【技术实现步骤摘要】
本专利技术属于布里渊传感领域，具体涉及一种布里渊变形谱频移获得方法、装置及介质。
技术介绍
1、在布里渊光时域反射计或布里渊光时域分析系统中，通常需要通过获得布里渊增益谱(brillouin gain spectrum，bgs)，并由其获得布里渊频移(brillouin frequencyshift，bfs)，外界环境中的温度与应力变化与布里渊频移成一定的线性关系，因此可以通过解调布里渊频移，实现对被测物体温度、应变等物理量在空间上的连续测量。在以往的botda或botdr系统中，由于布里渊增益谱呈现的线型为洛伦兹线型，因此通常采用的解调方式为洛伦兹曲线拟合(lorentz curve fitting，lcf)拟合结果的峰值所对应的频率即为布里渊频移，然而洛伦兹拟合法受拟合初值影响严重，初值的选取直接影响拟合结果的精度，而且在信噪比较低的情况下，拟合迭代次数也会随之增加，导致曲线拟合过程所用时间大量延长，不利于实时监测。
2、在实际应用中，由于传感器空间分辨率的固有限制，导致在应变/温度过渡区域的布里渊谱呈现变形。如在opgw(optical ground wire)缆中，在光纤接续点处的布里渊谱即为变形谱，不能够用洛伦兹线型描述，基于洛仑兹线型的布里渊频移数值提取算法会引入较大的测量误差。此外，在布里渊频率变化区域，如光纤接续点、应变/温度过渡区，其布里渊增益谱呈现异常谱形，也会导致传统方法数据解调误差加大甚至解调失败，引起误报。根据布里渊增益变形谱或双峰谱的线形结构特点，可以分为以下四种类型：布里渊单峰谱(sin
3、现阶段拥有的可以用于双峰谱峰值定位的基于机器学习算法设计的find peak模型，其作用是可以标记出曲线中存在的峰值点，并显示在输入的图片上，同时也可以通过辅助其他算法从而使标注的峰值点对应的横坐标即布里渊频移显示出来。在高信噪比的情况下，find peaks算法可以较好的输出预测结果。但是在信噪比较低的情况下，由于噪声会在扫频窗内生成无数个伪峰值点，尤其是在相应的布里渊频移的附近邻域内，加之噪声的谱线峰值甚至会超过真实的布里渊频移所对应的峰值，find peaks机器学习算法因此不能精确的定位出布里渊频移的具体位置，造成整个系统无法正常使用。
技术实现思路
1、鉴于以上问题，本专利技术提出一种布里渊变形谱频移获得方法、装置及介质，用以解决现有技术存在的上述至少一个问题。
2、根据本专利技术的一方面，提供了一种基于多支路卷积基架构的布里渊变形谱频移获得方法，所述方法包括：针对预定的多种布里渊增益谱类型，分别获得各自对应的一维序列数据集；构建多支路卷积基架构作为预测模型，利用获得的所有一维序列数据集对预测模型进行训练，得到训练好的预测模型；获得待处理实测数据，将待处理实测数据输入训练好的预测模型，以获得布里渊频移的预测值。
3、进一步地，在得到训练好的预测模型的步骤后、在将待处理实测数据输入训练好的预测模型的步骤前，所述方法还包括：根据绝对值误差的最大值、根均方误差、标准差三种方式对所述模型进行评价。
4、进一步地，所述方法还包括：若评价结果低于预设值，则重新获得多种布里渊增益谱类型的一维序列数据集、和/或重新构建多支路卷积基架构，以对预测模型进行重新训练，直至所述评价结果大于或等于预设值。
5、进一步地，在得到训练好的预测模型的步骤后、在将待处理实测数据输入训练好的预测模型的步骤前，所述方法还包括：利用botdr系统的实测历史数据来验证所述模型的预测准确性，以基于验证的结果确立最终模型结构。
6、进一步地，所述分别获得各自对应的一维序列数据集的步骤包括：对于布里渊单峰谱，扫频点数量n取为200，输出包括1个bfs数值，整个完整的数据集长度为201；对于其他类变形谱，扫频范围设置为0～200mhz，输入为200个扫频点对应的布里渊增益值，输出包括2个bfs数值，使所述其他类变形谱中所包含的两个峰值点所对应的横坐标即两个不同的布里渊频移数值，每组数据的长度为202。
7、进一步地，所述构建多支路卷积基架构作为预测模型、利用获得的所有一维序列数据集对预测模型进行训练得到训练好的预测模型的步骤包括：构建多支路卷积基架构，利用一维序列数据集对所述架构进行训练，所述多支路卷积基架构包括多个卷积支路，每个支路包含一个或多个预设卷积单元；其中，在每次训练时，多个卷积支路利用的训练数据是相同的；在训练期间，对所述多个卷积支路所获得的特征数值分别利用relu函数进行激活，对激活后的数值进行加和处理并激活，得到尺寸为46×64的特征数据，将该特征数据展开为一维数组。
8、进一步地，所述预设卷积单元为第一卷积单元或第二卷积单元；所述第一卷积单元包括卷积层、一维批标准化层以及最大池化层；所述第二卷积单元包括卷积层以及批标准化层。
