一种针对光纤传感振动信号识别方法与系统与流程

本发明属于信号检测技术领域，具体涉及一种针对光纤传感振动信号识别方法及系统。

背景技术：

非法入侵和破坏性行为对军事基地、通信电缆、输油气管道及周界安防等基础设备、设施的安全造成严重威胁。针对危及电缆、管道安全及安防系统的各种非法入侵和破坏性行为(以下简称扰动信号)，及时、准确地有效识别具有重要的研究价值和现实意义。

分布式光纤传感扰动检测技术，因其抗电磁干扰能力强、灵敏度高、动态范围大、便于快速捕捉和高精度监测动态变化信息等技术优点，日益成为入侵行为安全监测的主流技术。然而，受自然环境复杂多变、光路噪声及线路散射噪声等客观因素的影响，以及外界入侵及破坏性行为所呈现的随机性和多样性，致使光纤传感扰动信号检测方法在提高识别率、降低虚警率方面存在实质性难点。因此需要一种简单、快速、准确的方法及系统来检测光纤传感器信号，实现对扰动信号快速准确的识别。

在自然界，动物在长期与环境的适应交互中，其传感信号听觉感知行为具备很好的柔性自愈能力，其感知过程是良态适定的。听觉系统在听音辨物方面表现出卓越的性能，即使在嘈杂的环境中，也可以自适应改善各种复杂环境下的输入损失，利用先验知识和目标特征调节认知行为达到准确检测和识别声音信号的目的。这恰好与复杂环境下分布式光纤振动传感扰动信号实时检测任务具有深刻的相似性。

现有的分布式光纤传感入侵信号检测方法大都从改进光路结构优化设计，辅之以智能计算的方法进行弥补。但是，获取扰动信号完备信息较为困难，再加上扰动信号的不确定性和随机性，即便增加先验知识也难以构建完备的知识数据库，使得现有数据驱动的检测方法仍然解决不了这样的病态不适定问题。

技术实现要素：

为解决上述问题，本发明提出一种针对光纤传感振动信号识别方法及系统，实现光纤传感振动信号的快速、准确识别，解决光纤传感扰动信号检测识别率低的技术问题。

本发明采用如下技术方案，一种针对光纤传感振动信号识别方法，具体步骤如下：

s1：对光纤电缆中的光信号进行调制；

s2：采集光纤电缆中的振动信号；

s3：对采集的振动信号进行监控，初步判断是否存在异常端点信号；若存在异常端点信号，则从异常端点信号中截取异常信号，进入步骤s4；若不存在异常端点信号，则重复执行步骤s3；

s4：对截取的异常信号进行解调得到待识别分析的一维振动信号；

s5：将一维振动信号转化为传感信号听觉显著性二维图像；

s6：基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号；若异常信号为扰动信号，则进入步骤s7；若判断异常信号不是扰动信号，则返回步骤s3；

s7：对扰动信号发生地点进行定位。

优选地，所述步骤s3中判断是否存在异常端点信号的方法为短时能量判别法。

优选地，所述步骤s5将一维振动信号转化为传感信号听觉显著性二维图像的步骤如下：

51)对解调后的一维振动信号利用快速傅里叶变换，获取信号时频图像；

52)对信号时频图像进行视觉显著性处理，得到传感信号听觉显著性二维图像。

优选地，所述步骤52)得到传感信号听觉显著性二维图像的方法为itti算法，具体步骤如下：

521)对信号时频图像进行多尺度多特征通道分解得到多尺度多特征通道图像；

多特征通道分解包括：颜色空间通道分解、强度空间通道分解和梯度空间通道分解，具体为：

对所述信号时频图像进行颜色空间通道分解，即将信号时频图像的多通道彩色图像分解为多个单通道灰度图像；

对所述信号时频图像进行强度空间通道分解，即计算信号时频图像各像素的信号强度；

对所述信号时频图像进行梯度空间通道分解，即计算信号时频图像各像素的梯度方向；

多尺度分解具体为所述的颜色空间通道分解、强度空间通道分解和梯度空间通道分解的计算均在多尺度的条件下进行，即对信号时频图像进行尺度变换，得到n个尺度下颜色空间通道、强度空间通道和梯度空间通道下的分解图像；

