一种光纤振动信号的分类方法及装置及光纤传感系统与流程

本发明涉及光纤通信领域，特别是涉及一种光纤振动信号的分类方法及装置及光纤传感系统。
背景技术：
：随着光纤处理技术发展，光纤已作为传感器应用于各种探测领域，用于测量周边环境状况，例如是否有物体经过、且该物体具体为何物等。当光纤传感器受到外界干扰影响时，光纤中传输光的部分特性就会改变，光线传感系统接收光纤的光信号，并进行光电转换，分析转换后电信号的特征以判断其光特性的改变，进而确定光纤对应位置的环境状况，例如为有车辆闯入等，进而可实现对环境的监测。。一般光纤周边环境比较复杂，通常存在两个振源同时发生的情况。此时，采集到的光纤振动信号则包含两个振源的振动信号的混杂信号，若直接对该混杂信号进行振源识别，由于该混杂信号包含两个振源的振动信号特征，故容易造成识别出错，故需要在识别前对该混杂信号进行分类。技术实现要素：本发明主要解决的技术问题是提供一种光纤振动信号的分类方法及装置及光纤传感系统，能够实现光纤振动信号对应振源进行分类，提高识别准确性。为解决上述技术问题，本发明采用的一个技术方案是：提供一种光纤振动信号的分类方法，包括：处理终端获取光纤振动信号，其中，所述光纤振动信号由光纤反射的光信号转换得到；将所述光纤振动信号分为多个子信号；利用支持向量机SVM算法，将所述多个子信号划分至至少一个预设信号类中，其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。其中，所述利用支持向量机SVM算法，将所述多个子信号划分至至少一个预设信号类中的步骤包括：当本地存储的预设信号类的数量超过2时，从本地存储的多个预设信号类中选择两个，并利用SVM算法构成二类分类器，利用所述二类分类器分别将每个所述子信号划分至所述选择的两个预设信号类的其中一个；重新选择所述划分至的预设信号类和所述多个预设信号类中未选择的一个预设信号类并利用SVM算法构成二类分类器，利用所述新构成的二类分类器分别将每个所述子信号划分至所述重新选择的两个预设信号类的其中一个，重复本步骤，直至所述多个预设信号类中的每个预设信号类均已被选择；将所述多个所述子信号最后划分至的预设信号类分别作为所述多个子信号所属的预设信号类。其中，所述预设信号类的选择顺序按照所述多个预设信号类中的特征数据之间的差别程度从大至小先后排列。其中，在所述将所述多个子信号划分至至少一个预设信号类中步骤之后，所述方法还包括：将属于同一预设信号类的子信号与预设振源模型进行匹配；若匹配成功，则将所述属于同一预设信号类的子信号的振源类型确定为所述预设振动模型对应的振源类型。其中，所述获取光纤振动信号的步骤包括：获取光纤某一位置在一段时间内产生的光纤振动信号；所述将所述光纤振动信号分为多个子信号的步骤包括：对所述光纤振动信号进行多次采样得到多个子信号。其中，所述对所述光纤振动信号进行多次采样得到多个子信号的步骤包括：利用高速数据采集卡FPGA采集所述光纤振动信号得到所述多个子信号。其中，所述将所述光纤振动信号分为多个子信号的步骤之后，所述方法还包括：利用奇异值分解SVD算法对所述多个子信号构成的矩阵进行奇异值分解得到多个子矩阵；获取奇异值最大的所述子矩阵，并提取所述奇异值最大的子矩阵的每行元素以集合组成一维信号；对所述一维信号进行小波消噪后作为所述光纤某一位置产生的多个子信号。为解决上述技术问题，本发明采用的另一个技术方案是：提供一种光纤振动信号分类装置，包括：获取模块，用于获取光纤振动信号，其中，所述光纤振动信号由光纤反射的光信号转换得到；划分模块，用于将所述光纤振动信号分为多个子信号；分类模块，用于利用支持向量机SVM算法，将所述多个子信号划分至至少一个预设信号类中，其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。