The invention relates to a method for feature extraction of optical fiber vibration signal based on meemd \u2011 Hilbert and multi-layer wavelet decomposition, which is a method for feature extraction of distributed optical fiber vibration signal, belonging to the field of signal processing and machine learning, and characterized in the following steps: (1) determining the vibration signal after introducing white noise signal; (2) determining the first set of IMF component sequences; (3) carrying out Delay space reconstruction; (4) determination of permutation entropy; (5) determination of residual components; (6) calculation of Hilbert transform of sequence; (7) determination of analytical signal of sequence and autocorrelation processing; (8) discrete wavelet transform; (9) calculation of average energy in different frequency bands; (10) calculation of average energy proportion in each frequency band. The invention has high time-frequency resolution and provides a method with obvious effect for feature extraction of optical fiber vibration signal.
【技术实现步骤摘要】
一种基于MEEMD-Hilbert和多层小波分解的光纤振动信号特征提取方法
本专利技术涉及信号处理与机器学习领域,主要是一种对分布式光纤振动信号进行特征提取的方法。
技术介绍
目前,针对分布式光纤振动信号的特征提取问题,主要是基于时域和频域特征提取或者小波分析提取。信号时域特征分为短时特征和长时间序列特征。短时特征即提取振动信号的包络信息,其主要包括上升沿时间、下降沿时间和幅度峰值等。长时间序列特征是信号在较长一段时间内时间序列变化特征,其主要包括过零数、振动段个数、和平均幅度峰值等。然而,仅仅提取信号的时域和频域特征仅能代表振动信号的一部分信息,这使得在后续对信号进行识别时,会出现无法提高识别的效率和效果的情况。小波分解是将信号进行多层分解并将信号在各个子频带的能量分布作为信号的特征,但以小波分量为特征会将低频噪声特征混入,而且随着分解层数的增多,特征维度会越来越高,进而增加运算负担。振动信号特征提取主要应用在光纤预警领域,已经有一些较为成熟的特征提取方法,如参数分析法、基因周期、傅里叶分析、小波分解等。然而入侵信号种类繁多且各类型危险程度不同,面对多种复杂入侵类型,准确提取稳定且具有代表性的目标振源信号特征是光纤预警系统的核心环节之一,因此需要一种在强干扰噪声环境下对光纤振动信号有效特征区分敏感,识别率高,便捷准确的特征提取算法,为光纤预警领域提供有力的支撑。
技术实现思路
针对上述现有技术中存在的问题,本专利技术要解决的技术问题是提供一种基于MEEMD-Hilbert和多层小 ...
【技术保护点】
1.本专利技术特征在于:(1)确定引入白噪声信号后的振动信号;(2)确定第一个IMF分量序列集合;(3)进行延时空间重构;(4)确定排列熵;(5)确定剩余分量;(6)计算序列的希尔伯特变换;(7)确定序列的解析信号并进行自相关处理;(8)离散小波变换;(9)计算不同频段上的平均能量;(10)计算每个频段上的平均能量占比,具体包括以下十个步骤:/n步骤一:确定引入白噪声信号后的振动信号
【技术特征摘要】
1.本发明特征在于:(1)确定引入白噪声信号后的振动信号;(2)确定第一个IMF分量序列集合;(3)进行延时空间重构;(4)确定排列熵;(5)确定剩余分量;(6)计算序列的希尔伯特变换;(7)确定序列的解析信号并进行自相关处理;(8)离散小波变换;(9)计算不同频段上的平均能量;(10)计算每个频段上的平均能量占比,具体包括以下十个步骤:
步骤一:确定引入白噪声信号后的振动信号和
在振动信号x(t)中引入白噪声信号np(t)和-np(t),得到
式中,和表示引入白噪声信号后的振动信号,x(t)表示原始光纤振动信号,np(t)和-np(t)表示白噪声信号,ap表示第p次引入噪声信号的幅值,p=1,2,...,Nnoise,Nnoise表示引入噪声的总次数;
步骤二:确定第一个IMF分量序列集合I1(t):
对和分别进行EMD分解,得到第一组分量序列集合和将序列集合中下角标序号一致的分量进行求和、累加、平均计算,得到I1(t):
式中,I1(t)表示第一个IMF分量序列集合,和表示第一组IMF分量序列集合,p=1,2,...,Nnoise,Nnoise表示引入噪声的总次数;
步骤三:进行延时空间重构:
对I1(t)所对应的数字序列I1(q)进行延时空间重构,得到如下序列:
式中,In(n)表示延时空间重构后的序列,q=1,2,...,n,...,N,N表示序列总长度,Δn表示序列延迟长度,m表示空间重构维数;
步骤四:确定I1(q)的排列熵S(q):
式中,g=1,2,...,k代表序号的种类,m为空间重构维数,
步骤五:确定剩余分量r(t):
设置S(q)的阈值,当S(q)低于该阈值时,判断I1(t)为非异常信号,并将...
【专利技术属性】
技术研发人员:王松,胡燕祝,刘娜,熊之野,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。