一种应用于分布式光纤传感技术模式识别的样本评估方法技术

本发明专利技术提出一种应用于分布式光纤传感技术模式识别的样本评估方法。该方法通过对样本特征进行相关度和准确度评估之后对样本进行加权，有效降低了噪声样本对模型的干扰，实现了更高的识别率。此方法相对于传统的方法有效降低了背景噪声的影响，从而在噪声干扰较大的数据集上也能保证高效的性能，实现很高的分类精度。该方法首先需要一个相似度评估模块；通过计算样本特征之间的协方差确定样本特征相关度的评估值和样本类的准确度评估值，并根据这两个结果将不同的权重分配给不同的样本，从而使经过权值修正处理的噪声样本对模型的干扰降低，实现了更高的识别率，降低了误报警率。降低了误报警率。降低了误报警率。

【技术实现步骤摘要】
一种应用于分布式光纤传感技术模式识别的样本评估方法


[0001]本专利技术涉及分布式光纤传感
，具体涉及一种应用于分布式光纤传感技术模式识别的样本评估方法。

技术介绍

[0002]分布式光纤传感系统是近年来发展起来的新型传感技术，是通过光纤感知自身因外接扰动或温度变化产生的差异化响应完成对整条传感光纤沿途所有位置的扰动或温度测量。具有感测体积小、易于携带与安装、重量轻、灵敏度高、抗干扰能力强、抗腐蚀、电绝缘性、距离长、无源、耐久性和匹配性好、易组网等优点，可用于长距离的实时监控和精确定位。作为一种动态无损检测方法，根据光纤接受到的光信号，可同时对温度，振动，形变等多种物理量进行监测，其中，基于相位敏感光时域反射仪的分布式光纤振动传感系统具有传感距离长、空间分辨率高、无盲点、成本低、稳定性高等优点，通过对重要场所周边入侵状态和建筑物内部结构的振动信息的长期在线实时监测，从而防止非法入侵、消除结构隐患，避免多种灾害事故的发生已应用于工程结构健康监测、周界防护及油气管道安全检测等诸多领域。
[0003]在基于φ
‑
OTDR原理的分布式光纤传感系统运行过程中，需要与适当的报警算法相配合，当发生入侵事件时发出报警。传统的报警算法一般采用简单的阈值判断方式，在时域或频域设置阈值的方式实现监控报警。但是由于实际环境中环境干扰较多，传统阈值判断方式极易产生误报警。因此需要将报警算法智能化，降低误报率才能使系统拥有实际价值。因此近年来较多的系统都结合了模式识别算法实现报警算法的智能化。而在识别算法模型建立的过程中需要采集实际环境中产生的各类信号，并进行标注，使用标注信号对模型进行训练学习，最后使用训练完成的模型对系统运行过程中产生的信号进行识别分类。但是外部自然环境干扰在数据采集过程中易引入背景噪声，造成人为的入侵样本污染，产生入侵信号特征与噪声信号特征的重叠问题，使识别精确度下降，导致误报警率较高。
[0004]本专利技术提供一种应用于分布式光纤传感技术模式识别的样本评估方法，在模式识别过程中加入特征加权优化过程，使污染样本的权重降低，有效的避免了噪声样本对训练网络带来的影响，提升了识别精确度。