其中，所述分类模块包括：选择单元，用于当本地存储的预设信号类的数量超过2时，从本地存储的多个预设信号类中选择两个，并利用SVM算法构成二类分类器，利用所述二类分类器分别将每个所述子信号划分至所述选择的两个预设信号类的其中一个；分类单元，用于重新选择所述划分至的预设信号类和所述多个预设信号类中未选择的一个预设信号类并利用SVM算法构成二类分类器，利用所述新构成的二类分类器分别将每个所述子信号划分至所述重新选择的两个预设信号类的其中一个，重复本步骤，直至所述多个预设信号类中的每个预设信号类均已被选择，并将所述多个所述子信号最后划分至的预设信号类分别作为所述多个子信号所属的预设信号类。为解决上述技术问题，本发明采用的再一个技术方案是：提供一种光纤传感系统，包括光纤传感器及处理终端；所述光纤传感器用于在一端发出第一光信号，并从所述一端接收由所述第一光信号反射得到的第二光信号；所述处理终端用于对所述第二光信号对应的光纤振动信号进行分类，其中，所述处理终端包括上述的光纤振动信号分类装置，以对所述光纤振动信号进行分类。上述方案，处理终端采用SVM算法对光纤振动信号的多个子信号进行分类，由于SVM算法可对线性不可分数据进行分类，故能够将该光纤振动信号中属于不同振源的子信号划分开，实现光纤振动信号对应振源进行有效分类，而且，将不同振源的子信号划分开后，能够提高后续对子信号的振源识别的准确性。附图说明图1是本发明光纤振动信号的分类方法一实施方式的流程图；图2是本发明光纤传感系统一实施方式的结构示意图；图3是图1所示的步骤S13包括的子步骤的流程图；图4是本发明光纤振动信号的分类方法一实施方式中的构建分类器的流程示意图；图5是本发明光纤振动信号的分类方法另一实施例的流程图；图6是本发明光纤振动信号分类装置一实施方式的结构示意图；图7是本发明光纤振动信号分类装置另一实施方式的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本申请。在其它情况中，省略对众所周知的装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。请参阅图1，本发明光纤振动信号的分类方法一实施方式的流程图，该方法包括：S11：处理终端获取光纤振动信号。其中，所述光纤振动信号为光纤电信号，该光纤电信号由光纤反射的光信号转换得到。例如，该光纤振动信号为光纤某一位置在一段时间内反射的光信号转换得到的电信号。请结合图2举例说明，图2示出一光纤传感系统，该光纤传感系统可采用光脉冲调制方式，通过探测背向散射信号的相位变化引起的反射光干涉强度变化，能够同时检测出多个并发振源，从而实现预警和对振源定位。该光纤传感系统包括顺序连接的光纤传感器21、光学系统23、光电转换电路24与处理终端22。光纤传感器21设置于需监测的环境中如地下，以监测该环境状况。光纤传感器21可采用普通通信光缆中的一根空闲纤芯作传感单元，进行分布式多点振动测量。其基本原理是当外界的振动作用于通信光缆时，引起光缆中纤芯发生形变，使纤芯长度和折射率发生变化，导致光缆中光的相位发生变化。当光在光缆中传输时，由于光子与纤芯晶格发生作用，不断向后传输瑞利散射光。当外界有振动发生时，背向瑞利散射光的相位随之发生变化，这些携带外界振动信息的信号光，经光学系统23处理，将微弱的相位变化转换为光强变化，再经光电转换电路24的光电转换和相应信号处理后，进人处理终端22进行数据分析。处理终端22根据分析的结果，判断振动事件的发生，并确认振动地点。具体地，光纤传感器21定时从一端发出第一光信号，该第一光信号可以是一脉冲信号，如为脉冲宽度为10ns的激光，该第一光信号在光缆中各个位置经过瑞利散射形成的第二光信号，并且该第二光信号反射回该光纤传感器21的一端。光纤传感器21从该一端输出该第二光信号。光学系统23对第二光信号进行采样，得到多个对应不同光纤位置的光信号。其中，该采样间隔可采集光纤每隔设定距离发射的光信号，例如，第一个采样光信号对应为距离光纤一端1米位置反射的光信号，第二个采样光信号对应为距离光纤一端2米位置反射的光信号，以此类推。光学系统23通过光电转换电路24将采样得到的光信号转换为对应的电信号便于信号的处理。这里可以通过一般的光电转换电路24如APD转换得到模拟信号，再通过模数转换器将模拟信号转换成数字信号，并发送至处理终端22。其中，可直接将转换后该光纤数字信号作为该光纤振动信号，或者将波动超过设定程度的该光纤数字信号作为该光纤振动信号。