基于lda算法模型的光纤入侵信号识别方法
【技术领域】
[0001] 本发明涉及一种基于LDA算法模型的光纤入侵信号识别方法。
【背景技术】
[0002] 石油、天然气主要靠管道进行运输，管道运输是一种比较经济、安全、可靠和便捷 的运输方式，具有连续输送、平稳的特点，能很好地协调油气田和炼厂、石油化工厂的生产。 与公路、铁路、水路等运输方式相比，管道输送具有输送量大、投资省、建设周期短、对生态 环境影响小等优点。
[0003] 我国目前现有油气管道3万多公里，"十一五"期间已建设3万多公里的油气管 道，而如此之长的管道目前尚无有效的安全防护方式，在管道上打孔盗油、盗气事件十分频 繁，对国家和人民生命财产造成了巨大损失。由于大气腐蚀、人为故意损坏等原因，管道泄 漏事故经常发生，所铺设的油气管道沿途可能穿越人口密集的城镇、乡村、农田、沙漠、公路 和铁路等各种复杂的环境，周围存在的施工、人为破坏以及自然灾害（如地震、洪水、泥石 流以及山体滑坡）等诸多因素有可能造成管道泄漏，一旦发生事故将会造成巨大的生命财 产损失和环境污染。因此建立有效地预测、检测机制对潜在的破坏事件作出预警，是减少恶 性事件的很好手段，于是管道安全预警系统应运而生。常用的油气管道泄漏检测装置输送 压力和流量等参数的变化来判断是否发生泄漏。该类方法受输送物质特性以及输送工况等 因素影响，对微小泄漏检测灵敏度不高，目前的技术多数是在管道破坏以后的泄漏检测技 术，经济损失较大。
[0004] 光纤入侵信号识别系统利用与油气管道同沟敷设的普通通信光缆中的光纤作为 传感器，长距离连续实时检测油气管道沿线的土壤振动情况，包括在油气管道附近施工、人 为破坏油气管道等，来分析判断是否存在威胁油气管道安全的破坏事件，及时报警，起到安 全预警的作用，并能够对这些事件进行准确的分析和定位，确定事件的性质，通过地理信息 系统显示振动源所在地的具体位置和性质。
[0005] 综上所述，基于小波系数功率熵检验的光纤入侵信号识别方法具有极大的研究价 值与使用价值。
【发明内容】
[0006] 根据本发明的一个方面，提供了一种基于LDA算法的光纤入侵信号识别方法，该 方法能有效区分机械施工和人工作业，其特征在于包括：
[0007] 对采集的数据利用多孔算法对其进行小波分解，得到各频段概貌系数与细节系 数，其中所得到各频段的小波系数与未分解时原时域信号长度均保持一致；
[0008] 对各频段的小波系数（不包含最低频）计算小波系数功率，然后求得各系数功率 占比；
[0009] 计算小波系数功率熵，得到关于小波系数功率熵的特征样本数据；
[0010] 将各频段小波系数功率进行归一化，利用各频段与归一化的小波系数功率可求得 信号频域中心，得到关于信号中心频率的特征样本数据；
[0011] 将以上所得到的二维特征数据输入到LDA算法分类器，对入侵信号性质进行识 别。
【附图说明】
[0012] 图1是根据本发明的一个实施例的方法的整体流程。
[0013] 图2是根据本发明的一个实施例的多孔算法原理图。
[0014] 图3是根据本发明的一个实施例的多孔算法分解结果。
[0015] 图4是根据本发明的一个实施例的振动信号二维特征分布图。
[0016] 图5是根据本发明的一个实施例的LDA分类器训练后的数据分布。 具体实施方案
[0017] 以下结合附图，对本发明实施例中的技术方案进行描述。显然，所描述的实施例仅 仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，对于本领域普通技 术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例，都属于 本发明保护的范围。
[0018] 请参见图1所示，图1是根据本发明的一个实施例的基于小波系数熵检验的光纤 入侵信号识别方法的流程图。如图1所示，本实施例所揭示的基于LDA算法模型的光纤入 侵信号识别方法包括：
[0019] SlOl :通过对采集数据利用小波多孔算法对其做四层分解，这样得到的小波系数 的长度都与原时域信号的长度保持一致。
[0020] S102 :对各频段小波系数分别求得功率值，继而求得各频段小波系数功率占比，最 后求得各频段小波系数功率熵值；
[0021] S103 :将各频段小波系数功率归一化，求各频段中心值的期望即信号中心频率；
[0022] S104 :将中心频率、小波系数功率熵结果输入到LDA算法模型，得到最佳鉴别矢量 空间。
[0023] 根据本发明的一个实施例的多孔算法分解流程如图2所示：
[0024] 使用哈尔小波族中的db5小波，求得该小波分解时的低通滤波器系数h。(n)以及 高通滤波器系数Ii 1 (n)，图2中，H1(Z)是将Ill (n)每两个点之间插入三个零得到的新滤波 器，同理，HJz2)是将hjn)每两个点插入一个零后所得到的新滤波器，丨2代表二抽取环 节，即对信号每隔两个点进行抽取，这样就把每一级的抽取移到了最后，这样即可保证总的 数据不会逐级减少，经过多孔算法分解后，可以得到一个低频段小波概貌系数和四个高频 段小波细节系数。
[0025] 利用多孔算法对时域信号进行分解所得到小波系数的实例如图3所示：
