基于深度学习的分布式光纤传感系统扰动定位方法技术方案

本发明专利技术公开了一种基于深度学习的分布式光纤传感系统扰动定位方法，从位相差公式出发，基于仿真得到不同扰动情况下的陷波频谱，并以此建立多维输入向量。以扰动数量和扰动位置建立实际标签向量作为正确输出向量，在此基础上经过训练建立深度学习神经网络的学习模型。本发明专利技术优点：可以解决多点扰动下Sagnac分布式光纤传感的定位难题。

Disturbance location method of distributed optical fiber sensor system based on deep learning

【技术实现步骤摘要】
基于深度学习的分布式光纤传感系统扰动定位方法
本专利技术涉及定位
，具体涉及一种基于深度学习的分布式光纤传感系统扰动定位方法。
技术介绍
Sagnac分布式光纤传感系统具有低成本和广阔的应用前景，可用于管道泄漏及入侵的监测、可用于周界安防的监测、可用于地铁隧道的健康监测、可用于海洋声信号的监测，对保障人民的生命、财产安全具有重要的意义。在Sagnac分布式光纤传感系统中，最常用的定位方法是基于陷波频率的方案。对于多扰动的情况，每一个陷波频率都与所有的扰动点的位置和强度有关，这时，无法建立起陷波频率的数学公式。因此，无法根据某一数学公式由陷波频率计算出扰动位置。深度学习神经网络建立模型的核心思想是在不容易建立公式和规则的情况下，使用训练的数据、并通过合适的算法构建出一个模型。因此深度学习神经网络正好可以用于Sagnac分布式光纤传感中多扰动信号的定位问题。本专利就是基于深度学习神经网络解决这些情况下扰动信号的定位问题。
技术实现思路
本专利技术所要解决的问题是：提供一种基于深度学习的分布式光纤传感系统扰动本文档来自技高网...

【技术保护点】
1.一种基于深度学习的分布式光纤传感系统扰动定位方法，其特征在于：所述方法包括以下步骤，/n(1)、获取已知扰动位置和扰动信号作用下的陷波频谱；/n(2)、忽略陷波频谱的幅度，将陷波频谱转化为一维向量，其中陷波点处的频率记为1，否则记为0；则由不同的扰动数量和位置时的陷波频谱可建立多维输入向量，并按一定的比例分为训练集和测试集；/n(3)、将已知的扰动数量和扰动位置建立实际标签向量作为正确输出向量；/n(4)、将多维的输入向量通过深度学习神经网络进行训练，得到训练输出向量；/n(5)、计算正确输出向量和训练输出向量之差，当其值大于某一设定值时，根据随机梯度下降等算法修正权重，并回到第(4)步，...

【技术特征摘要】
1.一种基于深度学习的分布式光纤传感系统扰动定位方法，其特征在于：所述方法包括以下步骤，
(1)、获取已知扰动位置和扰动信号作用下的陷波频谱；
(2)、忽略陷波频谱的幅度，将陷波频谱转化为一维向量，其中陷波点处的频率记为1，否则记为0；则由不同的扰动数量和位置时的陷波频谱可建立多维输入向量，并按一定的比例分为训练集和测试集；
(3)、将已知的扰动数量和扰动位置建立实际标签向量作...

【专利技术属性】
技术研发人员：万生鹏，张思军，熊新中，吴津屹，孙继周，刘彬，刘娟，史久林，吴强，何兴道，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西;36