在其他实施例中，该光学系统的部分步骤、光电转换步骤以及模数转换步骤中的至少一个步骤可由处理终端22执行，如处理终端22接收对光纤传感器21反射的第二光信号采集得到的多个采样光信号，并将其转换成多个采样电信号，并将该采样电信号进行模数转换后，作为该光纤振动信号；或者，将该采样电信号进行模数转换后，分析所述采样电信号在时域和空域的平稳特性；对应所述采样电信号不同时域和空域的平稳特性，采用不同的检测方式对所述采样电信号进行检测；若所述检测通过，则将所述采样电信号确认为光纤振动信号。S12：将所述光纤振动信号分为多个子信号。例如，该光线振动信号为光纤某一位置在一段时间产生的，处理终端22将该光纤振动光信号进行多次采样，得到多个子信号。其中，该采样间隔可根据实际情况进行调整，通常，该采样间隔为0μs-100μs之间，如40μs、10μs、100μs等，在一应用中，该采集间隔为0，即处理终端连续采集得到m个子信号，其中，m为大于1的整数。本实施例中，处理终端22可还包括高速数据采集卡(英文简称：FPGA)模块和数字信号处理(英文：DigitalSignalProcessing，简称：DSP)模块，该FPGA模块用于采集所述光纤振动信号，得到多个子信号。FPGA模块将采集的光纤采样信号缓存在该FPGA模块内的FIFO缓冲器，FIFO的半满信号线和DSP模块相连，当FIFO的半满时触发DSP的EDMA事务，以把光纤采样信号的相关数据从FIFO转移到DSP的存储器如SDRAM。当存储器中的数据长度达到系统设定值时，对该存储器中的光纤采样信号进行处理，如进行信号分类、振源识别等。而且，下述的奇异值分解和消噪相关步骤可以在存入至DSP的存储器之前执行，或者将采集到的光纤采样信号直接存至DSP的存储器，并当存储器的数据长度达到设定值后，再执行下述的奇异值分解和消噪相关步骤。S13：利用支持向量机算法，将所述多个子信号划分至至少一个预设信号类中。其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。即将一个振源产生的光纤振动信号的特征数据归为一个预设信号类的属性或特征。该特征数据可以为光纤振动信号的振动强度、振动频率、振动持续时间等。本发明主要获取的光纤振动信号可能包括多个振源产生的振动信号，例如在第一次采集到的子信号可能是主要由行人经过产生的，第五次采集到的自信好可能是车辆经过产生的，故需要对这些子信号按照不同振源进行分类。由于不同振源产生的光纤振动信号之间有些特征差别不大，故这些光纤振动信号之间是线性不可分的。本实施例提出采用支持向量机(英文：SupportVectorMachine，简称：SVM)算法对这些线性不可分的数据进行分类。具体地，处理终端事先获取不同振源的振动信号，并不同振源的振动信号特征进行提取并学习，得到代表不同振源的振动信号特征的多个预设信号类。根据下述公式1求得用于划分出该多个预设信号类的分类器：min12||w||2S.T.yi[(w·xi)+b]≥1-ζi,(i=1,2,...,n)ζi≥0---(1)]]>其中，所述||w||2为目标函数，1/||w||称为几何间隔，为子信号到分类超平面之间的欧氏距离，所述S.T表示后面的为所述目标函数的限制条件，所述ζi为松弛变量，所述xi为第i个振动信号，所述y为第i个预设信号类的标识值，所述n为获取的振源信号的数量，所述b为一设定常数。其中，该预设信号类的标识值可用-1、1等来表示，该b可根据不同的光纤应用环境或光纤需求进行设置。上述松弛变量可事先由程序测试中确定的，通过多次试验查找到合适值。转化到上述公式1的形式后，该问题成为了一个凸优化问题，或者更具体的说，因为现在的目标函数是二次的，约束条件是线性的，所以它是一个凸二次规划问题。这个问题可以用任何现成的QP(QuadraticProgramming)的优化包进行求解，归结为一句话即是：在一定的约束条件下，目标最优，损失最小。