522)将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，分别计算颜色空间通道、强度空间通道、梯度空间通道下的分解图像与上一层尺度下各特征通道分解图像之间的汉明距离，分别作为颜色空间通道、强度空间通道、梯度空间通道上对应尺度上的特征图；

523)对不同特征通道的特征图进行归一化处理，将不同特征通道的各尺度下特征图点对点直接相加合并分别作为各自特征通道下的特征图；

524)将颜色空间通道、强度空间通道、梯度空间通道的特征图点对点直接相加后求取其平均值，得到传感信号听觉显著性二维图像。

优选地，所述步骤s6中基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号的方法为利用预先训练好的卷积网络对传感信号听觉显著性二维图像进行分类识别。

一种针对光纤传感振动信号识别系统，包括：信号调制模块、光纤振动传感装置和监控系统，其中，

所述信号调制模块用于对光纤电缆中的光信号进行调制；

所述光纤振动传感装置用于采集光纤电缆中的振动信号，并将振动信号上传到监控系统中；

所述监控系统包括：光纤振动检测模块、光纤解调模块、光纤振动转换模块、光纤振动识别模块和光纤振动定位模块；

所述光纤振动检测模块用于对光纤振动传感装置采集的振动信号进行监控，初步判断是否存在异常端点信号，若存在异常端点信号，则从异常端点信号中截取异常信号，输入光纤解调模块；若不存在异常端点信号，则继续监控；

所述光纤解调模块用于对截取的异常信号进行解调得到待识别分析的一维振动信号，输入光纤振动转换模块；

所述光纤振动转换模块用于将一维振动信号转化为传感信号听觉显著性二维图像，输入光纤振动识别模块；

所述光纤振动识别模块用于基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号；若异常信号为扰动信号，则将异常信号输入光纤振动定位模块；若异常信号不是扰动信号，则返回光纤振动检测模块进行监控；

所述光纤振动定位模块用于对扰动信号发生地点进行定位。

优选地，所述光纤振动检测模块判断是否存在异常端点信号的方法为短时能量判别法。

优选地，所述光纤振动转换模块包括振动信号时频图像获取单元和视觉显著图获取单元，其中：

振动信号时频图像获取单元用于对解调后的一维振动信号利用快速傅里叶变换，获取信号时频图像；

视觉显著图获取单元用于对信号时频图像进行视觉显著性处理，得到传感信号听觉显著性二维图像。

优选地，所述视觉显著图获取单元得到传感信号听觉显著性二维图像的方法为itti算法，具体步骤如下：

821)对信号时频图像进行多尺度多特征通道分解得到多尺度多特征通道图像；

多特征通道分解包括：颜色空间通道分解、强度空间通道分解和梯度空间通道分解，具体为：

对所述信号时频图像进行颜色空间通道分解，即将信号时频图像的多通道彩色图像分解为多个单通道灰度图像；

对所述信号时频图像进行强度空间通道分解，即计算信号时频图像各像素的信号强度；

对所述信号时频图像进行梯度空间通道分解，即计算信号时频图像各像素的梯度方向；

多尺度分解具体为所述的颜色空间通道分解、强度空间通道分解和梯度空间通道分解的计算均在多尺度的条件下进行，即对信号时频图像进行尺度变换，得到n个尺度下颜色空间通道、强度空间通道和梯度空间通道下的分解图像；

822)将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，分别计算颜色空间通道、强度空间通道、梯度空间通道下的分解图像与上一层尺度下各特征通道分解图像之间的汉明距离，分别作为颜色空间通道、强度空间通道、梯度空间通道上对应尺度上的特征图；

823)对不同特征通道的特征图进行归一化处理，将不同特征通道的各尺度下特征图点对点直接相加合并分别作为各自特征通道下的特征图；

824)将颜色空间通道、强度空间通道、梯度空间通道的特征图点对点直接相加后求取其平均值，得到传感信号听觉显著性二维图像。

优选地，所述光纤振动识别模块中基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号的方法为利用预先训练好的卷积网络对传感信号听觉显著性二维图像进行分类识别。

