一種光纖振動信號的分類方法及裝置及光纖傳感系統與流程
2023-10-31 02:34:27 2
本發明涉及光纖通信領域，特別是涉及一種光纖振動信號的分類方法及裝置及光纖傳感系統。
背景技術：
：隨著光纖處理技術發展，光纖已作為傳感器應用於各種探測領域，用於測量周邊環境狀況，例如是否有物體經過、且該物體具體為何物等。當光纖傳感器受到外界幹擾影響時，光纖中傳輸光的部分特性就會改變，光線傳感系統接收光纖的光信號，並進行光電轉換，分析轉換後電信號的特徵以判斷其光特性的改變，進而確定光纖對應位置的環境狀況，例如為有車輛闖入等，進而可實現對環境的監測。。一般光纖周邊環境比較複雜，通常存在兩個振源同時發生的情況。此時，採集到的光纖振動信號則包含兩個振源的振動信號的混雜信號，若直接對該混雜信號進行振源識別，由於該混雜信號包含兩個振源的振動信號特徵，故容易造成識別出錯，故需要在識別前對該混雜信號進行分類。技術實現要素：本發明主要解決的技術問題是提供一種光纖振動信號的分類方法及裝置及光纖傳感系統，能夠實現光纖振動信號對應振源進行分類，提高識別準確性。為解決上述技術問題，本發明採用的一個技術方案是：提供一種光纖振動信號的分類方法，包括：處理終端獲取光纖振動信號，其中，所述光纖振動信號由光纖反射的光信號轉換得到；將所述光纖振動信號分為多個子信號；利用支持向量機SVM算法，將所述多個子信號劃分至至少一個預設信號類中，其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。其中，所述利用支持向量機SVM算法，將所述多個子信號劃分至至少一個預設信號類中的步驟包括：當本地存儲的預設信號類的數量超過2時，從本地存儲的多個預設信號類中選擇兩個，並利用SVM算法構成二類分類器，利用所述二類分類器分別將每個所述子信號劃分至所述選擇的兩個預設信號類的其中一個；重新選擇所述劃分至的預設信號類和所述多個預設信號類中未選擇的一個預設信號類並利用SVM算法構成二類分類器，利用所述新構成的二類分類器分別將每個所述子信號劃分至所述重新選擇的兩個預設信號類的其中一個，重複本步驟，直至所述多個預設信號類中的每個預設信號類均已被選擇；將所述多個所述子信號最後劃分至的預設信號類分別作為所述多個子信號所屬的預設信號類。其中，所述預設信號類的選擇順序按照所述多個預設信號類中的特徵數據之間的差別程度從大至小先後排列。其中，在所述將所述多個子信號劃分至至少一個預設信號類中步驟之後，所述方法還包括：將屬於同一預設信號類的子信號與預設振源模型進行匹配；若匹配成功，則將所述屬於同一預設信號類的子信號的振源類型確定為所述預設振動模型對應的振源類型。其中，所述獲取光纖振動信號的步驟包括：獲取光纖某一位置在一段時間內產生的光纖振動信號；所述將所述光纖振動信號分為多個子信號的步驟包括：對所述光纖振動信號進行多次採樣得到多個子信號。其中，所述對所述光纖振動信號進行多次採樣得到多個子信號的步驟包括：利用高速數據採集卡FPGA採集所述光纖振動信號得到所述多個子信號。其中，所述將所述光纖振動信號分為多個子信號的步驟之後，所述方法還包括：利用奇異值分解SVD算法對所述多個子信號構成的矩陣進行奇異值分解得到多個子矩陣；獲取奇異值最大的所述子矩陣，並提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號；對所述一維信號進行小波消噪後作為所述光纖某一位置產生的多個子信號。為解決上述技術問題，本發明採用的另一個技術方案是：提供一種光纖振動信號分類裝置，包括：獲取模塊，用於獲取光纖振動信號，其中，所述光纖振動信號由光纖反射的光信號轉換得到；劃分模塊，用於將所述光纖振動信號分為多個子信號；分類模塊，用於利用支持向量機SVM算法，將所述多個子信號劃分至至少一個預設信號類中，其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。其中，所述分類模塊包括：選擇單元，用於當本地存儲的預設信號類的數量超過2時，從本地存儲的多個預設信號類中選擇兩個，並利用SVM算法構成二類分類器，利用所述二類分類器分別將每個所述子信號劃分至所述選擇的兩個預設信號類的其中一個；分類單元，用於重新選擇所述劃分至的預設信號類和所述多個預設信號類中未選擇的一個預設信號類並利用SVM算法構成二類分類器，利用所述新構成的二類分類器分別將每個所述子信號劃分至所述重新選擇的兩個預設信號類的其中一個，重複本步驟，直至所述多個預設信號類中的每個預設信號類均已被選擇，並將所述多個所述子信號最後劃分至的預設信號類分別作為所述多個子信號所屬的預設信號類。