虽然这个问题确实是一个标准的QP问题，但是它也有它的特殊结构，通过拉格朗日对偶(英文：LagrangeDuality)变换到对偶变量(英文：dualvariable)的优化问题之后，可以找到一种更加有效的方法来进行求解，而且通常情况下这种方法比直接使用通用的QP优化包进行优化要高效得多。也就说，除了用解决QP问题的常规方法之外，还可以通过求解对偶问题得到最优解，这就是线性可分条件下支持向量机的对偶算法，这样做的优点在于：一者对偶问题往往更容易求解；二者可以自然的引入核函数，进而推广到非线性分类问题。得到分类器后，利用该分类器分别对上述S12得到的多个子信号进行分类，以将每个子信号划分至上述的预设信号类中。请结合参考图3，在一实施例中，上述S13步骤包括以下子步骤：S131：当本地存储的预设信号类的数量超过2时，从本地存储的多个预设信号类中选择两个，并利用SVM算法构成二类分类器，利用所述二类分类器分别将每个所述子信号划分至所述选择的两个预设信号类的其中一个。S132：重新选择所述划分至的预设信号类和所述多个预设信号类中未选择的一个预设信号类并利用SVM算法构成二类分类器，利用所述新构成的二类分类器分别将每个所述子信号划分至所述重新选择的两个预设信号类的其中一个。重复步骤S132，直至所述多个预设信号类中的每个预设信号类均已被选择。S133：将所述多个所述子信号最后划分至的预设信号类分别作为所述多个子信号所属的预设信号类。其中，上述S131和S132中利用SVM算法构成二类分类器具体可根据上述方式1求得。为便于理解，结合图4对其中子信号的分类进行距离说明，处理终端预设信号类有5个，包括第1-5预设信号类。处理终端提取一子信号，并从该预设信号类中选择第1和第5预设信号类组成二类分类器，将该子信号输入至二类分类器中；若得到分类结果为该子信号属于第1预设信号类，则从剩余的3个预设信号类中选择第4预设信号类与第1预设信号类组成二类分离器，将子信号输入至该二类分类器中；若得到分类结果为该子信号属于第1预设信号类，则从剩余的两个预设信号类中选择第3预设信号类与第1预设信号类组成二类分离器器，将子信号输入至该二类分类器中；若得到分类结果为该子信号属于第1预设信号类，则从剩余的第2预设信号类与第1预设信号类组成二类分离器器，将子信号输入至该二类分类器中，若得到的分类结果为该子信号属于第1预设信号类，则将该子信号划分至第一预设信号类中。其他的子信号采用上述同理进行分类。当然，预设信号类的选择顺序按照所述多个预设信号类中的特征数据之间的差别程度从大至小先后排列，即第一次选择的两个预设信号类包括的振动信号的特征数据之间的差异程度大于第二次选择的两个预设信号类包括的振动信号的特征数据之间的差异程度大于第二次选择的两个预设信号类包括的振动信号的特征数据之间的差异程度……以此类推。当然也可以预设信号类的选择顺序按照所述多个预设信号类中的特征数据之间的差别程度从小至大先后排列，在此不作限定。本实施例中，处理终端采用SVM算法对光纤振动信号的多个子信号进行分类，由于SVM算法可对线性不可分数据进行分类，故能够将该光纤振动信号中属于不同振源的子信号划分开，实现光纤振动信号对应振源进行有效分类，而且，将不同振源的子信号划分开后，能够提高后续对子信号的振源识别的准确性。请参阅图5，图5是本发明光纤振动信号的分类方法再一实施方式的流程图。本实施例方法由处理终端执行，52：包括以下步骤：S51：处理终端获取光纤振动信号，其中，所述光纤振动信号由光纤反射的光信号转换得到。S52：将所述光纤振动信号分为多个子信号。上述S51和S52步骤如上面实施例的S11和S12所述，请参阅上述相关说明。S53：利用奇异值分解算法对所述多个子信号构成的矩阵进行奇异值分解得到多个子矩阵。本实施例中，处理终端采用奇异值分解(英文：Singularvaluedecomposition，简称：SVD)算法对采集得到多个子信号进行处理，以获得信噪比高、噪声均匀的多个子信号。具体，上述S53步骤可具体包括如下子步骤：子步骤S531：将所述多个子信号{x(1),x(2),…,x(n)}构成k*l阶矩阵H。将多个光纤采样信号组成一维信号序列X＝{x(1),x(2),…,x(n)}，并将该一维信号序列X构成k*l阶矩阵H。其中，k*l＝n，k和l均为正整数。