针对Φ-OTDR技术采集的信号进行研究。Φ-OTDR技术采集到的不同振动类型的三维振动信号往往差异很大，因此对不同信号的特征分类成为了对整个研究的基础问题。在实际应用中，光纤感应的振动是通过被检测物体传导而来的，并且为方便分析用时域和频域表示。对于光纤信号的特征提取分为基于时域、频域和时频域的特征提取方式，其中在时频域中，有小波系数、小波包能量、Hilbert谱和边际谱等方法提取信号特征；在频域中，有快速傅里叶变换；在时域中有时间序列模型法(AR模型、ARMA模型等)。总结出两个评判指标，一个是在“时间-幅度”平面上的信噪比的估计，另一个是在“长度-幅度”平面上的有效信号长度范围。因此结合已有特征信号的研究理论，但是，Φ-OTDR监测到的振动数据包含长度、时间和幅度三个信息，上述的方法并不能准确提取Φ-OTDR所采集的三维振动信号。本专利技术针对上述方法的优点和实际情况，设计了一种可以根据信号特征准确分类三维振动信号的方法。
技术实现思路
为了克服上述技术的不足，本专利技术提供了一种面向Φ-OTDR技术的三维振动信号去噪方法。在相干噪声的去噪方面，因为相干噪声在时域上是有规律的，因此本专利技术的方法是希望通过建立一个可以周期变换的函数，最终达到对相干噪声进行一个有效的抵消。在随机噪声的去噪方面，本专利技术的加窗平滑-维纳过程滤波算法，可以保证信噪比和信号有效范围的同时得到提升。本专利技术提供一种面向Φ-OTDR技术的三维振动信号去噪方法，主要包括如下几个步骤：步骤一、确定原始信号的平均信噪比和信号有效范围；步骤二、原始信号的预处理；步骤三、原始信号的特征提取；步骤四、随机森林的信号分类。本专利技术的优点在于：(1).本专利技术为了适应Φ-OTDR技术的特征提取方法。(2).本专利技术为了适应Φ-OTDR技术的分类方法。附图说明图1为本专利技术中算法流程图；图2为本专利技术中TESP一阶特征；图3为本专利技术中TESP二阶特征；图4为本专利技术中TESP联合特征；具体实施方式下面结合附图和实施例对本专利技术进行详细说明。本专利技术提供的一种面向Φ-OTDR技术的三维振动信号分类方法，系统框图如图1所示，具体包括步骤如下：步骤一、确定原始信号的平均信噪比和信号有效范围。信噪比，英文名称叫做SNR或S/N(SIGNAL-NOISERATIO)，又称为讯噪比。信号有效范围，是指在“时间-幅度”平面上保证信噪比有效的前提下，在“长度-幅度”平面上的最大有效距离。步骤二、原始信号的预处理；分布式光纤传感器具有灵敏度高的特点，能检测到微小的信号变化，但也易受到噪声的影响，尤其是当传播距离较远且信号强度较弱时，很容易被噪声所淹没，所以在进行其他操作前要对采集到的信号进行去噪处理。目前常用的光纤信号去噪方法是小波去噪，但试验后发现其对于采集到的挖掘信号去噪效果不明显，不能较好地还原信号，故采取了一种平滑滤波方法对挖掘信号进行去噪处理。步骤三、原始信号的特征提取；带时间特征的序列模式算法(简称TESP)。该算法的主要思想是将时域上的连续数据转换为有限的离散模型，对每一个模型认为是一个特征单位，对各单位赋予不同的数值或者符号。这样就可以把连续信号转换为由简单元素组成的符号流。步骤四、随机森林的信号分类。目前，对于光纤信号识别多采用支持向量机(SVM)方法，该方法泛化能力较高，但核函数参数对结果影响很大，且核函数较为复杂，故提出采用随机森林算法对光纤信号进行识别。实施例一下面结合附图和实施例对本专利技术进行详细说明。本专利技术提供的一种面向Φ-OTDR技术的三维振动信号去噪方法，具体包括步骤如下：步骤一、确定原始信号的平均信噪比和信号有效范围。信噪比，英文名称叫做SNR或S/N(SIGNAL-NOISERATIO)，又称为讯噪比。是指一个电子设备或者电子系统中信号与噪声的比例。