【技术实现步骤摘要】
本申请涉及光纤振动监测，具体涉及一种光纤振动事件的监测方法及装置。
技术介绍
1、光纤线路是光信号的传输媒质，可把来自发送机的光信号以尽可能小的衰减和脉冲展宽传送到接收机。光纤通常设置在机房、电缆井、立管等区域中，因此光纤附近经常会存在各种事件，比如人为活动、车辆经过等。
2、但是不管是人为活动、车辆经过，还是地面龟裂、管路破裂等，都会产生一定程度的振动或者声波，然后传导到光纤上，引起光纤产生反向瑞利散射光，从而影响光纤线路的正常传输工作。因此需要对光纤进行监测，针对不同的振动事件类型来选择不同的应对方式。
技术实现思路
1、有鉴于此，本申请提供了一种光纤振动事件的监测方法及装置，对于光纤产生的反向瑞利散射光影响光纤线路的正常传输工作的问题，可以准确的监测出真实的振动事件类型。
2、为实现以上目的，现提出的方案如下：
3、第一方面，一种光纤振动事件的监测方法，包括：
4、获取光纤所产生的反向瑞利散射光中的初始振动信号；
5、对所述初始振动信号进行降噪处理，得到第一振动信号，并构建所述第一振动信号的时频特征矩阵；
6、利用预先训练的振动数据分析模型处理所述时频特征矩阵，以得到与所述反向瑞利散射光所对应的第一振动事件类型；
7、构建所述第一振动信号所对应的图特征向量矩阵；
8、利用预先训练的振动图分析模型处理所述图特征向量矩阵，以得到与所述反向瑞利散射光对应的第二振动事件类型；
10、优选地，所述构建所述初始振动信号的时频特征矩阵，包括：
11、确定所述第一振动信号的时频特征信息；
12、基于所述时频特征信息计算所述第一振动信号的各个时频特征向量；
13、构建各个所述时频特征向量对应的各个向量矩阵；
14、将各个所述向量矩阵进行组合，得到时频特征矩阵。
15、优选地，所述构建所述第一振动信号所对应的图特征向量矩阵，包括：
16、建立所述第一振动信号对应的时频特征图像；
17、采用邻域均值法对所述时频特征图像进行补偿，得到补偿图像；
18、将所述补偿图像转换为图特征向量矩阵。
19、优选地，所述振动数据分析模型的训练过程，包括：
20、构建第一初始分析模型；
21、采集多种光纤所产生的反向瑞利散射光中的振动信号，并汇总为振动信号样本；
22、对所述振动信号样本进行第一预处理，得到时频特征矩阵样本；
23、将所述时频特征矩阵样本拆分为第一训练集和第一测试集；
24、将所述第一训练集输入至所述第一初始分析模型中，以预先建立的第一损失函数最小化为目标训练所述第一初始分析模型；
25、利用所述第一测试集对训练好的第一初始分析模型进行测试，得到第一测试结果；
26、判断所述第一测试结果是否满足预设的第一要求，若是，则将训练好的第一初始分析模型作为振动数据分析模型；
27、若否，则返回执行所述将所述第一训练集输入至所述第一初始分析模型中，以预先建立的第一损失函数最小化为目标训练所述第一初始分析模型的步骤，直到第一测试结果满足所述第一要求。
28、优选地，所述振动图分析模型的训练过程，包括：
29、构建第二初始分析模型；
30、采集多种光纤所产生的反向瑞利散射光中的振动信号，并汇总为振动信号样本；
31、对所述振动信号样本进行第二预处理，得到图特征向量矩阵样本；
32、将所述图特征向量矩阵样本拆分为第二训练集和第二测试集；
33、将所述第二训练集输入至所述第二初始分析模型中，以预先建立的第二损失函数最小化为目标训练所述第二初始分析模型；
34、利用所述第二测试集对训练好的第二初始分析模型进行测试，得到第二测试结果；
35、判断所述第二测试结果是否满足预设的第二要求，若是，则将训练好的第二初始分析模型作为振动图分析模型；
36、若否，则返回执行所述将所述第二训练集输入至所述第二初始分析模型中，以预先建立的第二损失函数最小化为目标训练所述第二初始分析模型的步骤，直到所述第二测试结果满足所述第二要求。
37、优选地，所述振动数据分析模型包括输入层、长短期记忆网络层、全连接层和输出层；
38、其中，所述输入层的输出端与所述长短期记忆网络层的输入端连接，所述长短期记忆网络层的输出端与所述全连接层的输入端连接，所述全连接层的输出端与所述输出层的输入端连接。