子步骤S532：采用下述公式11对所述矩阵H进行奇异值分解，得到多个子矩阵其中，上述矩阵H为k*l阶酉矩阵；所述矩阵H的秩为m，利用SVD可以将k*l阶矩阵H表示m个k*l阶子矩阵之和。所述U是k×k阶正交矩阵，所述VT表示矩阵V的共轭矩阵，所述V是l×l阶正交矩阵；所述为对角阵，所述是矩阵H的第i个奇异值，并且所述ui为矩阵U的第i个列向量，所述vi为矩阵V的第i个列向量，所述Hi是包含ui和vi的子矩阵。若是矩阵H表示时频信息，则对应的ui和vi视为频率矢量和时间矢量。因此，H中的时频信息被分解到一系列由ui和vi构成的时频子空间中。故选取一定子空间进行重构，可以提取特定成分的信号，例如，选择奇异值最大的子矩阵，即可提取得到该多个子信号所包含主要数据特征。S54：获取奇异值最大的所述子矩阵，并提取所述奇异值最大的子矩阵的每行元素以集合组成一维信号。例如，获取分解得到的多个子矩阵中奇异值最大的子矩阵并将奇异值最大的子矩阵的各行元素分别作为一维信号Sj的元素，集合形成所述一维信号Sj＝{Sj,1,Sj，2,…,Sj,m}，其中，所述Sj,m表示子矩阵的第m行向量。S55：对所述一维信号进行小波消噪后作为所述光纤某一位置产生的多个子信号。本实施例中，处理终端对S54步骤所得到的一维信号进行小波阀值消噪，该消噪方式可包括硬阀值和软阀值两种。该硬阀值方式具体如，根据下述公式12对S54步骤所得到的一维信号Sj的每个元素{Sj,1,Sj，2,…,Sj,m}进行处理，并由每个处理后的元素{Sj,1',Sj，2',…,Sj,m'}组成所述光纤某一位置在所述一段时间内产生的光纤信号Sj'，Sj,z′=Sj,z|Sj,z|>T0|Sj,z|≤T---(12)]]>其中，所述Sj,z为所述一维信号Sj中的第z个元素，所述Sj,z'为所述光纤振动信号Sj'中的第z个子信号(元素)，所述T为一设定值。该软阀值方式具体如，根据下述公式13对S54步骤所得到的一维信号Sj的每个元素{Sj,1,Sj，2,…,Sj,m}，并由每个处理后的元素{Sj,1',Sj，2',…,Sj,m'}组成所述光纤某一位置在所述一段时间内产生的光纤信号Sj'，Sj,z′=sgn(Sj,z)(|Sj,z|-αT)|Sj,z|>T0|Sj,z|≤T---(13)]]>其中，所述Sj,z为所述一维信号Sj中的第z个元素，所述Sj,z'为所述光纤振动信号Sj'中的第z个子信号(元素)，所述α为比例系数，且0≤α≤1，sgn(x)为符号函数，所述T为一设定值。在具体应用中，上述T可根据实际情况由用户输入，或者自身对实际情况进行判断学习后，进行相应设置。经上述小波消噪后，处理终端可对该消噪后的多个子信号进行分类、振源识别或者其他处理。S56：利用SVM算法，将所述多个子信号划分至至少一个预设信号类中，其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。请参照上述S13的说明，在此不做赘述。S57：将属于同一预设信号类的子信号与预设振源模型进行匹配，若匹配成功，则执行S58。若匹配不成功，则处理终端可提取该类子信号的特征，并根据该类子信号的特征形成一个新的预设信号类。S58：将所述属于同一预设信号类的子信号的振源类型确定为所述预设振动模型对应的振源类型。例如，属于第1类预设信号类的子信号与上例中的第一预设振动模型的特征匹配，则该子信号为振动信号，且判断振源为行人经过。处理终端计算出来该光纤信号对应的光纤位置，并还可向相关设备发送信息，以通知该光纤位置有行人经过。具体的，处理终端判断子信号是否与预设振动模型匹配的方式可如下步骤：S571：处理终端获取属于同一预设信号类的J帧子信号，J大于等于1。S572：提取每帧子信号的特征矢量组成数组T[J]＝{T(0)，T(j)，…，T(J-1)}，并获取预设信号模型的特征矢量组成的数组R[I]＝{R(0)，R(i)，…，R(I-1)}。其中，所述子信号的特征矢量与所述预设信号模型的特征矢量的提取方式一致。