[發明專利]一種分布式光纖振動傳感器系統及其模式識別方法

有效

• 申請號: 202010613972.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111649817B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 楊納川;邵佳;安新源;牛原野;袁航
• 申請（專利權）人: 鄭州信大先進技術研究院
• 主分類號: G01H9/00
• 分類號: G01H9/00
• 代理公司: 鄭州德勤知識產權代理有限公司 41128
• 代理人: 黃紅梅

1.一種分布式光纖振動傳感器系統的模式識別方法，其特征在于，首先對采集到的震動點處待分類的振動信號f[θ]進行特征提取得到入侵事件特征參數數據：

根據不同入侵事件類型Y_i，各采樣至少100組，各為M_i(i＝1，2，3，......)組；

預選特征a_i＝a_i1，a_i2...a_in，其中，a_i為第i組數據的特征向量，針對不同入侵情景Y_i按照預選特征a＝a₁，a₂...a_n采集光纖傳感器異常震動點處樣本信號特征各組(m/i≤M_i(i＝1，2，3，......))，得光纖傳感器異常震動點處樣本信號m組特征向量A₁；

按照每列去均值化得A₂，求協方差矩陣A₂^TA₂的特征值λ₁、λ₂…λ_i(i≤n)以及對應的歸一化的特征向量ξ₁、ξ₂…ξ_i，其中，λ_j即為A₂在ξ_j(j∈(1，…，i))方向投影后的方差和；

將λ_j從大到小排序，選取前k個λ₁、λ₂…λ_k(k≤i)表示特征主方向對應的數據方差和，相應的特征向量ξ₁、ξ₂…ξ_k組成特征a＝a₁，a₂...a_n的轉換矩陣ζ＝(ξ₁、ξ₂…ξ_k)_n×k，完成所有特征向量在主方向的仿射變換即可獲得特征參數A₃＝(A₁ζ)_m×k；

其次，針對不同入侵類型Y_i，將獲得的特征參數數據按6∶2∶2比例分類為訓練集、驗證集和測試集，其中，訓練集用于分類器模型訓練、計算最佳參數值，驗證集用于交叉驗證分類器分類性能以便選取合適的分類器，測試集用于最終驗證已定好的分類器是否能夠達到預計要求、測試分類器分類效果；

最后，根據二分法以及SMO算法訓練分類器：

入侵事件類型Y_i以二分法為準劃分成兩類；

選擇支持向量機SVM，通過調整核函數將特征維映射到更高維度，其中x_i為原始數據通過特征提取和特征轉換、數據壓縮后的k維向量a_i為第i組數據的特征向量，再由決策函數將兩類模式分類，其中為分類器分割超平面；

根據上述二分法將入侵類型Y_i依次分為兩類，設計多個支持向量機SVM；

訓練時，提取訓練集：x₁、x₂…x_i，對應目標值y₁、y₂…y_i(y_i∈{-1，1})針對線性不可分的情況，引入松弛因子ε_i≥0；原問題約束條件為目標函數為：

運用凸優化理論以及拉格朗日對偶函數法，將原問題轉化為對偶問題，即：

選擇其中兩個乘子做最優化，其余乘子設置為常數，且目標函數為凸函數；依據KKT條件以及對偶問題約束條件，迭代更新計算α_i，重復以上步驟得出所有最優化乘子α^*；

得到最優解α^*即可求得w^*，b^*

系統決策函數為其中高斯核函數定義為將特征向量x_i映射到無窮維；

調整σ，交叉驗證各個支持向量機SVM，選擇合適的支持向量機SVM存入系統數據庫；

預選特征的種類包括：樣本信號能量信號最大強度max_θ|f[θ]|、擾動平均強度小波變換時頻圖特征、信號方差超過平均強度信號數量占比其中，sgn(x)為階躍函數