技术实现思路

[0005]本专利技术目的是为了提升分布式光纤传感器识别正确率，提出了一种应用于分布式光纤传感技术模式识别的样本评估方法。本专利技术使用基于协方差，对样本特征进行相似度评估和准确度评估，根据相似度评估和准确度评估给出样本的权重，噪声样本特征经过了权值的修正处理，可以有效降低对模型的干扰，达到更高的识别率。
[0006]本专利技术是通过以下技术方案实现的，本专利技术提出一种应用于分布式光纤传感技术模式识别的样本评估方法，所述方法包括如下步骤：
[0007]步骤一、在需要监测的区域布置分布式光纤传感器；
[0008]步骤二、使用步骤一中布置的分布式光纤传感器获取足够数量的被监测区域的样本信号，包括需要识别的各类型的入侵行为，共有A类行为，每一类入侵行为共有k个样本；
[0009]步骤三、对步骤二中得到的各类入侵行为样本信号进行标注，注明每个样本所属的入侵行为类别，得到带入侵行为类别标签的样本；
[0010]步骤四、对步骤三中标记好类别的样本进行预处理之后提取各类特征，对于每个样本得到一个1*N的特征向量；
[0011]步骤五、对步骤四中提取出的每一类样本的所有特征向量两两之间进行协方差运算，得到A个k*k大小的协方差矩阵，标记为cov
k
；
[0012]步骤六、根据步骤五中得到的cov
k
矩阵，在每类样本中计算每个样本与其他样本之间的协方差均值，得到k个样本与所属类别的相关度评估值；
[0013]步骤七、对步骤五中得到的协方差矩阵cov
k
计算矩阵均值，得到该类样本的准确度评估值；
[0014]步骤八、根据步骤六得到的每个样本的相关度评估值和步骤七中得到的每类样本总体的准确度评估值，计算得到每个样本相应的权重；
[0015]步骤九、将加权后的样本送入分类器训练，训练完成后得具有高准确度识别功能的模型。
[0016]进一步地，所述步骤五中，通过协方差矩阵计算同类信号之间的特征相似度，每个样本的特征均与同类信号的其他样本特征进行运算获得协方差。
[0017]进一步地，cov
k
矩阵中的每一行表示一个样本与其他样本之间的协方差值。
[0018]进一步地，所述步骤六中相关度评估值是对cov
k
每一行求均值得到，表示某一个样本在其所属分类中，与其他所有样本的相关度平均值，用以表征该样本在所属类别中的相关度。
[0019]进一步地，所述步骤七中，对每类样本的协方差矩阵cov
k
求均值，得到每一类样本中所有样本的平均相似度，表征该类样本的准确度。
[0020]进一步地，所述步骤八中，根据样本的相关度评估值和每类样本总体的准确度评估值计算权重，计算方式为当一个样本的相似度评估值大于所属样本的准确度评估值时，该样本权重为1，否则权重设为相关度评估值和准确度评估值的比值。
[0021]进一步地，在步骤四中提取的各类特征包括时域特征和频域特征。
[0022]进一步地，在步骤九中选择bp网络作为分类器进行识别。
[0023]本专利技术提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种应用于分布式光纤传感技术模式识别的样本评估方法的步骤。
[0024]本专利技术提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种应用于分布式光纤传感技术模式识别的样本评估方法的步骤。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]1、创新性的在针对分布式光纤传感信号模式识别过程中提出了利用协方差计算来对样本特征的相关度和准确度进行评估。
[0027]2、首次提出基于相关度评估和准确度评估给予样本权重，赋予样本集中噪声样本低权重来降低其对模型的影响，提升了识别精确度。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0029]图1为本专利技术所提出的一种应用于分布式光纤传感技术模式识别的样本评估方法处理流程图。
具体实施方式
[0030]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。
[0031]结合图1，本专利技术提出一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于分布式光纤传感技术模式识别的样本评估方法，其特征在于：所述方法包括如下步骤：步骤一、在需要监测的区域布置分布式光纤传感器；步骤二、使用步骤一中布置的分布式光纤传感器获取足够数量的被监测区域的样本信号，包括需要识别的各类型的入侵行为，共有A类行为，每一类入侵行为共有k个样本；步骤三、对步骤二中得到的各类入侵行为样本信号进行标注，注明每个样本所属的入侵行为类别，得到带入侵行为类别标签的样本；步骤四、对步骤三中标记好类别的样本进行预处理之后提取各类特征，对于每个样本得到一个1*N的特征向量；步骤五、对步骤四中提取出的每一类样本的所有特征向量两两之间进行协方差运算，得到A个k*k大小的协方差矩阵，标记为cov
k
；步骤六、根据步骤五中得到的cov
k
矩阵，在每类样本中计算每个样本与其他样本之间的协方差均值，得到k个样本与所属类别的相关度评估值；步骤七、对步骤五中得到的协方差矩阵cov
k
计算矩阵均值，得到该类样本的准确度评估值；步骤八、根据步骤六得到的每个样本的相关度评估值和步骤七中得到的每类样本总体的准确度评估值，计算得到每个样本相应的权重；步骤九、将加权后的样本送入分类器训练，训练完成后得具有高准确度识别功能的模型。2.根据权利要求1所述的方法，其特征在于：所述步骤五中，通过协方差矩阵计算同类信号之间的特征相似度，每个样本的特征均与同类信号的其他样本特征进行运算获得协方差。3.根据权利要...

【专利技术属性】
技术研发人员：田野，贾牧昕，杜宣，黄胜，孙照雄，柴全，张建中，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：