為解決上述技術問題，本發明採用的再一個技術方案是：提供一種光纖傳感系統，包括光纖傳感器及處理終端；所述光纖傳感器用於在一端發出第一光信號，並從所述一端接收由所述第一光信號反射得到的第二光信號；所述處理終端用於對所述第二光信號對應的光纖振動信號進行分類，其中，所述處理終端包括上述的光纖振動信號分類裝置，以對所述光纖振動信號進行分類。上述方案，處理終端採用SVM算法對光纖振動信號的多個子信號進行分類，由於SVM算法可對線性不可分數據進行分類，故能夠將該光纖振動信號中屬於不同振源的子信號劃分開，實現光纖振動信號對應振源進行有效分類，而且，將不同振源的子信號劃分開後，能夠提高後續對子信號的振源識別的準確性。附圖說明圖1是本發明光纖振動信號的分類方法一實施方式的流程圖；圖2是本發明光纖傳感系統一實施方式的結構示意圖；圖3是圖1所示的步驟S13包括的子步驟的流程圖；圖4是本發明光纖振動信號的分類方法一實施方式中的構建分類器的流程示意圖；圖5是本發明光纖振動信號的分類方法另一實施例的流程圖；圖6是本發明光纖振動信號分類裝置一實施方式的結構示意圖；圖7是本發明光纖振動信號分類裝置另一實施方式的結構示意圖。具體實施方式以下描述中，為了說明而不是為了限定，提出了諸如特定系統結構、接口、技術之類的具體細節，以便透徹理解本申請。然而，本領域的技術人員應當清楚，在沒有這些具體細節的其它實施方式中也可以實現本申請。在其它情況中，省略對眾所周知的裝置、電路以及方法的詳細說明，以免不必要的細節妨礙本申請的描述。請參閱圖1，本發明光纖振動信號的分類方法一實施方式的流程圖，該方法包括：S11：處理終端獲取光纖振動信號。其中，所述光纖振動信號為光纖電信號，該光纖電信號由光纖反射的光信號轉換得到。例如，該光纖振動信號為光纖某一位置在一段時間內反射的光信號轉換得到的電信號。請結合圖2舉例說明，圖2示出一光纖傳感系統，該光纖傳感系統可採用光脈衝調製方式，通過探測背向散射信號的相位變化引起的反射光幹涉強度變化，能夠同時檢測出多個並發振源，從而實現預警和對振源定位。該光纖傳感系統包括順序連接的光纖傳感器21、光學系統23、光電轉換電路24與處理終端22。光纖傳感器21設置於需監測的環境中如地下，以監測該環境狀況。光纖傳感器21可採用普通通信光纜中的一根空閒纖芯作傳感單元，進行分布式多點振動測量。其基本原理是當外界的振動作用於通信光纜時，引起光纜中纖芯發生形變，使纖芯長度和折射率發生變化，導致光纜中光的相位發生變化。當光在光纜中傳輸時，由於光子與纖芯晶格發生作用，不斷向後傳輸瑞利散射光。當外界有振動發生時，背向瑞利散射光的相位隨之發生變化，這些攜帶外界振動信息的信號光，經光學系統23處理，將微弱的相位變化轉換為光強變化，再經光電轉換電路24的光電轉換和相應信號處理後，進人處理終端22進行數據分析。處理終端22根據分析的結果，判斷振動事件的發生，並確認振動地點。具體地，光纖傳感器21定時從一端發出第一光信號，該第一光信號可以是一脈衝信號，如為脈衝寬度為10ns的雷射，該第一光信號在光纜中各個位置經過瑞利散射形成的第二光信號，並且該第二光信號反射回該光纖傳感器21的一端。光纖傳感器21從該一端輸出該第二光信號。光學系統23對第二光信號進行採樣，得到多個對應不同光纖位置的光信號。其中，該採樣間隔可採集光纖每隔設定距離發射的光信號，例如，第一個採樣光信號對應為距離光纖一端1米位置反射的光信號，第二個採樣光信號對應為距離光纖一端2米位置反射的光信號，以此類推。光學系統23通過光電轉換電路24將採樣得到的光信號轉換為對應的電信號便於信號的處理。這裡可以通過一般的光電轉換電路24如APD轉換得到模擬信號，再通過模數轉換器將模擬信號轉換成數位訊號，並發送至處理終端22。其中，可直接將轉換後該光纖數位訊號作為該光纖振動信號，或者將波動超過設定程度的該光纖數位訊號作為該光纖振動信號。在其他實施例中，該光學系統的部分步驟、光電轉換步驟以及模數轉換步驟中的至少一個步驟可由處理終端22執行，如處理終端22接收對光纖傳感器21反射的第二光信號採集得到的多個採樣光信號，並將其轉換成多個採樣電信號，並將該採樣電信號進行模數轉換後，作為該光纖振動信號；或者，將該採樣電信號進行模數轉換後，分析所述採樣電信號在時域和空域的平穩特性；對應所述採樣電信號不同時域和空域的平穩特性，採用不同的檢測方式對所述採樣電信號進行檢測；若所述檢測通過，則將所述採樣電信號確認為光纖振動信號。