[0026] 图3中，a4表示四层小波概貌系数，dl~d4分别代表各频段小波细节系数，由图 可以看出各频段小波系数长度均与原时域信号长度一致，分别对dl~d4求其功率值，然后 求得每层小波系数功率在各频段中的占比，最后求得各层小波系数功率熵值，结果作为样 本数据库。
[0027] 将二维样本数据输入到LDA分类器的实例如图4所示。图4中代表电钻信号 数据，' A '代表电钻信号均值，'〇'代表镐刨信号数据，' + '代表镐刨信号均值，代表所 有数据均值，从图4可以很明显看出电钻和镐刨信号的在坐标上着明显的界限。下面再将 这些数据放入到LDA分类器中进一步分类。
[0028] 图5所示为上述数据由LDA分类器分类后的数据，将这些数据更准确的进行分类； 从图5中可以清楚地看出，由LDA分类器降维分类后，2种信号达到了分类的目的，从而有效 的区分振动源信号类型。
[0029] 本发明与现有光纤入侵信号识别方法具有以下优点：
[0030] (1)本发明的方法信号识别准确率较高，误差小；
[0031] (2)本发明的方法简单易行，并且执行效率高，耗时少，对于数据量较大的信号可 以做到实时处理，保证执行效率；
[0032] (3)本发明的方法采用多孔算法对信号做多层分解，所得系数长度保持一致，便于 求解小波系数功率熵，降低系统设计难度，易于实现。
【主权项】
1. 一种基于LDA算法的光纤入侵信号识别方法，该方法能有效区分机械施工和人工作 业，其特征在于包括： 对采集的数据利用多孔算法对其进行小波分解，得到各频段概貌系数与细节系数，其 中所得到各频段的小波系数与未分解时原时域信号长度均保持一致； 对各频段的小波系数（不包含最低频）计算小波系数功率，然后求得各系数功率占 比； 计算小波系数功率赌，得到关于小波系数功率赌的特征样本数据； 将各频段小波系数功率进行归一化，利用各频段与归一化的小波系数功率可求得信号 频域中屯、，得到关于信号中屯、频率的特征样本数据； 将W上所得到的二维特征数据输入到LDA算法分类器，对入侵信号性质进行识别。2. 根据权利要求1的方法，其特征在于： 所述小波分解后包括一个二抽取环节，运样每一级小波分解后概貌系数与细节系数都 要比上一级的系数减少一半， 使用哈尔小波族中的化5小波，求得该小波分解时的低通滤波器系数h。(n)W及高通 滤波器系数hi(n)， 所述多孔算法包括将hi(n)每两个点之间插入=个零得到新滤波器，同时将he(n)每两 个点插入一个零后得到的新滤波器，即把每一级的抽取移到了最后，从而保证总的数据不 会逐级减少，而且有效地实现了麦勒特（Mallet)算法， 经过多孔算法分解后，可W得到一个低频段小波概貌系数和四个高频段小波细节系 数。3. 根据权利要求1的方法，其特征在于进一步包括： 对所求得的各频段小波系数，分别计算不包含最低频的各频段的小波系数功率，继而 求得小波系数功率赌，计算各频段小波系数功率：其中，s(i)代表第i个小波系数，N代表小波系数的长度，然后可W求得各频段小波系 数功率占总功率的比例，即：其中Pi分别代表各频段小波系数功率，继而可W求得小波系数功率赌，即：共中，衣甘娜投/J、彼巧敛功率占总功率的比例，通过W上各式可求得小波系数功 率赌。4. 根据权利要求1的方法，其特征在于进一步包括： 对所求得的小波系数功率归一化，具体为：其中S(i)代表第i个小波系数功率，P(i)为第i个小波系数功率占比。分别求取四 个高频段的频率中屯、f，继而求得整个信号频率的期望值即中屯、频率：其中，f(i)为第i频段的频率中屯Sfs为信号的中屯、频率，所求得中屯、频率作为样本数 据。5.根据权利要求1的方法，其特征在于进一步包括： 用LDA算法将中屯、频率、功率赌二维特征数据进行降维并投影到最佳鉴别矢量空间， 投影后保证样本数据在新的子空间有最大的类间距离和最小的类内距离，从而使得样本数 据在该空间中有最佳的可分离性， 寻找使得支持矢量达到最大值继而可W求得最佳投影方向，即引入Fisher鉴别准则 表达式：其中V为任一n维列矢量，T代表列矢量转置，Sb为类间散布矩阵，S"为类内散布矩阵，Fisher线性鉴别分析就是选取使得Jfuhw(V)达到最大值的矢量V作为投影方向，其物理意 义就是投影后的样本具有最大的类间离散度和最小的类内离散度，从而使投影后样本数据 的类间散布矩阵（Sb)最大，并且同时类内散布矩阵（SJ最小，从而实现分类，并有效地识别 振源类型。
【专利摘要】本发明针对光纤入侵信号识别系统提出了一种基于LDA算法检验的方法，该方法包括：对采集的时域信号利用多孔算法对其进行多层分解，得到各频段小波概貌与细节系数；通过计算小波功率熵与信号的中心频率得到二维样本数据，将该样本数据输入到LDA算法检验模型，使投影后样本数据的类间散布矩阵最大，并且同时类内散布矩阵最小，最终达到较为理想的分类效果，即可判断施工信号为机械信号或者人工信号。该方法简单易行，计算效率高并且可以有效区分入侵信号性质。
【IPC分类】G01V8/10
【公开号】CN105204084
【申请号】CN201510575833
【发明人】曲洪权, 赵超, 蔡希昌, 李雪莲, 吕雷
【申请人】北方工业大学
【公开日】2015年12月30日
【申请日】2015年9月10日