基于支持向量机的光纤入侵信号分类识别方法
【技术领域】
[0001] 本发明设及光纤入侵系统的振源识别的基于支持向量机（SVM)的光纤入侵信号 分类识别方法。 技术背景
[0002] 随着社会的发展，科技的进步，地下油气输送管道如今已经成为油气运输的大动 脉。石油天然气管道安全预警技术关系到生命财产安全，具有重大的战略意义。随着管道 沿线经济的快速发展，油气管道沿线施工、动±随处可见，在管道上打孔盗取油气的事故频 繁发生，严重威胁着管道的生产安全。石油管道业的蓬勃发展，使政府每年投入大量的人力 物力来保障管道的安全运行，但是仍无法预防和阻止破坏。该些现象加剧了管道安全预警 系统的需求。
[0003] 光纤预警系统对铺设在管道沿线的光纤采集到的光纤信号进行处理和识别，并根 据入侵信号的特征确定各种破坏事件的严重性进行安全预警，从而保障油气管道安全。由 于基于相敏光时域反射技术的光纤传感系统，对周围环境的任何扰动，包括机械振动、人为 破坏、天气影响等都能感知，易引起频繁误报，因此基于光纤入侵信号特征的分类识别技术 是光纤预警系统的关键技术环节。
[0004]目前光纤入侵信号的识别还存在明显不足，其实现入侵类型识别的方法是将检测 到的入侵信号波形与数据库中的模板进行匹配。但是，该种处理方法对受噪声和干扰振动 的影响大，使得识别的准确率不稳定，因此，急需开展新的光纤入侵信号分类识别方法。
[0005] 经过一系列研究发现，基于支持向量机和光纤入侵信号数字特征的分类识别方法 能够有效的识别入侵类型。
【发明内容】
[0006] 本发明设及光纤入侵系统的入侵信号类型识别，其利用多类光纤入侵信号样本的 多维数字特征训练得到支持向量机分类器，通过所得的分类器可W对光纤入侵系统检测到 的入侵信号进行分类识别，确定入侵信号的类型。
[0007] 基于支持向量机（SVM)的光纤入侵信号分类识别方法，其特征在于包括：
[000引将光纤入侵信号的占空比、中屯、频率组成特征向量X，根据n个训练样本Xi(i= 1，2,. . .，n)，训练出最优分类超平面U= ?x+b，构成优化问题的目标函数：
[0009]
[0010]S.t.Yi(?'^Xj+b) ^ 1-Cii= 1, ? ? ?n,
[0011]其中U是超平面方程函数值，《是权向量，X是特征向量，b是超平面阀值，C是惩 罚因子，Ci是松弛变量，yi是样本标签。
[001引通过拉格朗日乘数法引入拉格朗日乘子ai构造拉格朗日函数沃尔夫对偶型；
[0016] 利用核函数将光纤入侵信号样本的特征向量映射到高维空间，在高维空间中求解 能区分光纤入侵样本的分类超平面，解决了在输入空间中入侵样本线性不可分的问题。本 发明选择高斯核函数K(F，产）e*pg(I作为映射函数，其中g为核函数系数，通过 引入核函数将拉格朗日函数沃尔夫对偶型改写成：
[0020] 利用序贯最小化优化算法求解拉格朗日乘子ai(i=l，2，...，n)获得支持向量 机分类器。通过启发式选择方法每次选取两个拉格朗日乘子aJ和ak作为算法优化的对 象，并固定其他拉格朗日乘子不变，由此得到
其中丫是定值。
[0021] 由曰而+日iJk= 丫和0《曰C(i= 1，. . .，n)求解曰k的取值范围山田：
[0024]Wak自变量求解目标函数Ma)的极值点：
[00 巧]
[0026] 其中E=u-y，表示分类函数值与真实标签值的误差，设；n= K(x^xp+K(Xk，Xk)-2K(Xj，Xk)。根据Qk的取值范围山田得到优化后的a巧；
[0027]
[002引则另一个被优化的乘子<"=a, +W% 。重复上述优化过程直到所有 的拉格朗日乘子满足沃尔夫对偶问题的卡罗需-库恩-塔克条件：
[0029] = 0 1
[0030] 0 <巧' < C O = 1
[0031] a. =C〇y.ii. <1
[0032] 采用网格寻优结合K折交叉验证化-folder CV)的方法来选取支持向量机分类器 的预设参数惩罚因子C和核函数系数g。限定C和g的取值范围，按一定的步进长度改变C 和g的大小，将数据集分成个k子集，每个子集均做一次测试集，其余的作为训练集。重复 交叉验证k次，每次选择一个子集作为测试集，并将k次的平均交叉验证识别率作为结果。 选择分类准确率最高的C和g作为支持向量机的最优参数。
[0033] 将未知类型光纤信号的特征向量X输入到支持向量机分类函数
b得到相应的类别标签，从而得出未知入侵信号的类型。
【附图说明】
[0034] 图1是根据本发明的一个实施例的光纤入侵信号识别方法的总体流程图。
[00巧]图2是根据本发明的一个实施例中采用的高斯核函数映射示意图。
[0036] 图3是根据本发明的一个实施例中获得的交叉验证参数图。
[0037] 图4是根据本发明的一个实施例中获得的机械、人工挖掘信号实测分类结果。 具体实施方案
[0038]W下结合附图，对本发明的实施例进行具体描述。
[0039] 根据本发明的一个实施例的一种基于支持向量机的光纤入侵信号分类识别方法 的总体流程如图1所示，其中：
[0040] S101 ;读入用于训练样本的光纤入侵信号。
[0041] S102;提取光纤入侵信号相关的数字特征组成特征向量，得到多类入侵信号的特 征向量集Xi(i= 1，2，...，n)。特征共有2维，包括：基于恒虚警检测的占空比特征和基于 快速傅里叶变换的中屯、频率特征。本发明人通过分析光纤入侵样本信号特征在二维平面的 分布，发现其具有线性不可分性。
[0042] S103;对不同类别的光纤入侵信号编号作为分类标签，针对含分类标签的光纤入 侵信号建立非线性支持向量机分类器。其思想是在特征空间寻找超平面u= ?x+b将不同 类别的信号间隔开。其中《是权向量，X是特征向量，b是超平面阀值。为了获得容错性最 佳的分类器，即分类间隔最大的超平面，需要最大化
。本实施例中利用高斯核函 数K(Xi，Xj) =exp(-g| |xi-Xj|I)将光纤入侵信号样本的特征向量映射到高维空间W解决在 输入空间线性不可分的问题，其中g为高斯核函数系数。同时，为了使分类器能够处理样本 线性不可分的情况，引入松弛变量优化问题的沃尔夫对偶型为：
[0043]
[0044] S.t. 0《a C, i =