基于AsymConv-Densenet网络的Φ-OTDR电力光缆周界安防入侵事件识别方法技术

基于AsymConv‑Densenet网络的Φ‑OTDR电力光缆周界安防入侵事件识别方法，涉及Φ‑OTDR事件识别技术领域，解决现有技术在识别电力光缆周界安防的Φ‑OTDR入侵事件信号中存在信号特征需要人工提取、识别性能依赖于预训练权重，且对典型入侵事件如攀爬与行走、摇晃和敲击等时频特征相似事件存在识别混淆的问题，本发明专利技术将密集连接的卷积网络和非对称卷积块进行结合，提出了AsymConv‑Densenet网络。本网络利用非对称卷积块对Densenet网络进行优化，将Densenet网络中转换块的结果矩阵重新进行特征提取。为了避免对后续层增加额外的计算负担，非对称卷积块得到的结果矩阵尺寸和维度与转换块结果矩阵相同。

【技术实现步骤摘要】

本专利技术涉及φ-otdr事件识别，具体涉及一种基于非对称卷积模块的密集连接卷积网络(asymconv-densenet网络)的φ-otdr电力光缆周界安防入侵事件识别方法。

技术介绍

1、目前，电力光缆是现代智能电网的重要组成部分之一，对于实现电网信息化、智能化具有重要意义，因此对电力光缆周界安防要求越来越高。常见的安防措施包括人工巡查、视频监控等。人工巡查往往受到时间、地区、工作人员质量等因素的影响，往往会出现遗漏和错误。视频监控易受恶劣天气的影响，如强光，雾霾，霜冻等，而且随着监控设备数量的增加，需要更多工作人员盯查监控，经济成本会增加。φ-otdr具有高灵敏度、布设范围广、使用寿命长、抗电磁干扰等优点，而且它能实时监测电力光缆周界产生的振动信号，反映不同振源的特性。因此，运用围栏对电力光缆进行设防，然后将光纤铺设在围栏周围，并与φ-otdr系统相连，产生的φ-otdr信号运用算法进行分析，识别不同的入侵事件，大大降掉了人工成本和经济成本。因此，φ-otdr非常适合应用于电力光缆的周界安防布控。

2、近年来，机器学习和深度学习模型已被应用本文档来自技高网...

【技术保护点】

1.基于AsymConv-Densenet网络的Φ-OTDR电力光缆周界安防入侵事件识别方法，其特征是：该方法由以下步骤实现：

2.根据权利要求1所述的基于AsymConv-Densenet网络的Φ-OTDR电力光缆周界安防入侵事件识别方法，其特征在于：步骤一中，将采集到的不同事件的Φ-OTDR信号通过预加重、加窗分帧、谱减法降噪、短时傅里叶变化后转换成时频图，将其构建为Φ-OTDR信号振动事件图像数据集。

3.根据权利要求1所述的基于AsymConv-Densenet网络的Φ-OTDR电力光缆周界安防入侵事件识别方法，其特征在于：步骤二中，所述特征提取模块的三个...

【技术特征摘要】

1.基于asymconv-densenet网络的φ-otdr电力光缆周界安防入侵事件识别方法，其特征是：该方法由以下步骤实现：

2.根据权利要求1所述的基于asymconv-densenet网络的φ-otdr电力光缆周界安防入侵事件识别方法，其特征在于：步骤一中，将采集到的不同事件的φ-otdr信号通过预加重、加窗分帧、谱减法降噪、短时傅里叶变化后转换成时频图，将其构建为φ-otdr信号振动事件图像数据集。

3.根据权利要求1所述的基于asymconv-densenet网络的φ-otdr电力光缆周界安防入侵事件识别方法，其特征在于：步骤二中，所述特征...

【专利技术属性】
技术研发人员：姜万昌，李纯祯，于皓宇，张文龙，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：