一种基于PaaS和SaaS平台的ODFS改进图像式存储方法及系统技术方案

本发明专利技术涉及基于PaaS和SaaS平台的改进图像式存储方法及系统，是一种对ODFS振动信号进行存储的方法及系统，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行自适应滤波消噪；(5)进行上采样

【技术实现步骤摘要】
一种基于PaaS和SaaS平台的ODFS改进图像式存储方法及系统


[0001]本专利技术涉及信号处理与机器学习领域，主要是一种对ODFS振动信号进行存储的方法及系统。

技术介绍

[0002]目前，在实际的安全监测中，ODFS(全分布式光纤传感技术，Fully Distributed Optical Fiber Sensing Technology)尚存在应用瓶颈，因为ODFS技术随着“采样率/分辨率”增加或者“时间/长度”拓展带来的数据膨胀现象，导致了数据冗余、磁盘膨胀、处理效率低下的问题，一味地提高硬件性能远远不能满足技术发展需要。在二维振动信号的“存储方法”的研究中，对于振动信号的压缩方法，几乎都是要对振动信号进行分析计算后，才能得到的压缩策略，但是这样的情况会耗费大量的运算内存，且压缩策略也并不一定可以满足所有的异常情况。
[0003]关于ODFS振动信号监测的应用，在很多领域的发展都相对成熟。ODFS以安全生产智能监测为中心，以“安全监测及信号处理”为重点，兼具了“光波传输的抗电磁干扰特性”和“光纤介质的材料特性”的优点在“城市运行安全”领域拥有无可比拟的优势。该技术由于其抗电磁干扰、电绝缘且耐腐蚀、可在强电磁场复杂环境下安全稳定工作等特点，在工业生产安全监测、城市基础设施安全监测、城市生命线管网安全监测、道路交通安全监测等领域中受到了广泛关注，在振动信号、温度信号、应力信号等方面得到了广泛研究，也面临着巨大的挑战。因此，要解决在光纤传感领域中，“数据膨胀”带来的存储与分析问题，达到ODFS振动信号存储的要求，必须要建立一种高效、准确的ODFS振动信号存储方法及系统，从二维信号层面，进行信号处理、降噪增强、表达定位、智能辨识、压缩感知、转换存储等一系列工作，推动ODFS技术在安全监测领域的广泛应用，使ODFS技术的监测距离更长、定位更准、频率更高、时间更久、事件更清晰。