9、根据本专利技术的另一方面，还提供了一种基于多支路卷积基架构的布里渊变形谱频移获得装置，所述装置包括：数据获得单元，适于针对预定的多种布里渊增益谱类型，分别获得各自对应的一维序列数据集；训练单元，适于构建多支路卷积基架构作为预测模型，利用获得的所有一维序列数据集对预测模型进行训练，得到训练好的预测模型；处理单元，适于获得待处理实测数据，将待处理实测数据输入训练好的预测模型，以获得布里渊频移的预测值。
10、进一步地，所述装置还包括评价单元，所述评价单元适于在得到训练好的预测模型后，在将待处理实测数据输入训练好的预测模型前，根据绝对值误差的最大值、根均方误差、标准差三种方式对所述模型进行评价，若评价结果低于预设值，则重新触发数据获得单元、设置单元、训练单元的处理，直至所述评价结果大于或等于预设值时触发处理单元执行处理。
11、进一步地，所述装置还包括验证单元，所述验证单元适于在得到训练好的预测模型后、在将待处理实测数据输入训练好的预测模型的步骤前，利用botdr系统的实测历史数据来验证所述模型的预测准确性，以基于验证的结果确立最终模型结构。
12、根据本专利技术的又一方面,还提供了一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上文所述的基于多支路卷积基架构的布里渊变形谱频移获得方法。
13、根据本专利技术的布里渊变形谱频移获得方法、装置及介质，能够实现以下效果：
14、(1)针对各种变形谱分别建立不同的mb-cnn预测模型，并对模型的进行训练与优化，利用根均方误差与标准差当作评价指标，归纳与统计mb-cnn模型与单层神经网络与深层神经网络之间的预测精度。
15、(2)利用botdr系统在光纤接续区的实测数据来进行模型测试，本文档来自技高网...
【技术保护点】
1.一种基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，在得到训练好的预测模型的步骤后、在将待处理实测数据输入当前预测模型的步骤前，还包括：
3.根据权利要求2所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，还包括：
4.根据权利要求1-3中任一项所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，在得到训练好的预测模型的步骤后、在将待处理实测数据输入当前预测模型的步骤前，还包括：
5.根据权利要求1所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述分别获得各自对应的一维序列数据集的步骤包括：
6.根据权利要求1-5中任一项所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述构建多支路卷积基架构作为预测模型、利用获得的一维序列数据集对预测模型进行训练得到训练好的预测模型的步骤包括：
7.根据权利要求6所述的基于多支路卷积基架构的布
8.一种基于多支路卷积基架构的布里渊变形谱频移获得装置，其特征在于，所述装置包括：
9.根据权利要求8所述的基于多支路卷积基架构的布里渊变形谱频移获得装置，其特征在于，还包括验证单元，所述验证单元适于在得到训练好的预测模型后、在将待处理实测数据输入当前预测模型的步骤前，利用BOTDR系统的实测历史数据来验证所述模型的预测准确性，以基于验证的结果确立最终模型结构。
10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述的基于多支路卷积基架构的布里渊变形谱频移获得方法。
...【技术特征摘要】
1.一种基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，在得到训练好的预测模型的步骤后、在将待处理实测数据输入当前预测模型的步骤前，还包括：
3.根据权利要求2所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，还包括：
4.根据权利要求1-3中任一项所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，在得到训练好的预测模型的步骤后、在将待处理实测数据输入当前预测模型的步骤前，还包括：
5.根据权利要求1所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述分别获得各自对应的一维序列数据集的步骤包括：
6.根据权利要求1-5中任一项所述的基于多支路卷积基架构的布里渊变形谱频移获得方法，其特征在于，所述构建...
【专利技术属性】
技术研发人员：董永康，韩宇，张书翊，郑福生，王颖，李灿，李黎，魏勇，刘文昭，尚立，
申请(专利权)人：哈尔滨工业大学，
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。