[實用新型]一種基于Wavenet的φ-OTDR模式識別系統

有效

• 申請號: 202021996679.1
• 申請日: 2020-09-11
• 公開（公告）號: CN212482678U
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 于淼;何禹潼;張崇富;潘新建;于效宇;易子川;孔謙;高慶國;李志莉
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: G01H9/00
• 分類號: G01H9/00;G06K9/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本實用新型公開了一種基于Wavenet的φ?OTDR模式識別系統，包括：依次連接的激光器、光衰減器、聲光調制器、摻鉺光纖放大器和濾波器，所述濾波器的輸出端連接環形器，環形器和拉曼放大器的輸出端分別連接波分復用器，所述波分復用器的輸出端經過PZT與傳感光纖連接。本實用新型在φ?OTDR系統中使用模擬輸出卡和PZT，模擬外界振動，便于閾值的設定，以便有效濾除噪聲以及無效振動信號。

技術領域

本實用新型涉及信息處理和相位敏感光時域反射光纖傳感技術領域，尤其涉及一種基于Wavenet的φ-OTDR模式識別系統。

背景技術

本部分的陳述僅僅是提供了與本實用新型相關的背景技術信息，不必然構成在先技術。

基于相位敏感的光時域反射系統(Phase-Sensitive Optical Time-DomainReflecrometric System,)，以光纖作為傳感器，具備本征安全、耐腐蝕、功耗低的獨特優勢，可實時在線監測并定位光纖沿線的振動事件，在周界安防、管線安全監測、建筑物結構健康等領域具有廣泛的應用。

隨著系統實際應用的不斷深入，僅對振動信號進行感知定位難以達到實際需求，因此對各類振動事件進行準確有效的識別日益重要。目前，研究者普遍采用的方法是人工提取振動信號在時域、頻域、時頻域、空間域等維度的特征信息，然后將特征信息輸入到機器學習或深度學習結構中進行模式識別，但是人工提取的特征能否完全代表原始振動信號，直接影響了特征分類的準確性，且人工提取特征過程本身會增加整個模式識別方法的計算資源，導致方法實時性較差。

現有技術公開了采用一維卷積神經網絡直接對一維原始信號進行特征提取和識別，省去了人工提取特征過程，但輸入僅為一維時域上的幅度信息，且一維卷積神經網絡缺乏對振動時序信號的準確表達和分析的能力。

現有技術公開了采用長短時記憶網絡模型對設備運行振動時域數據進行訓練，但由于長短時記憶網絡中存在循環連接，在一定程度上限制了模型的訓練速度。

實用新型內容

為了解決現有技術存在的需要人工提取特征或因神經網絡模型本身結構而造成的模式識別實時性較差的問題，以及模型不能充分分析其輸入數據時序性而導致的識別準確率較低的問題，本實用新型提出了一種基于Wavenet(聲波網絡)的φ-OTDR模式識別系統，能夠實現準確且高效地識別各類外界振動信號。

在一些實施方式中，采用如下技術方案：

一種基于Wavenet的φ-OTDR模式識別系統，包括：依次連接的激光器、光衰減器、聲光調制器、摻鉺光纖放大器和濾波器，所述濾波器的輸出端連接環形器，環形器和拉曼放大器的輸出端分別連接波分復用器，所述波分復用器的輸出端經過PZT與傳感光纖連接。

作為進一步地方案，所述聲光調制器通過聲光調制器驅動器驅動。

作為進一步地方案，還包括：模擬輸出卡，所述模擬輸出卡的輸出端分別連接聲光調制器驅動器驅動和PZT。

作為進一步地方案，所述環形器的輸出端還連接光電探測器。

作為進一步地方案，所述光電探測器經過數據采集卡與計算機連接。

作為進一步地方案，所述激光器為超窄線寬激光器。

與現有技術相比，本實用新型的有益效果是：

(1)本實用新型在φ-OTDR系統中使用模擬輸出卡和PZT，模擬外界振動，便于閾值的設定，以便有效濾除噪聲以及無效振動信號。

(2)本實用新型在φ-OTDR系統中使用光衰減器、拉曼放大器和波分復用器，便于設置光功率大小，有利于增加φ-OTDR系統的傳感距離，提高傳感系統的信噪比。