技术实现思路

[0004]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PaaS和SaaS平台的ODFS改进图像式存储方法及系统，其具体流程如图1所示。
[0005]技术方案实施步骤如下：
[0006](1)确定原始振动信号x(t)的相邻极值点的平均值m
i
和包络估计值a
i
：
[0007][0008][0009]式中，m
i
表示相邻极值点的平均值，a
i
表示包络估计值，n
i
和n
i+1
分别表示第i个和第i+1个局部极值点。
[0010](2)确定剩余信号h
11
(t)：
[0011]将m
i
和a
i
用折线连接起来，再利用滑动平均法对其进行平滑处理，从而得到局部均值函数m
11
(t)和局部包络估计函数a
11
(t)。将局部均值函数m
11
(t)从原始振动信号x(t)中分离出来，得到剩余信号h
11
(t)，即：
[0012]h
11
(t)＝x(t)
‑
m
11
(t)
[0013]式中，h
11
(t)表示剩余信号，x(t)表示原始振动信号，m
11
(t)表示局部均值函数。
[0014](3)确定调频信号s
1l
(t)和包络信号a1(t)：
[0015]对h
11
(t)进行解调，得到调频信号s
11
(t)：
[0016][0017]式中，s
11
(t)表示调频信号，h
11
(t)表示剩余信号，a
11
(t)表示局部包络估计函数。
[0018]重复以上步骤，直至第i+1次的局部包络估计函数a
1(i+1)
(t)满足条件a
1(i+1)
(t)＝1为止。最后得到l个局部包络估计函数a
11
(t)，a
12
(t)，...，a
1l
(t)和最后一次解调出的纯调频信号s
1l
(t)，将所有局部包络估计函数相乘，便可得到包络信号a1(t)为：
[0019][0020]式中，a1(t)表示包络信号，a
11
(t)，a
12
(t)，...，a
1l
(t)分别表示局部包络估计函数，l表示局部包络函数的个数，q表示当前第q个包络函数。
[0021](4)进行自适应滤波消噪：
[0022]对被采集的原始振动信号x(t)进行滤波、增强等预处理以提高压缩质量，得到一个新的信号s1(t)。将s1(t)作为新的原始信号并重复上述步骤，循环k次,直至s
k
(t)满足单调条件为止。根据新的输入信号s
k
(t)，通过自适应滤波器，使用反馈对输入信号s
k
(t)进行进一步的预处理，以获得更为理想的效果。
[0023]自适应滤波消噪的原理图如附图3所示。自适应滤波器设置有两个输入端，分别为主输入端和参考输入端。在主输入端接收信号源s
k
(t)和待消除的噪声信号v0(t)，在参考输入端输入一个与噪声信号v0(t)有关的参考信号v1(t)，且为获得良好的降噪性能，参考信号v1(t)应在信号源s
k
(t)无法测量的纯噪声环境中拾取。通过自适应滤波器，可以尽可能消除噪声信号，使滤波器的输出信号u
k
(t)尽可能地逼近输入信号源s
k
(t)。
[0024](5)进行上采样
‑
反卷积语义分割：
[0025]按照上采样
‑
反卷积结构的语义分割的方式，直接将信号u
k
(t)转换成图像进行存储和显示。利用编码器提取第k次循环后的原始信号u
k
(t)的特征，将全卷积神经网络(FCN)的前面特征图变小。之后只需利用解码器进行上采样和反卷积，即可将图片恢复为原图大小。
[0026](6)进行灰度转化：
[0027]以时间作为横轴，以长度作为纵轴，对信号的幅度进行归一化处理，并转化为灰度值。
[0028](7)实现图像式信号存储：
[0029]以每秒采样点数为横轴像素点，长度和空间采样率的比值为纵轴采样点，对信号进行从二维到三维的转换，生成.jpg或.bmp图像。在保留整体信号的信息完整度的同时，既便于本项目中下一部分的图像分析处理，又能从硬件存储上极大节省存储资源，节省安全
监测的设备成本，提高安全监测的处理效率。
[0030](8)确定输出变量的判别函数H
u
(Y)：
[0031][0032]式中，M表示每类样本的样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PaaS和SaaS平台的ODFS改进图像式存储系统，其特征在于，将振动信号转化为图像进行存储，所述振动信号的图像式存储系统包括如下模块：系统控制界面：可以通过操作系统控制界面，对二维振动信号进行压缩图像式存储，包括自适应滤波消噪模块、上采样
‑
反卷积语义分割模块、灰度转化处理模块、图像式信号存储模块等，以实现对位于SaaS环境内所提供的云产品的控制，包括提供上述服务以及配置服务界面等；供给组件：可以提供在供给命令中预先指定的服务所对应的功能，例如进行二维振动信号的采集，进行自适应消噪滤波，运用编码器进行上采样
‑
反卷积语义分割，运行灰度转化，实现信号的图像式存储等；数据仓库：可以存储和提取、加载上述自适应滤波消噪模块、上采样
‑
反卷积语义分割模块和灰度转化处理模块采集到的信号，以及图像式信号存储模块转存的图像等，此外还能够支持上述信号压缩过程中所转化数据的备份、修补和恢复等；监视代理：可以监视上述数据仓库所供给的实际数据大小，并将信息报告给管理中心；管理中心：可以读取、分析和执行上述数据采集、资源调配和使用的指令，包括启动进行二维振动信号的采集，启动进行自适应消噪滤波，启动运用编码器进行上采样
‑
反卷积语义分割，启动运行灰度转化，启动进行信号的图像式存储等，使系统于最佳实践的操作环境下运行算法；自适应滤波消噪模块：使用反馈对输入信号源进行处理，尽可能消除噪声信号，使滤波器的输出信号尽可能地逼近输入信号；上采样
‑
反卷积语义分割模块：利用编码器提取振动信号的特征，把全卷积神经网络(FCN)的前面特征图变小，直接将信号转换成图像进行存储和显示；灰度转化处理模块：以时间作为横轴，以长度作为纵轴，对信号的幅度进行归一化处理，并转化为灰度值进行存储和显示；图像式信号存储模块：以每秒采样点数为横轴像素点，长度和空间采样率的比值为纵轴采样点，对信号进行从二维到三维的转换，生成.jpg或.bmp图像。2.一种基于PaaS和SaaS平台的ODFS改进图像式存储方法，其特征在于：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行自适应滤波消噪；(5)进行上采样
‑
反卷积语义分割；(6)进行灰度转化；(7)实现图像式信号存储；(8)确定输出变量的判别函数。具体包括以下八个步骤：步骤一：确定原始振动信号x(t)的相邻极值点的平均值m
i
和包络估计值a
i
：：式中，m
i
表示相邻极值点的平均值，a
i
表示包络估计值，n
i
和n
i+1
分别表示第i个和第i+1个局部极值点；步骤二：确定剩余信号h
11
(t)：将m
i
和a
i
用折线连接起来，再利用滑动平均法对其进行平滑处理，从而得到局部均值函数m
11
(t)和局部包络估计函数a
11
(t)；将局部均值函数m
11
(t)从原始振动信号x(t)中分离出
来，得到剩余信号h
11
(t)，即：h
11
(t)＝x(t)
‑
m
11
(t)式中，h
11
(t)表示剩余信号，x(t)表示原始振动信号...

【专利技术属性】
技术研发人员：王松，洪昀，胡燕祝，庄育锋，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：