【技术实现步骤摘要】
一种用于光纤传感异物入侵识别的数据增强方法及应用
[0001]本专利技术属于光纤传感的异物入侵监测
,更具体地,涉及一种用于光纤传感异物入侵识别的数据增强方法及应用。
技术介绍
[0002]光纤传感技术由于光纤制作成本低、抗电磁干扰和对恶劣环境耐受性好的优点,以及解调系统探测灵敏度高和动态检测的特点,日益成为入侵行为安全监测的主流技术,能够在复杂环境中完成大范围、高灵敏的实时监测工作,被广泛应用于管道监测,周界安防,地铁隧道等重要场景下。近年来,随着深度学习技术的发展,基于深度学习的光纤传感异物入侵识别方法被应用到光纤传感异物入侵识别之中,然而由于同一种异物入侵类型下的光纤传感数据可能有多种表现形式,在实际的采集过程中往往无法采集到较为完备的异物入侵数据,使得现有的光纤传感异物入侵识别方法的精确度较低,泛化能力较差,容易出现大量的误报及漏报。因此,亟需一种用于光纤传感异物入侵识别的数据增强方法来对采集到的异物入侵数据进行有效地扩充。
[0003]一种现有的用于光纤传感异物入侵识别的数据增强方法采用GAN网络生成新的异物入侵数据来对异物入侵数据进行扩充,然而该方法通常基于均值和方差等统计特征来生成新的数据,所生成的新的异物入侵数据往往与实际采集的异物入侵数据的表征形式无直接联系,并未针对性地关注异物入侵数据本质特征,因此无法得到对应异物入侵类型下异物入侵数据的其他表现形式,难以对异物入侵数据进行有效扩充,造成光纤传感异物入侵识别的准确率较低。同时对GAN网络进行训练时本身就需要大量数据,这与通过数据增强扩 ...
【技术保护点】
【技术特征摘要】
1.一种用于光纤传感异物入侵识别的数据增强方法,其特征在于,包括:移位数据增强操作,具体包括:在异物入侵数据样本上采用短时窗进行滑动,每滑动一次计算得到一个短时窗能量;获取短时窗能量最大时的短时窗的起始位置pos0;在[
‑
αW
‑
pos0,L
‑
αW
‑
pos0]范围内随机抽取一个移位参数t
s
;α为波形破损参数,0<α≤1;W为短时窗的长度,W=βL,0<β≤1;L为异物入侵数据样本的长度;基于所述移位参数t
s
对异物入侵数据样本进行移位操作,并采用符合高斯分布的数据填充异物入侵数据样本中由于移位操作所产生的空值;其中,当所述移位参数t
s
大于或等于0时,将异物入侵数据样本向左移动|t
s
|个时间点;当所述移位参数t
s
小于0时,将异物入侵数据样本向右移动|t
s
|个时间点。2.根据权利要求1所述的数据增强方法,其特征在于,第j次滑动下的短时窗能量为:其中,S为滑动步长;Y为异物入侵数据样本,具体为一维向量数据;Y(t)为异物入侵数据样本中t时刻下的数据值。3.根据权利要求1所述的数据增强方法,其特征在于,0.5≤α≤1;0.2≤β≤1。4.根据权利要求1
‑
3任意一项所述的数据增强方法,其特征在于,还包括:在所述移位数据增强操作之前或之后执行的信噪比控制数据增强操作;所述信噪比控制数据增强操作包括:计算异物入侵数据样本的功率值;基于所述功率值和预设信噪比计算得到异物入侵数据样本的样本噪声,并将所述样本噪声叠加在异物入侵数据样本上;其中,异物入侵数据样本Y的功率值为:5.一种光纤传感异物入侵识别方法,其特征在于,包括:将待识别的光纤传感数据输入到异物入侵识别模型中,得到识别结果;其中,所述异物入侵识别模型的获取方法包括:S1、对实时采集的光纤传感数据集中的各异物入侵数据样本分别采用权利要求1
‑
4任意一项所述的数据增强方法进行数据增强,得到各异物入侵数据样本的数据增强样本,并与对应的标签进行配对,构成数据增强样本集;S2、将所述数据增强样本集与所述光纤传感数据集构成训练样本集,并输入到深度学习模型中进行训练,得到所述异物入侵识别模型。6.根据权利要求5所述的光纤传感异物入侵识别方法,其特征在于,还包括:在所述步骤S1和所述...
【专利技术属性】
技术研发人员:孙琪真,张世雄,贺韬,闫志君,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:
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。