【技术实现步骤摘要】
本专利技术涉及分布式光纤声波传感器，尤其是涉及一种分布式光纤声波传感数据分类方法及装置。
技术介绍
1、分布式光纤传感，如分布式声波传感器(distributed acoustic sensor，das)，是一种用于采集振动信号的光纤传感技术，与电振动传感器相比，具有分辨率高、体积小、重量轻、无电操作和适应恶劣环境等优点，被广泛应用于地震监测、油气管道监测、铁路监测等领域。对于这些在监测场景的应用，需要一种有效的分布式声波传感信号识别后处理算法捕获有效事件，并进一步将有效事件与不可避免的干扰事件区分开来。基于深度学习的方法通过采用卷积神经网络(cnn)和循环神经网络(rnn)等网络结构，在静态图像(二维空间信号)、语音信号(一维时间信号)或视频(包含二维空间和一维时间)的识别任务中取得了巨大成功。然而，分布式声波传感器产生的信号(瀑布图)是二维信号，包含一个时间维度和一个空间维度，并且瀑布图的数据特征更类似一维音频信号，而不是目前具有成熟处理网络的图像。因此，针对瀑布图识别的神经网络的研究仍处于起步阶段。目前常见的方法包括，1)、通过引...
【技术保护点】
1.一种分布式光纤声波传感数据分类方法，其特征在于，所述的方法基于瀑布图，利用改进神经网络模型进行分布式光纤声波传感数据分类；其中，所述的改进神经网络模型包括：
2.根据权利要求1所述的一种分布式光纤声波传感数据分类方法，其特征在于，所述的第一卷积神经网络包括多层级联的卷积单元，每一卷积单元均包括依次堆叠的一维卷积层、最大值池化层、批归一化和非线性激活函数；其中，第一层卷积单元的输入数据为瀑布图，第N层卷积单元的输入数据为第N-1层卷积单元的输出数据，最后一层卷积单元的输出数据即为第一时空特征，在每一卷积单元中均执行以下步骤：
3.根据权利要求...
【技术特征摘要】
1.一种分布式光纤声波传感数据分类方法，其特征在于，所述的方法基于瀑布图，利用改进神经网络模型进行分布式光纤声波传感数据分类；其中，所述的改进神经网络模型包括：
2.根据权利要求1所述的一种分布式光纤声波传感数据分类方法，其特征在于，所述的第一卷积神经网络包括多层级联的卷积单元，每一卷积单元均包括依次堆叠的一维卷积层、最大值池化层、批归一化和非线性激活函数；其中，第一层卷积单元的输入数据为瀑布图，第n层卷积单元的输入数据为第n-1层卷积单元的输出数据，最后一层卷积单元的输出数据即为第一时空特征，在每一卷积单元中均执行以下步骤：
3.根据权利要求1所述的一种分布式光纤声波传感数据分类方法，其特征在于，每一所述的改进变换器编码器网络包括多头注意力机制和前馈网络，所述的多头注意力机制包括多个并行的自注意力单元；其中，首个改进变换器编码器网络的输入特征为第一时空特征，第n个改进变换器编码器的输入特征为第n-1个变换器编码器的单层变化器编码器输出，且最后一个改进变换器编码器的单层变化器编码器输出即为第二时空特征；
4.根据权利要求3所述的一种分布式光纤声波传感数据分类方法，其特征在于，所述的获取查询、键和值的方法包括：
5.根据权利要求3所述的一种分布式光纤声波传感数据分类方法，其特...
【专利技术属性】
技术研发人员：何祖源，段俊逸，陈嘉庚，万阳阳，李汉钊，俞旭辉，
申请(专利权)人：上海交通大学，
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。