S12：將所述光纖振動信號分為多個子信號。例如，該光線振動信號為光纖某一位置在一段時間產生的，處理終端22將該光纖振動光信號進行多次採樣，得到多個子信號。其中，該採樣間隔可根據實際情況進行調整，通常，該採樣間隔為0μs-100μs之間，如40μs、10μs、100μs等，在一應用中，該採集間隔為0，即處理終端連續採集得到m個子信號，其中，m為大於1的整數。本實施例中，處理終端22可還包括高速數據採集卡(英文簡稱：FPGA)模塊和數位訊號處理(英文：DigitalSignalProcessing，簡稱：DSP)模塊，該FPGA模塊用於採集所述光纖振動信號，得到多個子信號。FPGA模塊將採集的光纖採樣信號緩存在該FPGA模塊內的FIFO緩衝器，FIFO的半滿信號線和DSP模塊相連，當FIFO的半滿時觸發DSP的EDMA事務，以把光纖採樣信號的相關數據從FIFO轉移到DSP的存儲器如SDRAM。當存儲器中的數據長度達到系統設定值時，對該存儲器中的光纖採樣信號進行處理，如進行信號分類、振源識別等。而且，下述的奇異值分解和消噪相關步驟可以在存入至DSP的存儲器之前執行，或者將採集到的光纖採樣信號直接存至DSP的存儲器，並當存儲器的數據長度達到設定值後，再執行下述的奇異值分解和消噪相關步驟。S13：利用支持向量機算法，將所述多個子信號劃分至至少一個預設信號類中。其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。即將一個振源產生的光纖振動信號的特徵數據歸為一個預設信號類的屬性或特徵。該特徵數據可以為光纖振動信號的振動強度、振動頻率、振動持續時間等。本發明主要獲取的光纖振動信號可能包括多個振源產生的振動信號，例如在第一次採集到的子信號可能是主要由行人經過產生的，第五次採集到的自信好可能是車輛經過產生的，故需要對這些子信號按照不同振源進行分類。由於不同振源產生的光纖振動信號之間有些特徵差別不大，故這些光纖振動信號之間是線性不可分的。本實施例提出採用支持向量機(英文：SupportVectorMachine，簡稱：SVM)算法對這些線性不可分的數據進行分類。具體地，處理終端事先獲取不同振源的振動信號，並不同振源的振動信號特徵進行提取並學習，得到代表不同振源的振動信號特徵的多個預設信號類。根據下述公式1求得用於劃分出該多個預設信號類的分類器：min12||w||2S.T.yi(wxi)+b1-ζi,(i=1,2,...,n)ζi0---(1)]]>其中，所述||w||2為目標函數，1/||w||稱為幾何間隔，為子信號到分類超平面之間的歐氏距離，所述S.T表示後面的為所述目標函數的限制條件，所述ζi為鬆弛變量，所述xi為第i個振動信號，所述y為第i個預設信號類的標識值，所述n為獲取的振源信號的數量，所述b為一設定常數。其中，該預設信號類的標識值可用-1、1等來表示，該b可根據不同的光纖應用環境或光纖需求進行設置。上述鬆弛變量可事先由程序測試中確定的，通過多次試驗查找到合適值。轉化到上述公式1的形式後，該問題成為了一個凸優化問題，或者更具體的說，因為現在的目標函數是二次的，約束條件是線性的，所以它是一個凸二次規劃問題。這個問題可以用任何現成的QP(QuadraticProgramming)的優化包進行求解，歸結為一句話即是：在一定的約束條件下，目標最優，損失最小。雖然這個問題確實是一個標準的QP問題，但是它也有它的特殊結構，通過拉格朗日對偶(英文：LagrangeDuality)變換到對偶變量(英文：dualvariable)的優化問題之後，可以找到一種更加有效的方法來進行求解，而且通常情況下這種方法比直接使用通用的QP優化包進行優化要高效得多。也就說，除了用解決QP問題的常規方法之外，還可以通過求解對偶問題得到最優解，這就是線性可分條件下支持向量機的對偶算法，這樣做的優點在於：一者對偶問題往往更容易求解；二者可以自然的引入核函數，進而推廣到非線性分類問題。得到分類器後，利用該分類器分別對上述S12得到的多個子信號進行分類，以將每個子信號劃分至上述的預設信號類中。