39、优选地，所述振动图分析模型包括输入层、图卷积神经网络层、全连接层和输出层；
40、其中，所述输入层的输出端与所述图卷积神经网络层的输入端连接，所述图卷积神经网络层的输出端与所述全连接层的输入端连接，所述全连接层的输出端与所述输出层的输入端连接。
41、优选地，所述根据所述第一振动事件类型与第二振动事件类型确定与所述反向瑞利散射光对应的目标振动事件类型，包括：
42、判断所述第一振动事件类型与所述第二振动事件类型是否相同；
43、若是，则将所述第一振动事件类型或第二振动事件类型确定为目标振动事件类型；
44、若否，则返回执行所述对所述初始振动信号进行降噪处理，得到第一振动信号，并构建所述第一振动信号的时频特征矩阵的步骤，直到所述第一振动事件类型与第二振动事件类型相同。
45、第二方面，一种光纤振动事件的监测装置，包括：
46、初始振动信号获取模块，用于获取光纤所产生的反向瑞利散射光中的初始振动信号；
47、时频特征矩阵构建模块，用于对所述初始振动信号进行降噪处理，得到第一振动信号，并构建所述第一振动信号的时频特征矩阵；
48、第一振动事件类型确定模块，用于利用预先训练的振动数据分析模型处理所述时频特征矩阵，以得到与所述反向瑞利散射光所对应的第一振动事件类型；
49、图特征向量矩阵构建模块，用于构建所述第一振动信号所对应的图特征向量矩阵；
50、第二振动事件类型确定模块，用于利用预先训练的振动图分析模型处理所述图特征向量矩阵，以得到与所述反向瑞利散射光对应的第二振动事件类型；
51、目标振动事件类型确定模块，用于根据所述第一振动事件类型与第二振动事件类型确定与所述反向瑞利散射光对应的目标振动事件类型。
52、优选地，时频特征矩阵构建模块包括：
53、时频特征信息确定模块，用于确定所述第一振动信号的时频特征信息；
54、时频特征向量计算模块，用于基于所述时频特征信息计算所述第一振动信号的各个时频特征向量；
55、向量矩阵构建模块，用于构建各个所述本文档来自技高网...
【技术保护点】
1.一种光纤振动事件的监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述构建所述初始振动信号的时频特征矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述构建所述第一振动信号所对应的图特征向量矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述振动数据分析模型的训练过程，包括：
5.根据权利要求1所述的方法，其特征在于，所述振动图分析模型的训练过程，包括：
6.根据权利要求1所述的方法，其特征在于，所述振动数据分析模型包括输入层、长短期记忆网络层、全连接层和输出层；
7.根据权利要求1所述的方法，其特征在于，所述振动图分析模型包括输入层、图卷积神经网络层、全连接层和输出层；
8.根据权利要求1所述的方法，其特征在于，所述根据所述第一振动事件类型与第二振动事件类型确定与所述反向瑞利散射光对应的目标振动事件类型，包括：
9.一种光纤振动事件的监测装置，其特征在于，包括：
10.根据权利要求9所述的装置，其特征在于，时频特征矩阵构建模块包
...【技术特征摘要】
1.一种光纤振动事件的监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述构建所述初始振动信号的时频特征矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述构建所述第一振动信号所对应的图特征向量矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述振动数据分析模型的训练过程，包括：
5.根据权利要求1所述的方法，其特征在于，所述振动图分析模型的训练过程，包括：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：孟秋实，刘云勋，胡燃，梁成军，
申请(专利权)人：广东电网有限责任公司广州供电局，
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。