例如，处理终端存储有至少一个预设信号模型，每个该预设信号模型对应包括一种振源的光纤振动信号的多个特征矢量R(0)，R(i)，…，R(I-1)，其中，i为该预设信号模型的信号帧的时序标号，i＝0为该预设信号模型的起点子信号帧，i＝I-1为该预设信号模型的终点子信号帧，因此I为该预设信号模型所包含的子信号的帧总数，R(i)为该预设信号模型第i帧的子信号的特征矢量。处理终端提取第1帧子信号至第J帧子信号的特征矢量一一依序对应为T(0)，T(j)，…，T(J-1)，其中，j为该光纤信号的信号帧的时序标号，j＝0为该光纤信号的起点子信号帧，j＝J-1为该光纤信号的终点子信号帧，因此J为该光纤信号所包含的子信号的帧总数，T(i)为个该光纤信号第j帧的子信号的特征矢量。上述I和J均大于1，且两者可相等或不相等，在此不作限定。值得注意的是，该处理终端提取子信号的特征矢量的方式与预设信号模型中的特征矢量的提取方式是一致的，以保证下述两者的准确对比。也即，预设信号模型和光纤信号采用相同类型的特征矢量。其中，其提取方式可以为多种，例如为线性预测编码(linearpredictivecoding，LPC)得到的能够代表该子信号特征的参数，如LPC系数或倒谱系数。在另一实施例中，所述提取每帧信号的特征矢量的步骤包括：将所述每帧子信号分别经过LPC分析得到对应的倒谱系数，将所述每帧子信号的倒谱系数作为其特征矢量。S573：确定所述特征矢量T(0)与所述特征矢量R(0)之间的距离g(R(0),T(0))以及参数M。其中，所述M与所述I和J之间的差正相关。例如，所述M＝m+|I-J|，m为一设定常数。在一应用中，该m可设置为I或J的十分之一到三十分之一，且小于10。本实施例中，处理终端利用公式14计算得到特征矢量T(0)与所述特征矢量R(0)之间的距离g(R(0),T(0))。g(R(0),T(0))＝2d(T(0),R(0))(14)其中，该d的定义请参阅步骤S44的公式16及其相关描述。S574：处理终端根据所述距离g(R(0),T(0))，顺序计算所述数组T[J]每个特征矢量T(j)分别与所述数组R[I]至少部分特征矢量R(i)之间的距离g(R(i),T(j))，直至计算得到所述特征矢量T(J-1)与特征矢量R(I-1)之间的距离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))计算得到。例如，处理终端利用公式15和公式16计算得到所述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，所述特征矢量T(j)表示为(y1，…，yn)，所述特征矢量R(i)表示为(x1，…，xn)。当然，在其他实施例中，该距离函数d也可采用欧氏距离，为其中，每个特征矢量T(j)对应的所述部分特征矢量R(i)包括所述数组R[I]中的特征矢量R(max(j-M,0))至特征矢量R(min(j+M,I-1))。上述顺序计算可表示为：按照数组T[J]的元素顺序，计算每个特征矢量T(j)与同一特征矢量R(i)的距离，且按照数组R[I]的元素顺序，计算其特征矢量R(i)与同一特征矢量T(j)的距离。如上述公式12，每个特征矢量T(j)与特征矢量R(i)的距离需依靠其之前特征矢量之间的距离，故需要按照数组顺序计算。其中，该S574可具体包括以下子步骤：根据所述距离g(R(0),T(0))，顺序计算所述数组T[J]每个特征矢量T(j)分别与所述特征矢量R(0)之间的距离g(R(0),T(j))；顺序计算所述数组T[J]每个特征矢量T(j)分别与所述数组R[I]至少部分特征矢量R(i)之间的距离g(R(i),T(j))。其中，当所述j＝0时，所述特征矢量T(0)对应的所述部分特征矢量R(i)包括所述数组R[I]中的所有特征矢量，当所述j≠0时，所述特征矢量T(j)对应的所述部分特征矢量R(i)包括所述数组R[I]中的特征矢量R(max(j-M,1))至特征矢量R(min(j+M,I-1))。S575：计算所述距离g(R(I-1),T(J-1))与所述I和所述J的和之间的比，以作为该子信号与所述预设信号模型的相似距离。