請結合參考圖3，在一實施例中，上述S13步驟包括以下子步驟：S131：當本地存儲的預設信號類的數量超過2時，從本地存儲的多個預設信號類中選擇兩個，並利用SVM算法構成二類分類器，利用所述二類分類器分別將每個所述子信號劃分至所述選擇的兩個預設信號類的其中一個。S132：重新選擇所述劃分至的預設信號類和所述多個預設信號類中未選擇的一個預設信號類並利用SVM算法構成二類分類器，利用所述新構成的二類分類器分別將每個所述子信號劃分至所述重新選擇的兩個預設信號類的其中一個。重複步驟S132，直至所述多個預設信號類中的每個預設信號類均已被選擇。S133：將所述多個所述子信號最後劃分至的預設信號類分別作為所述多個子信號所屬的預設信號類。其中，上述S131和S132中利用SVM算法構成二類分類器具體可根據上述方式1求得。為便於理解，結合圖4對其中子信號的分類進行距離說明，處理終端預設信號類有5個，包括第1-5預設信號類。處理終端提取一子信號，並從該預設信號類中選擇第1和第5預設信號類組成二類分類器，將該子信號輸入至二類分類器中；若得到分類結果為該子信號屬於第1預設信號類，則從剩餘的3個預設信號類中選擇第4預設信號類與第1預設信號類組成二類分離器，將子信號輸入至該二類分類器中；若得到分類結果為該子信號屬於第1預設信號類，則從剩餘的兩個預設信號類中選擇第3預設信號類與第1預設信號類組成二類分離器器，將子信號輸入至該二類分類器中；若得到分類結果為該子信號屬於第1預設信號類，則從剩餘的第2預設信號類與第1預設信號類組成二類分離器器，將子信號輸入至該二類分類器中，若得到的分類結果為該子信號屬於第1預設信號類，則將該子信號劃分至第一預設信號類中。其他的子信號採用上述同理進行分類。當然，預設信號類的選擇順序按照所述多個預設信號類中的特徵數據之間的差別程度從大至小先後排列，即第一次選擇的兩個預設信號類包括的振動信號的特徵數據之間的差異程度大於第二次選擇的兩個預設信號類包括的振動信號的特徵數據之間的差異程度大於第二次選擇的兩個預設信號類包括的振動信號的特徵數據之間的差異程度……以此類推。當然也可以預設信號類的選擇順序按照所述多個預設信號類中的特徵數據之間的差別程度從小至大先後排列，在此不作限定。本實施例中，處理終端採用SVM算法對光纖振動信號的多個子信號進行分類，由於SVM算法可對線性不可分數據進行分類，故能夠將該光纖振動信號中屬於不同振源的子信號劃分開，實現光纖振動信號對應振源進行有效分類，而且，將不同振源的子信號劃分開後，能夠提高後續對子信號的振源識別的準確性。請參閱圖5，圖5是本發明光纖振動信號的分類方法再一實施方式的流程圖。本實施例方法由處理終端執行，52：包括以下步驟：S51：處理終端獲取光纖振動信號，其中，所述光纖振動信號由光纖反射的光信號轉換得到。S52：將所述光纖振動信號分為多個子信號。上述S51和S52步驟如上面實施例的S11和S12所述，請參閱上述相關說明。S53：利用奇異值分解算法對所述多個子信號構成的矩陣進行奇異值分解得到多個子矩陣。本實施例中，處理終端採用奇異值分解(英文：Singularvaluedecomposition，簡稱：SVD)算法對採集得到多個子信號進行處理，以獲得信噪比高、噪聲均勻的多個子信號。具體，上述S53步驟可具體包括如下子步驟：子步驟S531：將所述多個子信號{x(1),x(2),…,x(n)}構成k*l階矩陣H。將多個光纖採樣信號組成一維信號序列X＝{x(1),x(2),…,x(n)}，並將該一維信號序列X構成k*l階矩陣H。其中，k*l＝n，k和l均為正整數。子步驟S532：採用下述公式11對所述矩陣H進行奇異值分解，得到多個子矩陣其中，上述矩陣H為k*l階酉矩陣；所述矩陣H的秩為m，利用SVD可以將k*l階矩陣H表示m個k*l階子矩陣之和。所述U是k×k階正交矩陣，所述VT表示矩陣V的共軛矩陣，所述V是l×l階正交矩陣；所述為對角陣，所述是矩陣H的第i個奇異值，並且所述ui為矩陣U的第i個列向量，所述vi為矩陣V的第i個列向量，所述Hi是包含ui和vi的子矩陣。若是矩陣H表示時頻信息，則對應的ui和vi視為頻率矢量和時間矢量。因此，H中的時頻信息被分解到一系列由ui和vi構成的時頻子空間中。故選取一定子空間進行重構，可以提取特定成分的信號，例如，選擇奇異值最大的子矩陣，即可提取得到該多個子信號所包含主要數據特徵。S54：獲取奇異值最大的所述子矩陣，並提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號。