信噪比的计量单位是dB，其计算方法如公式(1)所示。其中Ps和Pn分别代表信号和噪声的有效功率。因为仪器设备最后监测到的都是电信号，因此信噪比也可以换算成电压幅值的比率关系，如公式(2)所示。信号有效范围，是指在“时间-幅度”平面上保证信噪比有效的前提下，在“长度-幅度”平面上的最大有效距离。步骤二、原始信号的预处理；分布式光纤传感器具有灵敏度高的特点，能检测到微小的信号变化，但也易受到噪声的影响，尤其是当传播距离较远且信号强度较弱时，很容易被噪声所淹没，所以在进行其他操作前要对采集到的信号进行去噪处理。目前常用的光纤信号去噪方法是小波去噪，但试验后发现其对于采集到的挖掘信号去噪效果不明显，不能较好地还原信号，故采取了一种平滑滤波方法对挖掘信号进行去噪处理。平滑滤波的目的是去除数据中夹杂的噪声，还原信号固有特征，滤波器的构造主要考虑两点：滤波窗口大小和滤波算法的选择。滤波窗口大小可根据实际处理的数据和处理的需求设定，滤波算法包括均值滤波、中值滤波、卡尔曼滤波等，本研究中对比几种滤波算法的效果，提出了一种滤波方法，可较好地去除噪声影响。滤波过程分为三部分进行：首先，去除信号的直流分量；然后，以10个数据点为窗口进行滑动叠加；最后，对叠加结果取绝对值后再以10为窗口滑动叠加。此种平滑滤波方法与其他滤波方法处理数据结果如图所示：上部信号为噪声干扰严重时采集的信号，下部信号为噪声干扰较弱情况下采集到的信号，左侧信号为滤波后的信号，右侧信号为原信号。对比滤波前后的信号波形，可以看出，提出的此种平滑滤波方式，噪声严重情况下还原出的信号与噪声干扰较弱情况下还原出的信号，虽然幅值上有一定的差异，但信号的峰谷值及整体趋势大体是一致的，而其余滤波方法在噪声严重情况下还原出的信号与噪声干扰较弱情况下还原的信号有较大差异。故提出的此种滤波方法有较好的去噪效果。步骤三、原始信号的特征提取；带时间特征的序列模式算法(简称TESP)。该算法的主要思想是将时域上的连续数据转换为有限的离散模型，对每一个模型认为是一个特征单位，对各单位赋予不同的数值或者符号。这样就可以把连续信号转换为由简单元素组成的符号流。TESP算法的具体实现步骤如下：1)在时域上，把连续信号切割成连续的若干时间段，切割原则为每两个过零点之间为一个时间段，按照TESP算法的算法习惯每个时间段称为元。2)每个元上存在两个指标。一个是持续时间，一般用D表示；另一个是信号形态，一般用S表示。同时根据这两个指标得到如下信息：a.在每个元的持续时间内存在多个采样点，这些采样点通过变换可以转换为频率信息。b.在持续时间内，进行波形拟合后求解其导本文档来自技高网...

【技术保护点】
本专利技术提供一种面向Φ‑OTDR技术的三维振动信号分类方法，主要包括如下几个步骤：步骤一、确定原始信号的平均信噪比和信号有效范围；步骤二、原始信号的预处理；步骤三、原始信号的特征提取；步骤四、随机森林的信号分类。

【技术特征摘要】
1.本发明提供一种面向Φ-OTDR技术的三维振动信号分类方法，主要包括如下几个步骤：步骤一、确定原始信号的平均信噪比和信号有效范围；步骤二、原始信号的预处理；步骤三、原始信号的特征提取；步骤四、随机森林的信号分类。2.根据权利要求1所述的优化构建方法，其特征在于：在步骤三中原始信号的特征提取；带时间特征的序列模式算法(简称TESP)。该算法的主要思想是将时域上的连续数据转换为有限的离散模型，对每一个模型认为是一个特征单位，对各单位赋予不同的数值或者符号。这样就可以把连续信号转换为由简单元素组成的符号流。TESP算法的具体实现步骤如下：1)在时域上，把连续信号切割成连续的若干时间段，...

【专利技术属性】
技术研发人员：胡燕祝，孟臻，艾新波，王松，郝圣禹，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11