[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法和裝置

有效

• 申請?zhí)枺?/td>: 201911084020.0
• 申請日: 2019-11-07
• 公開（公告）號: CN110926355B
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計(jì)）人: 唐明;昌怡晴;吳昊;沈力
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G01B11/16
• 分類號: G01B11/16;G01K11/32;G06N3/04;G06N3/08
• 代理公司: 深圳市六加知識產(chǎn)權(quán)代理有限公司 44372
• 代理人: 向彬

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法，其特征在于，在光纖沿線設(shè)有多個(gè)采樣位置，則布里淵頻移提取方法包括：

對于光纖中每個(gè)采樣位置，對采集到的布里淵增益譜信號進(jìn)行預(yù)處理；

將光纖不同位置預(yù)處理過的布里淵增益譜信號進(jìn)行二維堆疊，得到二維圖像；其中，所述二維圖像的橫坐標(biāo)為光纖中位置，縱坐標(biāo)為頻率差；

將所述二維圖像輸入預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，經(jīng)所述卷積神經(jīng)網(wǎng)絡(luò)處理后輸出一個(gè)一維數(shù)組，對應(yīng)光纖中不同位置的歸一化布里淵頻移；

根據(jù)所述預(yù)處理過程對輸出的各歸一化布里淵頻移進(jìn)行反變換，得到光纖中不同位置所對應(yīng)的實(shí)際布里淵頻移；

其中，所述卷積神經(jīng)網(wǎng)絡(luò)包括三部分；

第一部分包括輸入層、零填充層、二維卷積層、批量歸一化層和最大池化層，用于對所述二維圖像進(jìn)行升維和池化；

第二部分包括一個(gè)或多個(gè)殘差塊，用于對所述二維圖像進(jìn)行二維信息提取，實(shí)現(xiàn)噪聲過濾；其中，所述殘差塊包括二維卷積層和批量歸一化層；

第三部分包括多個(gè)一維卷積層，用于對所述二維圖像中對應(yīng)光纖不同位置的信號部分進(jìn)行處理，提取到對應(yīng)光纖不同位置的布里淵頻移并輸出。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法，其特征在于，所述對于光纖中每個(gè)采樣位置，對采集到的布里淵增益譜信號進(jìn)行預(yù)處理，具體為：

對于光纖中的任一采樣位置，將采集到的N次布里淵增益譜進(jìn)行平均，并將得到的均值作為該采樣位置的布里淵增益譜；

對于光纖中的每個(gè)采樣位置，將平均后的布里淵增益譜進(jìn)行歸一化，得到光纖不同位置所對應(yīng)的歸一化布里淵增益譜；

根據(jù)預(yù)設(shè)的掃頻范圍和掃頻間隔，對光纖不同位置上掃頻得到的布里淵頻移進(jìn)行歸一化，得到多個(gè)歸一化布里淵頻移。

3.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)的預(yù)先訓(xùn)練過程具體包括：

基于洛倫茲仿真生成訓(xùn)練集和測試集；

利用所述訓(xùn)練集，訓(xùn)練可用于布里淵頻移提取的卷積神經(jīng)網(wǎng)絡(luò)；

利用所述測試集，測試所訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)提取布里淵頻移的性能。

4.根據(jù)權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法，其特征在于，所述訓(xùn)練集或所述測試集的生成過程具體包括：

通過不斷修改洛倫茲線型公式中的仿真參數(shù)對布里淵增益譜信號進(jìn)行仿真，得到多個(gè)不同狀態(tài)下對應(yīng)的理想布里淵增益譜；

根據(jù)隨機(jī)生成的信噪比，分別在各理想布里淵增益譜的曲線上疊加高斯白噪聲，得到多個(gè)不同狀態(tài)下對應(yīng)的帶噪聲的布里淵增益譜；

分別對各帶噪聲的布里淵增益譜進(jìn)行歸一化處理，得到多個(gè)不同狀態(tài)下對應(yīng)的歸一化噪聲布里淵增益譜；

將各歸一化噪聲布里淵增益譜疊加為第一二維圖像，并按照預(yù)設(shè)長度切割成多個(gè)第二二維圖像；將與各歸一化噪聲布里淵增益譜對應(yīng)的布里淵頻移值疊加為第一一維數(shù)組，并同樣按照預(yù)設(shè)長度切割成多個(gè)第二一維數(shù)組；

將所述多個(gè)第二二維圖像作為特征，對應(yīng)的多個(gè)第二一維數(shù)組作為標(biāo)簽，生成多個(gè)特征-標(biāo)簽對，所述多個(gè)特征-標(biāo)簽對形成訓(xùn)練集或測試集；

其中，生成訓(xùn)練集和測試集時(shí)，對應(yīng)選取的仿真參數(shù)不同，最終對應(yīng)得到的歸一化噪聲布里淵增益譜也不同。

5.根據(jù)權(quán)利要求4所述的基于卷積神經(jīng)網(wǎng)絡(luò)的布里淵頻移提取方法，其特征在于，所述利用所述訓(xùn)練集，訓(xùn)練可用于布里淵頻移提取的卷積神經(jīng)網(wǎng)絡(luò)，具體為：

在編程環(huán)境中搭建一卷積神經(jīng)網(wǎng)絡(luò)，并對卷積神經(jīng)網(wǎng)絡(luò)的各參數(shù)進(jìn)行隨機(jī)初始化；其中，所述參數(shù)包括網(wǎng)絡(luò)中各層的權(quán)重和偏置；

利用所述訓(xùn)練集對搭建的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至均方誤差達(dá)到預(yù)設(shè)值時(shí)停止訓(xùn)練，得到可用于提取布里淵頻移的卷積神經(jīng)網(wǎng)絡(luò)。