例如，獲取分解得到的多個子矩陣中奇異值最大的子矩陣並將奇異值最大的子矩陣的各行元素分別作為一維信號Sj的元素，集合形成所述一維信號Sj＝{Sj,1,Sj，2,…,Sj,m}，其中，所述Sj,m表示子矩陣的第m行向量。S55：對所述一維信號進行小波消噪後作為所述光纖某一位置產生的多個子信號。本實施例中，處理終端對S54步驟所得到的一維信號進行小波閥值消噪，該消噪方式可包括硬閥值和軟閥值兩種。該硬閥值方式具體如，根據下述公式12對S54步驟所得到的一維信號Sj的每個元素{Sj,1,Sj，2,…,Sj,m}進行處理，並由每個處理後的元素{Sj,1',Sj，2',…,Sj,m'}組成所述光纖某一位置在所述一段時間內產生的光纖信號Sj'，Sj,z′=Sj,z|Sj,z|>T0|Sj,z|≤T---(12)]]>其中，所述Sj,z為所述一維信號Sj中的第z個元素，所述Sj,z'為所述光纖振動信號Sj'中的第z個子信號(元素)，所述T為一設定值。該軟閥值方式具體如，根據下述公式13對S54步驟所得到的一維信號Sj的每個元素{Sj,1,Sj，2,…,Sj,m}，並由每個處理後的元素{Sj,1',Sj，2',…,Sj,m'}組成所述光纖某一位置在所述一段時間內產生的光纖信號Sj'，Sj,z′=sgn(Sj,z)(|Sj,z|-αT)|Sj,z|>T0|Sj,z|≤T---(13)]]>其中，所述Sj,z為所述一維信號Sj中的第z個元素，所述Sj,z'為所述光纖振動信號Sj'中的第z個子信號(元素)，所述α為比例係數，且0≤α≤1，sgn(x)為符號函數，所述T為一設定值。在具體應用中，上述T可根據實際情況由用戶輸入，或者自身對實際情況進行判斷學習後，進行相應設置。經上述小波消噪後，處理終端可對該消噪後的多個子信號進行分類、振源識別或者其他處理。S56：利用SVM算法，將所述多個子信號劃分至至少一個預設信號類中，其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。請參照上述S13的說明，在此不做贅述。S57：將屬於同一預設信號類的子信號與預設振源模型進行匹配，若匹配成功，則執行S58。若匹配不成功，則處理終端可提取該類子信號的特徵，並根據該類子信號的特徵形成一個新的預設信號類。S58：將所述屬於同一預設信號類的子信號的振源類型確定為所述預設振動模型對應的振源類型。例如，屬於第1類預設信號類的子信號與上例中的第一預設振動模型的特徵匹配，則該子信號為振動信號，且判斷振源為行人經過。處理終端計算出來該光纖信號對應的光纖位置，並還可向相關設備發送信息，以通知該光纖位置有行人經過。具體的，處理終端判斷子信號是否與預設振動模型匹配的方式可如下步驟：S571：處理終端獲取屬於同一預設信號類的J幀子信號，J大於等於1。S572：提取每幀子信號的特徵矢量組成數組T[J]＝{T(0)，T(j)，…，T(J-1)}，並獲取預設信號模型的特徵矢量組成的數組R[I]＝{R(0)，R(i)，…，R(I-1)}。其中，所述子信號的特徵矢量與所述預設信號模型的特徵矢量的提取方式一致。例如，處理終端存儲有至少一個預設信號模型，每個該預設信號模型對應包括一種振源的光纖振動信號的多個特徵矢量R(0)，R(i)，…，R(I-1)，其中，i為該預設信號模型的信號幀的時序標號，i＝0為該預設信號模型的起點子信號幀，i＝I-1為該預設信號模型的終點子信號幀，因此I為該預設信號模型所包含的子信號的幀總數，R(i)為該預設信號模型第i幀的子信號的特徵矢量。處理終端提取第1幀子信號至第J幀子信號的特徵矢量一一依序對應為T(0)，T(j)，…，T(J-1)，其中，j為該光纖信號的信號幀的時序標號，j＝0為該光纖信號的起點子信號幀，j＝J-1為該光纖信號的終點子信號幀，因此J為該光纖信號所包含的子信號的幀總數，T(i)為個該光纖信號第j幀的子信號的特徵矢量。上述I和J均大於1，且兩者可相等或不相等，在此不作限定。值得注意的是，該處理終端提取子信號的特徵矢量的方式與預設信號模型中的特徵矢量的提取方式是一致的，以保證下述兩者的準確對比。也即，預設信號模型和光纖信號採用相同類型的特徵矢量。其中，其提取方式可以為多種，例如為線性預測編碼(linearpredictivecoding，LPC)得到的能夠代表該子信號特徵的參數，如LPC係數或倒譜係數。