System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及光纤传感,尤其涉及一种分布式光纤声波信号识别方法、装置、电子设备及存储介质。
技术介绍
1、油气管道是国家的能源动脉,油气管道的安全运营至关重要,第三方施工人为因素导致的意外事故和恶意打孔盗油气行为,是造成我国油气管道事故的主要原因。分布式光纤传感技术使用与油气管道同沟敷设的通信光缆作为振动传感与信号传输元件,具有长距离、实时性、耐腐蚀、抗电磁、轻便灵巧等优点,已经在部分管道中得到了成功应用。
2、对于振动信号的分析判别,对破坏性振动有效报警,同时降低非破坏性振动的误报率,是提升系统运行效果的关键。现有技术专利cn200910229192-高压地埋长输电力电缆的安全实时监测方法,根据光纤调制锯齿波判断是否存在破坏行为,主要关注减少定位误差;专利cn201611096167-一种周界预警光纤振动信号采集与去噪的方法,主要关注信号去噪,以提高信息处理质量;专利cn201710600261-一种地埋电缆防误开挖预警装置,采用模间变换振动光纤传感器,需要使用多模光纤。以上现有技术主要关注系统是否探测到强烈振动,但没有关注所探测到的振动是否是真正具有威胁性的破坏行为。
3、因此,如何识别所探测到的振动是否是真正具有威胁性的破坏行为,是一个亟待解决的问题。
技术实现思路
1、有鉴于此,有必要提供一种分布式光纤声波信号识别方法、装置、电子设备及存储介质,用以识别所探测到的振动是否是真正具有威胁性的破坏行为。
2、为了实现上述目的,第一方面,本专利
3、获取原始光纤振动信号,对所述原始光纤振动信号在空间上进行分离,得到每一激励源对应的光纤振动信号;
4、获取每一激励源产生的第一光纤声波信号,并基于每一激励源对应的光纤振动信号对同一激励源产生的第一光纤声波信号进行增强处理,得到第二光纤声波信号;
5、将所述第二光纤声波信号输入到训练完备的声音识别模型中,输出监测模式识别结果。
6、进一步的,所述光纤振动信号包括冲击性光纤振动信号和连续性光纤振动信号,所述对所述原始光纤振动信号在空间上进行分离,得到每一激励源对应的光纤振动信号,包括:
7、基于空间顺序对所述原始光纤振动信号进行拼接,得到光纤振动信号瀑布图;
8、基于预设时间周期计算各个光纤探测单元的波动阈值,并基于所述波动阈值,去除每一光纤探测单元的底噪信号,得到冲击性光纤振动信号的第一过滤瀑布图;
9、基于预设分割算法对所述光纤振动信号瀑布图进行分割,得到连续性光纤振动信号的第二过滤瀑布图;
10、对所述第一过滤瀑布图和所述第二过滤瀑布图进行叠加计算,得到光纤振动信号过滤瀑布图;
11、对所述光纤振动信号过滤瀑布图进行闭运算和连通域的分割操作,得到每一激励源对应的光纤振动信号。
12、进一步的,所述基于预设时间周期计算各个光纤探测单元的波动阈值,包括:
13、基于预设时间周期统计各个光纤探测单元的中位值、最大值和最小值;
14、若某一光纤探测单元的最大值和最小值之比不小于预设阈值,计算该光纤探测单元的波动阈值为t=vmedian+(vmax-vmedian)×r ratio,其中,vmedian为所述光纤探测单元的中位值,vmax为所述光纤探测单元的最大值,vmin为所述光纤探测单元的最小值,r ratio为一取值可调的系数;
15、若某一光纤探测单元的最大值和最小值之比小于预设阈值,计算该光纤探测单元的波动阈值为t=vmax+v noise,其中,v noise为另一取值可调的系数。
16、进一步的,所述基于预设分割算法对所述光纤振动信号瀑布图进行分割,得到连续性光纤振动信号的第二过滤瀑布图,包括:
17、基于预设分割算法计算光纤振动信号瀑布图的分割阈值;
18、基于所述分割阈值确定所述光纤振动信号瀑布图的前景部分和背景部分,并将光纤振动信号瀑布图的前景部分确定为连续性光纤振动信号的第二过滤瀑布图,其中,所述预设分割算法为otsu算法。
19、进一步的,所述对所述第一过滤瀑布图和所述第二过滤瀑布图进行叠加计算,得到光纤振动信号过滤瀑布图,包括:
20、对所述第一过滤瀑布图和所述第二过滤瀑布图进行叠加计算,得到叠加数值,并基于所述叠加数值从所述光纤振动信号瀑布图进行像素提取,得到光纤振动信号过滤瀑布图。
21、进一步的,所述基于每一激励源对应的光纤振动信号对同一激励源产生的第一光纤声波信号进行增强处理,得到第二光纤声波信号,包括:
22、确定从所述光纤振动信号过滤瀑布图中分离出的每一连通域,其中,每一连通域中包括来自同一激励源的光纤振动信号;
