一种基于开放集无监督域适应的分布式光纤传感事件识别方法技术

本发明专利技术提供了一种基于开放集无监督域适应的分布式光纤传感事件识别方法，主要步骤包括S1采集振动信号转化并构建数据集、S2源域样本转换为对应的目标域版本并构建新的源域数据集、S3对转化后的源域数据集训练一个分类模型并基于该模型对目标域图像的输出计算正常分数、S4将源域和目标域的已知类数据做特征对齐来进行知识迁移、S5在实际环境中部署模型通过分类模型对转化后的振动信号进行分类；本发明专利技术可以充分利用源域的数据进行知识迁移，提升模型的跨域泛化能力，保证模型在不同的环境中的有效性；同时能够识别目标域中的未知事件类别，减少误报率，从而提升模型的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及信号检测，尤其是涉及一种基于开放集无监督域适应的分布式光纤传感事件识别方法。

技术介绍

1、分布式光纤传感技术是一种利用光纤作为传感介质，通过分析光纤中背向散射光的变化来测量物理量参数（如温度、应变和振动）的传感技术，能够进行长距离、高精度的连续监测，同时具有灵敏度高、抗电磁干扰、无需加电等优势。基于相位敏感光时域反射技术（φ-otdr）的分布式光纤声波传感技术能够有效地检测到振动信号，通过对不同的振动事件进行识别和分类，能够监测事件是否具有危险性，可以用于周界安防、管道入侵监测等领域。

2、目前，研究人员主要利用深度学习的方法对振动信号进行识别和分类，深度学习方法非常依赖于大规模的标注数据，并且需要为每个新的部署环境收集专属数据来进行训练以保证模型的有效性。然而为每个新的部署环境都收集足够的振动事件标注数据是非常困难，甚至是无法完成的。无监督域适应是迁移学习的一个分支，可以将现有的振动事件标注数据（源域）的知识迁移到新的场景数据（目标域）上来解决这个问题。存在的问题是，现有深度学习方法通常假设部署环境中的事件类别和训练数据的类别本文档来自技高网...

【技术保护点】

1.一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：步骤S1中，通过对振动信号做格拉姆角场转换得到二维图像数据，构建有标签的源域振动事件图像数据集和无标签的目标域振动事件图像数据集。

3.如权利要求1所述的一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：利用循环一致性方法对转化后的图像施加约束以保证源域样本在转换后不改变语义信息，循环一致性方法是将转换后的样本转换回源域，并且重构的源域图像在像素级也应与原始样本相似，过程...

【技术特征摘要】

1.一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：步骤s1中，通过对振动信号做格拉姆角场转换得到二维图像数据，构建有标签的源域振动事件图像数据集和无标签的目标域振动事件图像数据集。

3.如权利要求1所述的一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：利用循环一致性方法对转化后的图像施加约束以保证源域样本在转换后不改变语义信息，循环一致性方法是将转换后的样本转换回源域，并且重构的源域图像在像素级也应与原始样本相似，过程中使用额外的生成器和域判别器进行训练，以允许反向转换；

4.如权利要求1所述的一种基于开放集无监督域适应的分布式光纤传感事件识别方法，其特征在于：步骤s3中，利用转换后的源域数据集训练一个分类模型，该模型包含特征提取器和分类器两个部分，分类器的输出维度是源域的类别数，使用交叉熵损失函数来训练该模型，利用训练...

【专利技术属性】
技术研发人员：赵欣，李天雄，蒋川东，林君，段清明，
申请(专利权)人：江苏吉科汇智科技有限公司，
类型：发明
国别省市：