在另一實施例中，所述提取每幀信號的特徵矢量的步驟包括：將所述每幀子信號分別經過LPC分析得到對應的倒譜係數，將所述每幀子信號的倒譜係數作為其特徵矢量。S573：確定所述特徵矢量T(0)與所述特徵矢量R(0)之間的距離g(R(0),T(0))以及參數M。其中，所述M與所述I和J之間的差正相關。例如，所述M＝m+|I-J|，m為一設定常數。在一應用中，該m可設置為I或J的十分之一到三十分之一，且小於10。本實施例中，處理終端利用公式14計算得到特徵矢量T(0)與所述特徵矢量R(0)之間的距離g(R(0),T(0))。g(R(0),T(0))＝2d(T(0),R(0))(14)其中，該d的定義請參閱步驟S44的公式16及其相關描述。S574：處理終端根據所述距離g(R(0),T(0))，順序計算所述數組T[J]每個特徵矢量T(j)分別與所述數組R[I]至少部分特徵矢量R(i)之間的距離g(R(i),T(j))，直至計算得到所述特徵矢量T(J-1)與特徵矢量R(I-1)之間的距離g(R(I-1),T(J-1))。其中，所述g(R(i),T(j))由g(R(i-1),T(j))、g(R(i-1),T(j-1))、或g(R(i),T(j-1))計算得到。例如，處理終端利用公式15和公式16計算得到所述g(R(i),T(j))；g(R(i),T(j))=ming(R(i-1),T(j))+d(R(i),T(j))g(R(i-1),T(j-1))+2d(R(i),T(j))g(R(i),T(j-1))+d(R(i),T(j))---(15)]]>d=(y1-x1)2+(y2-x2)2+......+(yn-xn)2n---(16)]]>其中，所述特徵矢量T(j)表示為(y1，…，yn)，所述特徵矢量R(i)表示為(x1，…，xn)。當然，在其他實施例中，該距離函數d也可採用歐氏距離，為其中，每個特徵矢量T(j)對應的所述部分特徵矢量R(i)包括所述數組R[I]中的特徵矢量R(max(j-M,0))至特徵矢量R(min(j+M,I-1))。上述順序計算可表示為：按照數組T[J]的元素順序，計算每個特徵矢量T(j)與同一特徵矢量R(i)的距離，且按照數組R[I]的元素順序，計算其特徵矢量R(i)與同一特徵矢量T(j)的距離。如上述公式12，每個特徵矢量T(j)與特徵矢量R(i)的距離需依靠其之前特徵矢量之間的距離，故需要按照數組順序計算。其中，該S574可具體包括以下子步驟：根據所述距離g(R(0),T(0))，順序計算所述數組T[J]每個特徵矢量T(j)分別與所述特徵矢量R(0)之間的距離g(R(0),T(j))；順序計算所述數組T[J]每個特徵矢量T(j)分別與所述數組R[I]至少部分特徵矢量R(i)之間的距離g(R(i),T(j))。其中，當所述j＝0時，所述特徵矢量T(0)對應的所述部分特徵矢量R(i)包括所述數組R[I]中的所有特徵矢量，當所述j≠0時，所述特徵矢量T(j)對應的所述部分特徵矢量R(i)包括所述數組R[I]中的特徵矢量R(max(j-M,1))至特徵矢量R(min(j+M,I-1))。S575：計算所述距離g(R(I-1),T(J-1))與所述I和所述J的和之間的比，以作為該子信號與所述預設信號模型的相似距離。例如，處理終端得到匹配至特徵矢量R(I-1)和特徵矢量T(J-1)的距離g(R(I-1),T(J-1))後，根據公式17計算得到該子信號與所述預設信號模型的相似距離s；s=g(R(I-1),T(J-1))I+J---(17).]]>S576：若所述相似距離滿足設定條件，則處理終端將該子信號的振源類型確定為所述預設信號模型對應的振源類型。該設定條件如為小於設定相似距離，或者為所有預設信號模型中的最小相似距離。例如，處理終端存儲多個預設信號模型，處理終端多次執行上述步驟S573-S575，得到每個預設信號模型與該光纖振動模型的相似距離，將處理終端將光纖振動模型的振源類型分類為相似距離最小的預設信號模型對應的振源類型。當然，針對具體應用的不同需求，該設定條件還可以其他條件，在此不作具體限定。上述匹配方式根據相似度確定該子信號的振源類型，實現了對子信號的振源分類，且該分類方式能夠對振源進行準確分類，提高了振源識別的準確率，且處理終端根據設定規則僅計算數組T[J]每個特徵矢量T(j)與數組R[I]部分特徵矢量R(i)之間的距離，減少了運算量，提高了識別速度和效率，節省了處理終端的處理資源。