[發(fā)明專利]一種用于分布式光纖傳感系統(tǒng)的目標(biāo)分類識別方法

在審

• 申請?zhí)枺?/td>: 201711461496.2
• 申請日: 2017-12-28
• 公開（公告）號: CN108197646A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計）人: 姚劍
• 申請（專利權(quán)）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 河北東尚律師事務(wù)所 13124
• 代理人: 王文慶

1.一種用于分布式光纖傳感系統(tǒng)的目標(biāo)分類識別方法，其特征在于，包括以下步驟：

步驟1，構(gòu)造二元檢測分類器，所述二元檢測分類器至少包括兩級基于二元檢測方法的二分類處理，其中，第一級處理用于將輸入數(shù)據(jù)分為噪聲和目標(biāo)兩類，第二級處理用于將第一級處理輸出的目標(biāo)類數(shù)據(jù)分為一級目標(biāo)和一級其他目標(biāo)兩類；從第二級處理往后，后一級處理用于將前一級處理輸出的當(dāng)級其他目標(biāo)再細分為該后一級處理所對應(yīng)的本級目標(biāo)和本級其他目標(biāo)兩類；所述二元檢測分類器的每一級目標(biāo)均對應(yīng)有一個對象特征組，每一級二分類處理均用于對輸入的一組對象特征進行分類，以判斷該組對象特征所來源的數(shù)據(jù)是否為該級目標(biāo)；所述對象特征組由過零率特征、峰值能量百分比特征、峰度特征、頻帶能量比特征和基于小波的倒譜分析特征五種特征中的一種或幾種組成；

步驟2，選取樣本數(shù)據(jù)集，對二元檢測分類器的每一級均進行訓(xùn)練，分別形成對應(yīng)于每一級的當(dāng)級目標(biāo)和當(dāng)級其他目標(biāo)的兩組分類系數(shù)，同時得到每組分類系數(shù)中每個分類系數(shù)的判別權(quán)重；

步驟3，通過－OTDR分布式光纖傳感系統(tǒng)采集傳感數(shù)據(jù)，從所述傳感數(shù)據(jù)中提取對應(yīng)于某一時刻、某一地點的一定時間鄰域及空間鄰域內(nèi)信號明顯的多個數(shù)據(jù)片段；

步驟4，使用經(jīng)過訓(xùn)練的二元檢測分類器對所述多個數(shù)據(jù)片段進行分類，得到每個數(shù)據(jù)片段的分類結(jié)果；

步驟5，將所述多個數(shù)據(jù)片段的分類結(jié)果進行綜合，得出對應(yīng)于所述某一時刻、某一地點的目標(biāo)識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的用于分布式光纖傳感系統(tǒng)的目標(biāo)分類識別方法，其特征在于，所述二元檢測分類器每一級處理的分類方式為：

步驟001，根據(jù)某一輸入的對象特征以及兩組分類系數(shù)中對應(yīng)于該對象特征的系數(shù)，利用下式進行基于單一對象特征的分類判決：

式中，H1代表當(dāng)級目標(biāo)類，H0代表當(dāng)級其他目標(biāo)類，x為輸入的對象特征數(shù)據(jù)，μ、σ分別表示兩組分類系數(shù)中對應(yīng)于該對象特征的系數(shù)，p表示條件概率；計算結(jié)果大于1時判為H1類，否則判定為H0類；

其中，基于小波的倒譜分析特征具有對應(yīng)于每個頻段的多個均值和方差，分類判決時采用如下變形公式：

式中，N代表基于小波的倒譜分析特征的個數(shù)，Π(·)表示連乘運算；

步驟002，獲得每一單一對象特征的判決結(jié)果，通過每個分類系數(shù)的判別權(quán)重對所有單一對象特征的判決結(jié)果進行加權(quán)平均，得到該級處理的最終分類判定結(jié)果。

3.根據(jù)權(quán)利要求1所述的用于分布式光纖傳感系統(tǒng)的目標(biāo)分類識別方法，其特征在于，所述步驟2的具體方式如下：

步驟201，針對二元檢測分類器的每一級處理，根據(jù)二元檢測分類器的分類等級結(jié)構(gòu)，將所述樣本數(shù)據(jù)集中屬于該級處理的當(dāng)級目標(biāo)和當(dāng)級其他目標(biāo)的兩組樣本數(shù)據(jù)分別分為m份；

步驟202，從兩組樣本數(shù)據(jù)中分別選取m-1份作為訓(xùn)練數(shù)據(jù)，而剩余的1份作為測試數(shù)據(jù)，共形成m²種選取方式；

步驟203，對每個訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)分別提取一組對象特征；

步驟204，針對每種選取方式，使用由(m-1)份當(dāng)級目標(biāo)類訓(xùn)練數(shù)據(jù)和(m-1)份當(dāng)級其他目標(biāo)類訓(xùn)練數(shù)據(jù)所得的多組對象特征對該級處理進行訓(xùn)練，形成對應(yīng)于當(dāng)級目標(biāo)和當(dāng)級其他目標(biāo)的兩組分類系數(shù)以及每個分類系數(shù)的判別權(quán)重；

步驟205，將剩余的2份測試數(shù)據(jù)的對象特征分別輸入該級處理進行測試；

步驟206，得到該級處理對m²種選取方式下測試數(shù)據(jù)的總的分類準(zhǔn)確率，若分類準(zhǔn)確率較低，則改變該級處理的當(dāng)級目標(biāo)所對應(yīng)的對象特征組構(gòu)成，并重新進行訓(xùn)練和測試，從而得到具有較優(yōu)分類準(zhǔn)確率的分類系數(shù)和判別權(quán)重。

4.根據(jù)權(quán)利要求3所述的用于分布式光纖傳感系統(tǒng)的目標(biāo)分類識別方法，其特征在于，所述步驟204的具體方式為：

步驟2041，求取(m-1)份當(dāng)級目標(biāo)類訓(xùn)練數(shù)據(jù)中各對象特征的均值和方差，形成對應(yīng)于當(dāng)級目標(biāo)的一組分類系數(shù)，并求取(m-1)份當(dāng)級其他目標(biāo)類訓(xùn)練數(shù)據(jù)中各對象特征的均值和方差，形成對應(yīng)于當(dāng)級其他目標(biāo)的一組分類系數(shù)；其中，基于小波的倒譜分析特征具有對應(yīng)于每個頻段的多個均值和方差；

步驟2042，在每種選取方式下，通過測試數(shù)據(jù)求取基于每一單一對象特征的分類準(zhǔn)確率，最終以m²種選取方式下基于同一單一對象特征的m²個分類準(zhǔn)確率的平均值作為該對象特征對應(yīng)分類系數(shù)的判別權(quán)重。