[發明專利]一種基于光時域反射的光纖的數據識別方法及存儲介質

在審

• 申請號: 202011103910.4
• 申請日: 2020-10-15
• 公開（公告）號: CN112187349A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 錢寅;黃家杰;孫安民;霍正鳴;彭林武;曹懿樂;刁亞健;吳志遠;謝虎;李琳
• 申請（專利權）人: 上海欣諾通信技術股份有限公司
• 主分類號: H04B10/071
• 分類號: H04B10/071;H04B10/079
• 代理公司: 上海港慧專利代理事務所(普通合伙) 31402
• 代理人: 卞小婷

1.一種基于光時域反射的光纖的數據識別方法，其特征在于：包括，

于第一環境中被監控對象上設置有至少兩個采樣點，按照預定的頻率獲取每個采樣點的采樣數據；根據所訴采集數據形成預測模型；

于第二環境中獲取實際采樣數據，將所述實際采樣數據導入至所述預測模型以形成一預測結果；

根據所述預測結果執行與所述預測結果匹配的動作。

2.根據權利要求1所述的一種基于光時域反射的光纖的數據識別方法，其特征在于：于第一環境中被監控對象上設置有至少兩個采樣點，按照預定的頻率獲取每個采樣點的采樣數據；根據所訴采集數據形成預測模型具體包括：

于第一環境中被監控對象上設置有至少兩個采樣點，按照預定的頻率獲取每個采樣點的采樣數據；

獲取當前特征采樣點的采樣數據、所述特征采樣點上一個采樣點的采樣數據和所述特征采樣點下一個采樣點的采樣數據并形成采集數據；

于所述采集數據中獲取至少兩個事件特征數據；

對每個所述事件特征數據做歸一化處理以形成特征數據矩陣；

對所述特征數據矩陣做降維處理以形成降維基礎數據；

根據所述降維基礎數據形成訓練基礎數據和測試基礎數據；

基于所述訓練基礎數據形成預測模型，并通過測試基礎數據優化所述預測模型。

3.根據權利要求2所述的一種基于光時域反射的光纖的數據識別方法，其特征在于：于所述采集數據中獲取至少兩個事件特征數據包括

于所述采集數據中獲取每個采集數據的能量值，并根據所述能量值對所述采集數據做排序處理；

根據所述能量值形成峰值特征數據、均值特征數據、峰均比特征數據、中值特征數據、中位數特征數據、方差特征數據、標準差特征數據、前五十平均特征數據、前三十平均特征數據、前二十平均特征數據、前十平均特征數據、功率譜密度最大值特征數據、功率譜密度最小值特征數據、功率譜密度平均值特征數據。

4.根據權利要求3所述的一種基于光時域反射的光纖的數據識別方法，其特征在于：對每個所述事件特征數據做歸一化處理以形成特征數據矩陣具體包括：

對所述峰值特征數據做歸一化處理以形成峰值特征基礎數據；

對所述均值特征數據做歸一化處理以形成均值特征基礎數據；

對所述峰均比特征數據做歸一化處理以形成峰均比特征基礎數據；

對所述中值特征數據做歸一化處理以形成中值特征基礎數據；

對所述中位數特征數據做歸一化處理以形成中位數特征基礎數據；

對所述方差特征數據做歸一化處理以形成方差特征基礎數據；

對所述標準差特征數據做歸一化處理以形成標準差特征基礎數據；

對所述前五十平均特征數據做歸一化處理以形成前五十平均特征基礎數據；

對所述前三十平均特征數據做歸一化處理以形成前三十平均特征基礎數據；

對所述前二十平均特征數據做歸一化處理以形成前二十平均特征基礎數據；

對所述前十平均特征數據做歸一化處理以形成前十平均特征基礎數據；

對所述功率譜密度最大值特征數據做歸一化處理以形成功率譜密度最大值特征基礎數據；

對所述功率譜密度最小值特征數據做歸一化處理以形成功率譜密度最小值特征基礎數據；

對所述功率譜密度平均值特征數據做歸一化處理以形成功率譜密度平均值特征基礎數據；

根據所述峰值特征基礎數據、所述均值特征基礎數據、峰均比特征基礎數據、中值特征基礎數據、中位數特征基礎數據、方差特征基礎數據、標準差特征基礎數據、前五十平均特征基礎數據、前二十平均特征基礎數據、前十平均特征基礎數據、功率譜密度最大值特征基礎數據、功率譜密度最小值特征基礎數據、功率譜密度平均值特征基礎數據形成所述特征數據矩陣。

5.根據權利要求4所述的一種基于光時域反射的光纖的數據識別方法，其特征在于：根據所述峰值特征基礎數據、所述均值特征基礎數據、峰均比特征基礎數據、中值特征基礎數據、中位數特征基礎數據、方差特征基礎數據、標準差特征基礎數據、前五十平均特征基礎數據、前二十平均特征基礎數據、前十平均特征基礎數據、功率譜密度最大值特征基礎數據、功率譜密度最小值特征基礎數據、功率譜密度平均值特征基礎數據。