參閱圖6，本發明光纖振動信號分類裝置一實施方式的結構示意圖，該裝置包括：獲取模塊61，用於獲取光纖振動信號，其中，所述光纖振動信號由光纖反射的光信號轉換得到。劃分模塊62，用於將所述光纖振動信號分為多個子信號。分類模塊63，用於利用支持向量機SVM算法，將所述多個子信號劃分至至少一個預設信號類中，其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。可選的，分類模塊62包括：選擇單元，用於當本地存儲的預設信號類的數量超過2時，從本地存儲的多個預設信號類中選擇兩個，並利用SVM算法構成二類分類器，利用所述二類分類器分別將每個所述子信號劃分至所述選擇的兩個預設信號類的其中一個；分類單元，用於重新選擇所述劃分至的預設信號類和所述多個預設信號類中未選擇的一個預設信號類並利用SVM算法構成二類分類器，利用所述新構成的二類分類器分別將每個所述子信號劃分至所述重新選擇的兩個預設信號類的其中一個，重複本步驟，直至所述多個預設信號類中的每個預設信號類均已被選擇，並將所述多個所述子信號最後劃分至的預設信號類分別作為所述多個子信號所屬的預設信號類。可選地，所述預設信號類的選擇順序按照所述多個預設信號類中的特徵數據之間的差別程度從大至小先後排列。可選地，該裝置還包括識別模塊，用於：將屬於同一預設信號類的子信號與預設振源模型進行匹配；若匹配成功，則將所述屬於同一預設信號類的子信號的振源類型確定為所述預設振動模型對應的振源類型。可選地，獲取模塊61具體用於獲取光纖某一位置在一段時間內產生的光纖振動信號；劃分模塊62具體用於對所述光纖振動信號進行多次採樣得到多個子信號。可選地，劃分模塊62具體用於利用FPGA採集所述光纖振動信號得到所述多個子信號。可選地，該裝置還包括消噪模塊，用於利用SVD算法對所述多個子信號構成的矩陣進行奇異值分解得到多個子矩陣；獲取奇異值最大的所述子矩陣，並提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號；對所述一維信號進行小波消噪後作為所述光纖某一位置產生的多個子信號。可選地，該採樣模塊62具體用於由所述光纖信號的峰值確定所述光纖信號的包絡線；對所述光纖信號的包絡線進行採樣，以獲得多個設定時間長度的採樣信號。其中，該處理終端的上述模塊分別用於執行上述方法實施例中的相應步驟，具體執行過程如上方法實施例說明，在此不作贅述。參閱圖7，本發明光纖振動信號分類裝置另一實施方式的結構示意圖，該裝置70包括處理器71、存儲器72、接收器73及總線74。其中，處理器71、存儲器72、接收器73均可以是一個或多個，圖7中僅以一個為例。接收器73用於接收外部設備發送的信息。例如，接收光纖傳感器檢測得到的光纖信號。存儲器72用於存儲電腦程式，並向處理器71提供所述電腦程式，且可存儲處理器71處理的數據，例如接收器73接收到的光纖信號燈。其中，存儲器72可以包括只讀存儲器、隨機存取存儲器和非易失性隨機存取存儲器(NVRAM)中的至少一種。存儲器72存儲的電腦程式包括如下的元素，可執行模塊或者數據結構，或者它們的子集，或者它們的擴展集:操作指令：包括各種操作指令，用於實現各種操作。作業系統：包括各種系統程序，用於實現各種基礎業務以及處理基於硬體的任務。在本發明實施例中，處理器71通過調用存儲器72存儲的操作指令(該操作指令可存儲在作業系統中)，來執行下面操作。具體，處理器71可執行存儲器72中的電腦程式，用於：通過接收器73獲取光纖振動信號，其中，所述光纖振動信號由光纖反射的光信號轉換得到；將所述光纖振動信號分為多個子信號；利用SVM算法，將所述多個子信號劃分至至少一個預設信號類中，其中，一所述預設信號類對應於一振源產生的光纖振動信號的特徵。可選地，處理器71執行所述利用支持向量機SVM算法，將所述多個子信號劃分至至少一個預設信號類中的步驟包括：當本地存儲的預設信號類的數量超過2時，從本地存儲的多個預設信號類中選擇兩個，並利用SVM算法構成二類分類器，利用所述二類分類器分別將每個所述子信號劃分至所述選擇的兩個預設信號類的其中一個；重新選擇所述劃分至的預設信號類和所述多個預設信號類中未選擇的一個預設信號類並利用SVM算法構成二類分類器，利用所述新構成的二類分類器分別將每個所述子信號劃分至所述重新選擇的兩個預設信號類的其中一個，重複本步驟，直至所述多個預設信號類中的每個預設信號類均已被選擇；將所述多個所述子信號最後劃分至的預設信號類分別作為所述多個子信號所屬的預設信號類。