一种基于GAF-ConvNeXt-TF的周界安防扰动识别算法制造技术

本发明专利技术公开了一种基于GAF

【技术实现步骤摘要】
一种基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法


[0001]本专利技术涉及分布式光纤振动传感系统在周界安防的扰动识别技术，具体涉及一种基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法。

技术介绍

[0002]现如今，分布式光纤传感技术因其具有探测范围长、抗干扰、灵敏度高、价格低等优点被越来越多的人所关注，所以在近些年得到了迅速发展，其已经被广泛地应用在生活中的各个领域，例如轨道交通、结构健康监测和周界安防领域，特别是在周界安防领域。传统的周界安防系统往往有着易腐蚀，抗干扰能力差，维修成本高等缺点。早期的技术只能检测扰动位置，显然这已经无法满足现在的需求。随着实际应用的需求不断提高，光纤入侵检测领域对事件的定位和识别提出了更高的要求，表现为对入侵事件的准确分类。而分布式光纤传感技术的发展为周界安防领域提供了一种新的解决方案。因此将分布式光纤声波传感技术与模式识别技术相结合是目前研究的热门。
[0003]传统的分类识别技术，主要集中在基于时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，其步骤如下：步骤一、将扰动信号进行数据预处理，分别对各种扰动行为产生的一维时间序列信号进行去基线和去噪预处理；步骤二、基于格拉姆角场的原理将经过预处理的一维时间序列信号转化成二维时序图，并且按照扰动的种类制作数据总集；再将数据总集按照3:1:1的比例分成训练集、验证集和测试集；步骤三、建立ConvNeXt模型，包括ConvNeXt Block、Downsample、全局平均池化层、全连接层和输出层；步骤四、利用AdamW优化器结合余弦退火算法优化学习率，利用迁移学习中微调的方法，先利用较大的源数据集在模型上训练，以此获取预训练权重，再将预训练权重载入到ConvNeXt模型，为训练自己的目标数据集做准备；步骤五、将步骤二中的训练集导入ConvNeXt模型中进行训练，在训练过程中引入交叉熵损失函数，用来求目标与预测值之间的差距，并且利用验证集调整训练参数，以此获取训练权重文件；步骤六、利用步骤二中的测试集来测试模型分类识别的准确率。2.根据权利要求1所述的基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，所述一维时间序列信号转化成二维时序图的具体步骤如下：1)将经过预处理的一维时间序列信号数据进行归一化处理；2)将归一化处理的时间序列数据转换成极坐标形式数据；3)基于格拉姆角场的原理将极坐标形式的时间序列数据转换为保留时间特征的二维图像。3.根据权利要求2所述的基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，所述归一化处理的操作如下：其中为第i时刻的数值缩放后一维时序信号，x
i
为一维时序信号中第i时刻的信号值，Max(X)为一维时序信号中的最大值，Min(X)为一维时序信号中的最小值。4.根据权利要求2所述的基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，所述极坐标形式数据的转换操作如下：式中,σ
i
为第i时刻在极坐标系的极角；r
i
为第i时刻在极坐标系的极半径；为归一化的信号序列，N所述时间戳的总数；t
i
为第i时刻对应的时间戳。5.根据权利要求1或2所述的基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，所述格拉姆角场的编码采用GASF图像编码方式，其转化方法具体分为两种，分别是格拉姆求和场(GASF)与格拉姆做差场(GADF)；具体操作如下：GASF具体转换公式如下：
GADF具体转换公式如下：式中的I＝[1,1,
…
1]是单位行向量，与分别是与的转置向量。6.根据权利要求1所述的基于GAF
‑
ConvNeXt
‑
TF的周界安防扰动识别算法，其特征在于，所述ConvNeXt Block的组成过程如下：先经过深度卷积模块，其中卷积核大小为7
×
7、步距为1，并经过Layer Normalization；再引入逆残差结构，其中先使用1
×
1卷积核升维，加入GEL...

【专利技术属性】
技术研发人员：刘彬，王亚俊，吴强，李洁，王双，刘娟，胡莹莹，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：