例如，处理终端得到匹配至特征矢量R(I-1)和特征矢量T(J-1)的距离g(R(I-1),T(J-1))后，根据公式17计算得到该子信号与所述预设信号模型的相似距离s；s=g(R(I-1),T(J-1))I+J---(17).]]>S576：若所述相似距离满足设定条件，则处理终端将该子信号的振源类型确定为所述预设信号模型对应的振源类型。该设定条件如为小于设定相似距离，或者为所有预设信号模型中的最小相似距离。例如，处理终端存储多个预设信号模型，处理终端多次执行上述步骤S573-S575，得到每个预设信号模型与该光纤振动模型的相似距离，将处理终端将光纤振动模型的振源类型分类为相似距离最小的预设信号模型对应的振源类型。当然，针对具体应用的不同需求，该设定条件还可以其他条件，在此不作具体限定。上述匹配方式根据相似度确定该子信号的振源类型，实现了对子信号的振源分类，且该分类方式能够对振源进行准确分类，提高了振源识别的准确率，且处理终端根据设定规则仅计算数组T[J]每个特征矢量T(j)与数组R[I]部分特征矢量R(i)之间的距离，减少了运算量，提高了识别速度和效率，节省了处理终端的处理资源。参阅图6，本发明光纤振动信号分类装置一实施方式的结构示意图，该装置包括：获取模块61，用于获取光纤振动信号，其中，所述光纤振动信号由光纤反射的光信号转换得到。划分模块62，用于将所述光纤振动信号分为多个子信号。分类模块63，用于利用支持向量机SVM算法，将所述多个子信号划分至至少一个预设信号类中，其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。可选的，分类模块62包括：选择单元，用于当本地存储的预设信号类的数量超过2时，从本地存储的多个预设信号类中选择两个，并利用SVM算法构成二类分类器，利用所述二类分类器分别将每个所述子信号划分至所述选择的两个预设信号类的其中一个；分类单元，用于重新选择所述划分至的预设信号类和所述多个预设信号类中未选择的一个预设信号类并利用SVM算法构成二类分类器，利用所述新构成的二类分类器分别将每个所述子信号划分至所述重新选择的两个预设信号类的其中一个，重复本步骤，直至所述多个预设信号类中的每个预设信号类均已被选择，并将所述多个所述子信号最后划分至的预设信号类分别作为所述多个子信号所属的预设信号类。可选地，所述预设信号类的选择顺序按照所述多个预设信号类中的特征数据之间的差别程度从大至小先后排列。可选地，该装置还包括识别模块，用于：将属于同一预设信号类的子信号与预设振源模型进行匹配；若匹配成功，则将所述属于同一预设信号类的子信号的振源类型确定为所述预设振动模型对应的振源类型。可选地，获取模块61具体用于获取光纤某一位置在一段时间内产生的光纤振动信号；划分模块62具体用于对所述光纤振动信号进行多次采样得到多个子信号。可选地，划分模块62具体用于利用FPGA采集所述光纤振动信号得到所述多个子信号。可选地，该装置还包括消噪模块，用于利用SVD算法对所述多个子信号构成的矩阵进行奇异值分解得到多个子矩阵；获取奇异值最大的所述子矩阵，并提取所述奇异值最大的子矩阵的每行元素以集合组成一维信号；对所述一维信号进行小波消噪后作为所述光纤某一位置产生的多个子信号。可选地，该采样模块62具体用于由所述光纤信号的峰值确定所述光纤信号的包络线；对所述光纤信号的包络线进行采样，以获得多个设定时间长度的采样信号。其中，该处理终端的上述模块分别用于执行上述方法实施例中的相应步骤，具体执行过程如上方法实施例说明，在此不作赘述。参阅图7，本发明光纤振动信号分类装置另一实施方式的结构示意图，该装置70包括处理器71、存储器72、接收器73及总线74。其中，处理器71、存储器72、接收器73均可以是一个或多个，图7中仅以一个为例。接收器73用于接收外部设备发送的信息。例如，接收光纤传感器检测得到的光纤信号。存储器72用于存储计算机程序，并向处理器71提供所述计算机程序，且可存储处理器71处理的数据，例如接收器73接收到的光纤信号灯。其中，存储器72可以包括只读存储器、随机存取存储器和非易失性随机存取存储器(NVRAM)中的至少一种。