发明所达到的有益效果：本发明是一种针对光纤传感振动信号识别方法及系统，实现光纤传感振动信号的快速、准确识别，解决光纤传感扰动信号检测识别率低的技术问题。本发明利用光纤振动信号具有长时非平稳性、不连续性、短时平稳性等与环境声信号相似的特性，通过检测异常扰动信号片段，并将一维振动模型转化为二维传感信号听觉显著图像，最后运用卷积神经网络对其继续分类，实现了光纤振动信号准确的识别；本发明通过光纤振动信号的传感信号听觉显著图像确定光纤振动信号的种类，可用于各种基于光纤振动的安防系统，具有较强的准确率和适应性。

附图说明

图1是本发明实施例的一种针对光纤传感振动信号识别方法的流程示意图；

图2是本发明实施例的一种一维振动信号转换流程示意图。

具体实施方式

下面根据附图并结合实施例对本发明的技术方案作进一步阐述。

图1是本发明实施例的一种针对光纤传感振动信号识别方法的流程示意图，一种针对光纤传感振动信号识别方法，包括以下步骤：

s1：对光纤电缆中的光信号进行调制；光信号调制的参数根据现场的情况及光纤电缆的种类进行确定。

s2：采集光纤电缆中的振动信号；振动信号包括因非法入侵或恶意破坏产生的扰动信号和因正常走动等产生的振动信号。

s3：对采集的振动信号进行监控，初步判断是否存在异常端点信号；若存在异常端点信号，则从得到的异常端点信号中截取异常信号，即疑似扰动信号，进入步骤s4；若不存在异常端点信号，则重复执行步骤s3；用于发现疑似非法入侵和破坏性行为发出的扰动信号片段。

判断是否存在异常端点信号的方法为短时能量判别法；

s4：对截取的异常信号进行解调得到待识别分析的一维振动信号；解调的参数根据施加的调制参数确定。

s5：将一维振动信号转化为传感信号听觉显著性二维图像，如图2所示；

将一维振动信号转化为传感信号听觉显著性二维图像的步骤如下：

51)对解调后的一维振动信号利用快速傅里叶变换，获取信号时频图像；所述信号时频图像的格式，包括：rgb、yuv、ycrcb、lab等常用图像存储格式。

52)对信号时频图像进行视觉显著性处理，得到传感信号听觉显著性二维图像(二维时频图像)；

521)对信号时频图像进行多尺度多特征通道分解得到多尺度多特征通道图像；

多特征通道分解包括：颜色空间通道分解、强度空间通道分解和梯度空间通道分解，具体为：

对所述信号时频图像进行颜色空间通道分解，即将信号时频图像的多通道彩色图像分解为多个单通道灰度图像；所述颜色空间分解的结果由信号时频图像格式所决定，以rgb格式为例，分解结果即r(红色)、g(绿色)、b(蓝色)三个单通道灰度图像。

对所述信号时频图像进行强度空间通道分解，即计算信号时频图像各像素的信号强度；所述信号强度的计算方法包括：汉明距离计算法、欧式距离计算法等。以信号时频图像以rgb格式存储，使用汉明距离计算法为例，每个像素的信号强度i为

其中r,g,b分别代表红色、绿色和蓝色通道下的灰度值。

对所述信号时频图像进行梯度空间通道分解，即计算信号时频图像各像素的梯度方向。所述梯度方向的计算方法包括：hog算子、雅可比行列式等。

多尺度分解具体为所述的颜色空间通道分解、强度空间通道分解和梯度空间通道分解的计算均在多尺度的条件下进行，即对信号时频图像进行尺度变换，得到n个尺度下颜色空间通道、强度空间通道和梯度空间通道下的分解图像；

所述的尺度变换大小包括：0.25、0.5、2和4。

522)将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，本实施例中采用双线性插值法将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，分别计算颜色空间通道、强度空间通道、梯度空间通道下的分解图像与上一层尺度下各特征通道分解图像之间的汉明距离，分别作为颜色空间通道、强度空间通道、梯度空间通道上对应尺度上的特征图；

523)对不同特征通道的特征图进行归一化处理，本实施例中采用双线性插值法对不同特征通道的特征图进行归一化处理，将不同特征通道的各尺度下特征图点对点直接相加合并分别作为各自特征通道下的特征图；