可選地，所述預設信號類的選擇順序按照所述多個預設信號類中的特徵數據之間的差別程度從大至小先後排列。可選地，處理器71還用於：將屬於同一預設信號類的子信號與預設振源模型進行匹配；若匹配成功，則將所述屬於同一預設信號類的子信號的振源類型確定為所述預設振動模型對應的振源類型。可選地，處理器71執行所述獲取光纖振動信號的步驟包括：獲取光纖某一位置在一段時間內產生的光纖振動信號；處理器71執行所述將所述光纖振動信號分為多個子信號的步驟包括：對所述光纖振動信號進行多次採樣得到多個子信號。可選地，處理器71執行所述對所述光纖振動信號進行多次採樣得到多個子信號的步驟包括：利用FPGA採集所述光纖振動信號得到所述多個子信號。可選地，處理器71還用於：利用SVD算法對所述多個子信號構成的矩陣進行奇異值分解得到多個子矩陣；獲取奇異值最大的所述子矩陣，並提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號；對所述一維信號進行小波消噪後作為所述光纖某一位置產生的多個子信號。上述處理器71還可以稱為CPU(CentralProcessingUnit，中央處理單元)。具體的應用中，終端的各個組件通過總線74耦合在一起，其中總線74除包括數據總線之外，還可以包括電源總線、控制總線和狀態信號總線等。但是為了清楚說明起見，在圖中將各種總線都標為總線74。上述本發明實施方式揭示的方法也可以應用於處理器71中，或者由處理器71實現。處理器71可能是一種集成電路晶片，具有信號的處理能力。在實現過程中，上述方法的各步驟可以通過處理器71中的硬體的集成邏輯電路或者軟體形式的指令完成。上述的處理器71可以是通用處理器、數位訊號處理器(DSP)、專用集成電路(ASIC)、現成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者電晶體邏輯器件、分立硬體組件。可以實現或者執行本發明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等。結合本發明實施例所公開的方法的步驟可以直接體現為硬體解碼處理器執行完成，或者用解碼處理器中的硬體及軟體模塊組合執行完成。軟體模塊可以位於隨機存儲器，快閃記憶體、只讀存儲器，可編程只讀存儲器或者電可擦寫可編程存儲器、寄存器等本領域成熟的存儲介質中。該存儲介質位於存儲器72，處理器71讀取相應存儲器中的信息，結合其硬體完成上述方法的步驟。上述方案中，處理終端採用SVM算法對光纖振動信號的多個子信號進行分類，由於SVM算法可對線性不可分數據進行分類，故能夠將該光纖振動信號中屬於不同振源的子信號劃分開，實現光纖振動信號對應振源進行有效分類，而且，將不同振源的子信號劃分開後，能夠提高後續對子信號的振源識別的準確性。在本發明所提供的幾個實施方式中，應該理解到，所揭露的方法以及裝置，可以通過其它的方式實現。例如，以上所描述的裝置實施方式僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施方式方案的目的。另外，在本發明各個實施方式中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用軟體功能單元的形式實現。上述其他實施方式中的集成的單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟體產品的形式體現出來，該計算機軟體產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)或處理器(processor)執行本發明各個實施方式所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬碟、只讀存儲器(ROM，Read-OnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、磁碟或者光碟等各種可以存儲程序代碼的介質。以上所述僅為本發明的實施方式，並非因此限制本發明的專利範圍，凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的
技術領域：
，均同理包括在本發明的專利保護範圍內。當前第1頁1 2 3