存储器72存储的计算机程序包括如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集:操作指令：包括各种操作指令，用于实现各种操作。操作系统：包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。在本发明实施例中，处理器71通过调用存储器72存储的操作指令(该操作指令可存储在操作系统中)，来执行下面操作。具体，处理器71可执行存储器72中的计算机程序，用于：通过接收器73获取光纤振动信号，其中，所述光纤振动信号由光纤反射的光信号转换得到；将所述光纤振动信号分为多个子信号；利用SVM算法，将所述多个子信号划分至至少一个预设信号类中，其中，一所述预设信号类对应于一振源产生的光纤振动信号的特征。可选地，处理器71执行所述利用支持向量机SVM算法，将所述多个子信号划分至至少一个预设信号类中的步骤包括：当本地存储的预设信号类的数量超过2时，从本地存储的多个预设信号类中选择两个，并利用SVM算法构成二类分类器，利用所述二类分类器分别将每个所述子信号划分至所述选择的两个预设信号类的其中一个；重新选择所述划分至的预设信号类和所述多个预设信号类中未选择的一个预设信号类并利用SVM算法构成二类分类器，利用所述新构成的二类分类器分别将每个所述子信号划分至所述重新选择的两个预设信号类的其中一个，重复本步骤，直至所述多个预设信号类中的每个预设信号类均已被选择；将所述多个所述子信号最后划分至的预设信号类分别作为所述多个子信号所属的预设信号类。可选地，所述预设信号类的选择顺序按照所述多个预设信号类中的特征数据之间的差别程度从大至小先后排列。可选地，处理器71还用于：将属于同一预设信号类的子信号与预设振源模型进行匹配；若匹配成功，则将所述属于同一预设信号类的子信号的振源类型确定为所述预设振动模型对应的振源类型。可选地，处理器71执行所述获取光纤振动信号的步骤包括：获取光纤某一位置在一段时间内产生的光纤振动信号；处理器71执行所述将所述光纤振动信号分为多个子信号的步骤包括：对所述光纤振动信号进行多次采样得到多个子信号。可选地，处理器71执行所述对所述光纤振动信号进行多次采样得到多个子信号的步骤包括：利用FPGA采集所述光纤振动信号得到所述多个子信号。可选地，处理器71还用于：利用SVD算法对所述多个子信号构成的矩阵进行奇异值分解得到多个子矩阵；获取奇异值最大的所述子矩阵，并提取所述奇异值最大的子矩阵的每行元素以集合组成一维信号；对所述一维信号进行小波消噪后作为所述光纤某一位置产生的多个子信号。上述处理器71还可以称为CPU(CentralProcessingUnit，中央处理单元)。具体的应用中，终端的各个组件通过总线74耦合在一起，其中总线74除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线74。上述本发明实施方式揭示的方法也可以应用于处理器71中，或者由处理器71实现。处理器71可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器71中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器71可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器72，处理器71读取相应存储器中的信息，结合其硬件完成上述方法的步骤。上述方案中，处理终端采用SVM算法对光纤振动信号的多个子信号进行分类，由于SVM算法可对线性不可分数据进行分类，故能够将该光纤振动信号中属于不同振源的子信号划分开，实现光纤振动信号对应振源进行有效分类，而且，将不同振源的子信号划分开后，能够提高后续对子信号的振源识别的准确性。在本发明所提供的几个实施方式中，应该理解到，所揭露的方法以及装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。上述其他实施方式中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
，均同理包括在本发明的专利保护范围内。当前第1页1 2 3