23、分别提取每一连通域下边缘的各处索引值,并基于所述索引值对同一激励源产生的第一光纤声波信号进行增强处理,得到第二光纤声波信号。
24、进一步的,所述声音识别模型是基于预先增强的第三光纤声波信号和所述第三光纤声波信号的人工标签进行训练得到的。
25、第二方面,本专利技术还提供一种分布式光纤声波信号识别装置,包括:
26、分离模块,用于获取原始光纤振动信号,对所述原始光纤振动信号在空间上进行分离,得到每一激励源对应的光纤振动信号;
27、增强模块,用于获取每一激励源产生的第一光纤声波信号,并基于每一激励源对应的光纤振动信号对同一激励源产生的第一光纤声波信号进行增强处理,得到第二光纤声波信号;
28、识别模块,用于将所述第二光纤声波信号输入到训练完备的声音识别模型中,输出监测模式识别结果。
29、第三方面,本专利技术还提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述分布式光纤声波信号识别方法中的步骤。
30、第四方面,本专利技术还提供一种计算机存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述分布式光纤声波信号识别方法中的步骤。
31、采用上述实施例的有益效果是:
32、本专利技术通过对激励源进行空域划分,可以同时对作用于光缆的冲击性激励信号和连续性激励信号进行有效提取;并且对光纤声波信号进行增强处理,可以有效去除光路或电路引入的系统噪声;最后基于深度学习的声音识别模式能够满足各种监测场景的工程应用需求。本专利技术能够根据实际场景需求,有效区分具有破坏性和无破坏性的外界激励源,优化光纤传感振动探测系统的预警效果。
本文档来自技高网...【技术保护点】
1.一种分布式光纤声波信号识别方法,其特征在于,包括:
2.根据权利要求1所述的分布式光纤声波信号识别方法,其特征在于,所述光纤振动信号包括冲击性光纤振动信号和连续性光纤振动信号,所述对所述原始光纤振动信号在空间上进行分离,得到每一激励源对应的光纤振动信号,包括:
3.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述基于预设时间周期计算各个光纤探测单元的波动阈值,包括:
4.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述基于预设分割算法对所述光纤振动信号瀑布图进行分割,得到连续性光纤振动信号的第二过滤瀑布图,包括:
5.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述对所述第一过滤瀑布图和所述第二过滤瀑布图进行叠加计算,得到光纤振动信号过滤瀑布图,包括:
6.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述基于每一激励源对应的光纤振动信号对同一激励源产生的第一光纤声波信号进行增强处理,得到第二光纤声波信号,包括:
7.根据权利要求1所述的分布式
8.一种分布式光纤声波信号识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述分布式光纤声波信号识别方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述分布式光纤声波信号识别方法中的步骤。
...【技术特征摘要】
1.一种分布式光纤声波信号识别方法,其特征在于,包括:
2.根据权利要求1所述的分布式光纤声波信号识别方法,其特征在于,所述光纤振动信号包括冲击性光纤振动信号和连续性光纤振动信号,所述对所述原始光纤振动信号在空间上进行分离,得到每一激励源对应的光纤振动信号,包括:
3.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述基于预设时间周期计算各个光纤探测单元的波动阈值,包括:
4.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述基于预设分割算法对所述光纤振动信号瀑布图进行分割,得到连续性光纤振动信号的第二过滤瀑布图,包括:
5.根据权利要求2所述的分布式光纤声波信号识别方法,其特征在于,所述对所述第一过滤瀑布图和所述第二过滤瀑布图进行叠加计算,得到光纤振动信号过滤瀑布图,包括:
6.根据权利要求2所述的分布式光纤声...
【专利技术属性】
技术研发人员:杨玥,田铭,张轶虎,鄢国柱,王正安,
申请(专利权)人:武汉理工光科股份有限公司,
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。