[發明專利]一種基于分布式光纖的多維度特征入侵檢測方法

有效

• 申請號: 202310101245.2
• 申請日: 2023-02-13
• 公開（公告）號: CN115798131B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 唐家斌;胡雨迪;徐平;熊經升
• 申請（專利權）人: 成都陸迪盛華科技有限公司
• 主分類號: G08B13/24
• 分類號: G08B13/24;G08B29/18
• 代理公司: 成都云縱知識產權代理事務所(普通合伙) 51316
• 代理人: 熊曦;陳婉鵑

本發明公開了一種基于分布式光纖的多維度特征入侵檢測方法，涉及分布式光纖傳感應用技術領域，通過配置預警策略，對分布式光纖實時采集的全線振動曲線數據、應變曲線數據進行信號初篩，然后對原始音頻信號特征值進行提取，并結合地形特征系數、環境特征系數以及振動曲線和應變曲線的波峰圖像形成不同維度的特征值，通過對多維度特征值同時進行分析處理來提升管道入侵檢測的準確度。

技術領域

本發明涉及分布式光纖傳感應用技術領域，具體地，涉及一種基于分布式光纖的多維度特征入侵檢測方法。

背景技術

傳統分布式光纖傳感預警策略多數單純依靠原始音頻信號，直接對原始音頻信號進行預處理和深度學習，手段較為單一，支持的預警維度有限，如公開專利CN114841202A，其技術方案為：

(1)按照時間序列采集光纖管道的分布式光纖的原始信號并進行降噪處理；

(2)將一維時間序列的入侵信號轉換為二維圖像；

(3)將二維圖像進行放縮之后作為訓練集，輸入至VGG16網絡模型進行訓練；

(4)利用訓練后的VGG16網絡模型進行分布式光纖管道入侵信號的識別，輸出結果為事件類型，分為無入侵、人為活動和機械活動三類。

可見其是直接對原始信號進行相關處理，總結有以下缺點：

未建立有效策略來實現信號數據挖掘分析；未充分利用光纖傳感數據；未對不同區域的報警閾值做差異化管理，針對性差；在不同環境下缺乏抗干擾能力；預警事件檢測誤報率高。

發明內容

為解決上述問題，提高入侵檢測的準確率，本發明提供了一種基于分布式光纖的多維度特征入侵檢測方法。

本發明中的一種基于分布式光纖的多維度特征入侵檢測方法包括：

步驟1：將分布式光纖進行分段，獲得分布式光纖的分段信息以及每段分布式光纖段對應的地形特征系數和環境特征系數；

步驟2：采集發生預警事件對應分布式光纖段的第一分段信息、第一預警事件真實結果和第一原始數據，第一原始數據包括：原始應變曲線數據和原始振動曲線數據，基于第一分段信息獲得對應的第一地形特征系數和第一環境特征系數；

步驟3：對第一原始數據進行篩選獲得第一應變曲線數據和第一振動曲線數據；

步驟4：對第一應變曲線數據和第一振動曲線數據進行特征提取獲得第一特征圖像數據；

步驟5：將第一特征圖像數據、第一地形特征系數、第一環境特征系數、第一應變曲線數據的波峰圖像和第一振動曲線數據的波峰圖像進行融合獲得第一多維度特征，基于第一多維度特征和第一預警事件真實結果獲得第一樣本；

步驟6：循環執行步驟2-步驟6獲得若干個第一樣本，基于若干個第一樣本獲得訓練集；

步驟7：利用訓練集訓練分類模型獲得入侵檢測分類模型；

步驟8：實時采集各段分布式光纖段的第二原始數據，并判斷第二原始數據是否超過對應的分段預警閾值，若超過則獲得分布式光纖段對應的第二地形特征系數、第二環境特征系數和第二原始數據；

步驟9：對第二原始數據進行篩選獲得第二應變曲線數據和第二振動曲線數據，對第二應變曲線數據和第二振動曲線數據進行特征提取獲得第二特征圖像數據；

步驟10：將第二特征圖像數據、第二地形特征系數、第二環境特征系數、第二應變曲線數據的波峰圖像和第二振動曲線數據的波峰圖像進行融合獲得第二多維度特征；

步驟11：將第二多維度特征輸入入侵檢測分類模型，獲得預警事件分類結果。