一种基于OTDR提升分析精度的算法和装置制造方法及图纸

本发明专利技术涉及电力通信技术领域，且公开了一种基于OTDR提升分析精度的算法和装置，包括以下步骤，采用OTDR对光纤线路进行多次测量，获取光纤线路OTDR曲线数据，并为后续数据分析进行预处理，对获得的OTDR数据进行去噪处理，获得去噪后的OTDR曲线数据。本发明专利技术通过采用小波基DB3模极大值方法进行区段降噪处理，对降噪后的区段数据再次采用小波变换和最小二乘法进行分析事件，用SVM分类器的光纤线路特殊点的分类识别方法，通过该方法实现对OTDR数据进行分析，将OTDR曲线中的各个特殊点分析出来，使操作人员能更直观的了解光纤的各个特殊位置，极大地提升了OTDR的测试精度，使分析的精准性得到提高，同时也进一步提高了分析的速度。度。度。

【技术实现步骤摘要】
一种基于OTDR提升分析精度的算法和装置


[0001]本专利技术涉及电力通信
，具体为一种基于OTDR提升分析精度的算法和装置。

技术介绍

[0002]随着光纤通信技术的不断发展，光纤在电力系统通信中的应用越来越广泛。光纤传输网络运行的可靠性是电力系统安全生产、高效运行的重要保障。光纤传输网络运行的可靠性是电力系统安全生产、高效运行的重要保障。随着数据通信量的急剧增长，作为信息高速公路的主要传输媒介，光纤通信的作用越来越重要，由于其传输信息量大，光纤线路一旦发生故障，中断较长时间将会严重影响电力系统的安全生产。当前主流的检测光纤故障设备就是OTDR，通过OTDR测量得到的数据分析光纤的相关故障点，并及时排除故障。
[0003]目前，OTDR数据分析常用的方法对数据噪声敏感，误差较大，同时其计算量大，分析速度慢，存在一些不足的地方。

技术实现思路

[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于OTDR提升分析精度的算法和装置，包括以下步骤：
[0005]S1、采用OTDR对光纤线路进行多次测量，获取光纤线路OTDR曲线数据，并为后续数据分析进行预处理，对获得的OTDR数据进行去噪处理，获得去噪后的OTDR曲线数据，OTDR曲线数据预处理包括将实际测得的OTDR原数据末尾构造一个断纤事件作为结尾事件，添加人造结尾事件后，曲线数据长度满足二进制小波变换所需数据的长度。
[0006]S2、对预处理后的OTDR曲线数据或降噪后的曲线数据段，采用小波变换对步骤一获得去噪后的OTDR曲线数据进行处理，获取光纤信号特征点，并将获取的光纤信号特征点进行标记，根据事件在高频系数上的特征进行初步定位得到所有待定事件，分别标记为：熔接点、断裂点、起始端、末端以及弯折过大点。
[0007]S3、计算线路均耗门限，采用最小二乘法和相关参数对待定事件做进一步的准确定位，根据是否存在准确定位失败的反射事件以及OTDR曲线数据是否已降噪处理过，确定曲线事件分析是否结束，将标记的数据用于训练SVM分类模型的数据称为训练集，用于验证SVM分类模型的预测精度的数据称为验证集，采用DB3小波基小波变换模极大值法对需要降噪的OTDR曲线段进行降噪，将降噪后的曲线段数据替换掉原OTDR相应的曲线段数据。
[0008]S4、将用于训练SVM分类模型的数据有监督的学习，获得能增加OTDR数据特征点区分度的投影矩阵；对投影矩阵中的特征点分配不同的权重，获得距离测度，并利用所述距离测度改进高斯径向基核函数，建立改进的SVM分类模型，改进后的高斯径向基核函数为：其中是高斯径向基核函数参数，采用网格搜索算法得到，x
i
,x
j
表示特征向量，D
M
(x
i
,x
j
)为距离测度，所述D
M
(x
i
,x
j
)的构建过程为：
[0009]设定投影空间中的距离测度为：
[0010]||L(x
i
‑
x
j
)||2为L(x
i
‑
x
j
)的二范数，[L(x
i
‑
x
j
)]T
为L(x
i
‑
x
j
)矩阵的转置，求取距离的平方并用矩阵形式表示，则距离测度D
M
(x
i
，x
j
)。
[0011]S5、使用验证集对训练出的SVM分类模型分别进行验证，选择在验证集上预测精度最高的模型作为最终的SVM分类器，运用该SVM分类器实现OTDR数据曲线特征点的识别，最终实现对光缆各个位置的特征点的识别。
[0012]S6、利用分析出的事件计算光纤线路的长度、线路总衰耗和线路均耗。
[0013]优选的，所述步骤S1中曲线数据长度满足二进制小波变换所需数据的长度：L＝∑2^n，n∈N。
[0014]优选的，所述步骤S2中高频系数中，发射事件的特征是从反射事件的起点到终点，对应高频系数值从负值变到正值，初步定位时，将负的最小值作为反射事件起点，将正的最大值作为反射事件终点。
[0015]优选的，所述步骤S3中采用DB3小波基小波变换模极大值法对需要降噪的OTDR曲线段进行降噪。
[0016]优选的，所述步骤S3中发送功率的计算，从起始事件的终点连续取N个点，采用最小二乘法得到拟合直线L，直线L在光功率X轴上的截距即是发送功率，得到：线路总衰耗＝发送功率
‑
结尾事件起始点的功率。
[0017]一种基于OTDR提升分析精度的算法装置，所述装置包括测量模块、预处理模块、高频系数模块、分类模型模块、验证模块和分析模块。
[0018]优选的，所述测量模块与预处理模块连接，所述预处理模块与分类模型模块连接。
[0019]优选的，所述分类模型模块与验证模块连接，所述验证模块与分析模块连接。
[0020]本专利技术提供了一种基于OTDR提升分析精度的算法和装置。具备以下有益效果：
[0021]本专利技术通过采用Haar小波基对OTDR数据进行离散平稳小波变换，利用事件在高频系数上的特征，根据待定反射事件定位的结果决定是否需要进行降噪以及确定需降噪的区段，采用小波基DB3模极大值方法进行区段降噪处理，对降噪后的区段数据再次采用小波变换和最小二乘法进行分析事件，用SVM分类器的光纤线路特殊点的分类识别方法，通过该方法实现对OTDR数据进行分析，将OTDR曲线中的各个特殊点分析出来，使操作人员能更直观的了解光纤的各个特殊位置，极大地提升了OTDR的测试精度，使分析的精准性得到提高，同时也进一步提高了分析的速度。
附图说明
[0022]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0023]图1为本专利技术装置结构示意图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0026]如图1所示，本专利技术提供一种技术方案：一种基于OTDR提升分析精度的算法和装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于OTDR提升分析精度的算法和装置，其特征在于，包括以下步骤：S1、采用OTDR对光纤线路进行多次测量，获取光纤线路OTDR曲线数据，并为后续数据分析进行预处理，对获得的OTDR数据进行去噪处理，获得去噪后的OTDR曲线数据，OTDR曲线数据预处理包括将实际测得的OTDR原数据末尾构造一个断纤事件作为结尾事件，添加人造结尾事件后，曲线数据长度满足二进制小波变换所需数据的长度；S2、对预处理后的OTDR曲线数据或降噪后的曲线数据段，采用小波变换对步骤一获得去噪后的OTDR曲线数据进行处理，获取光纤信号特征点，并将获取的光纤信号特征点进行标记，根据事件在高频系数上的特征进行初步定位得到所有待定事件，分别标记为：熔接点、断裂点、起始端、末端以及弯折过大点；S3、计算线路均耗门限，采用最小二乘法和相关参数对待定事件做进一步的准确定位，根据是否存在准确定位失败的反射事件以及OTDR曲线数据是否已降噪处理过，确定曲线事件分析是否结束，将标记的数据用于训练SVM分类模型的数据称为训练集，用于验证SVM分类模型的预测精度的数据称为验证集，采用DB3小波基小波变换模极大值法对需要降噪的OTDR曲线段进行降噪，将降噪后的曲线段数据替换掉原OTDR相应的曲线段数据；S4、将用于训练SVM分类模型的数据有监督的学习，获得能增加OTDR数据特征点区分度的投影矩阵；对投影矩阵中的特征点分配不同的权重，获得距离测度，并利用所述距离测度改进高斯径向基核函数，建立改进的SVM分类模型，改进后的高斯径向基核函数为：其中是高斯径向基核函数参数，采用网格搜索算法得到，x
i
,x
j
表示特征向量，D
M
(x
i
,x
j
)为距离测度，所述D
M
(x
i
,x
j
)的构建过程为：设定投影空间中的距离测度为：||L(x
i
‑
x
j
)||2为L(x
i
‑
x
j
)的二范数，[L(x

【专利技术属性】
技术研发人员：黄中华，陆宁海，
申请(专利权)人：江苏韦纳迪信息科技有限公司，
类型：发明
国别省市：