524)将颜色空间通道、强度空间通道、梯度空间通道的特征图点对点直接相加后求取其平均值，得到传感信号听觉显著性二维图像。

s6：基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号；若异常信号为扰动信号，则进入步骤s7；若判断异常信号不是扰动信号，则返回步骤s3；

基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号的方法为利用预先训练好的卷积网络对传感信号听觉显著性二维图像进行分类识别。

卷积神经网络的结构及预训练的数据由现场环境及可能的异常扰动信号类型共同决定。所述的卷积神经网络运行方式包括但不限于：cpu、gpu、fpga、专用电路等。

所述用于判别传感信号听觉显著性二维图像类别的卷积神经网络结构由卷积层、池化层、激活函数层、归一化层以及全连接层首尾相接组成。其中：

所述卷积神经网络包含卷积层、激活函数层、池化层、归一化层和全连接层。

所述卷积层用于提取传感信号听觉显著性二维图像可自学习、自适应的图像特征，所述的卷积层卷积核大小为3*3。

所述激活函数层利用各类非线性函数快速逼近原始数据分布情况，所述的激活函数包括：tanh、sigmod、relu、prelu等。本实施例使用relu作为激活函数。

所述池化层对激活函数处理结果进行快速采样，采样方法包括最大值池化核均值池化等方法，其作用为：能够在保证识别率不出现明显下降的情况下提升运行速率。

所述归一化层利用batchnormalization算法或groupnormalization实现对所述卷积层输出的中间结果进行标准化，减少网络中的梯度弥散问题。

所述全连接层用于对提取得到的最终特征进行学习和判别，所述的全连接层包含的层数以及每层结点数由特征的维度以及待分类的类别数共同决定。

s7：对扰动信号发生地点进行定位。

一种针对光纤传感振动信号识别系统，包括：信号调制模块、光纤振动传感装置和监控系统，其中，

所述信号调制模块用于对光纤电缆中的光信号进行调制，得到振动信号；所述光纤电缆铺设于待监控地区周围。

光信号调制的参数根据现场的情况及光纤电缆的种类进行确定。

所述光纤振动传感装置用于采集光纤电缆中的振动信号，并将振动信号上传到监控系统中；该振动信号可能是因非法入侵或恶意破坏产生的扰动信号，也可以是因正常走动等产生的振动信号。所述光纤振动传感装置安装于光纤电缆在监控中心的接入处。

所述监控系统包括：光纤振动检测模块、光纤解调模块、光纤振动转换模块、光纤振动识别模块和光纤振动定位模块；

所述光纤振动检测模块用于对光纤振动传感装置采集的振动信号不间断地进行监控，初步判断是否存在异常端点信号，若存在异常端点信号，则从异常端点信号中截取异常信号，即疑似扰动信号，输入光纤解调模块；若不存在异常端点信号，则继续监控；判断是否存在异常端点信号的方法为短时能量判别法；光纤振动检测模块安装在监控中心内，用于发现疑似非法入侵和破坏性行为发出的扰动信号片段。

所述光纤解调模块用于对截取的异常信号进行解调得到待识别分析的一维振动信号，输入光纤振动转换模块；解调的参数根据施加的调制参数确定。

所述光纤振动转换模块用于将一维振动信号转化为传感信号听觉显著性二维图像，输入光纤振动识别模块；转化方法由现场情况及可能的异常扰动信号类型共同决定。

光纤振动转换模块包括振动信号时频图像获取单元和视觉显著图获取单元，其中：

振动信号时频图像获取单元用于对解调后的一维振动信号利用快速傅里叶变换，获取信号时频图像，所述信号时频图像的格式，包括：rgb、yuv、ycrcb、lab等常用图像存储格式。

视觉显著图获取单元用于对信号时频图像进行视觉显著性处理，得到传感信号听觉显著性二维图像。

所述视觉显著图获取单元得到传感信号听觉显著性二维图像的方法为itti算法，具体步骤如下：

821)对信号时频图像进行多尺度多特征通道分解得到多尺度多特征通道图像；

多特征通道分解包括：颜色空间通道分解、强度空间通道分解和梯度空间通道分解，具体为：

对所述信号时频图像进行颜色空间通道分解，即将信号时频图像的多通道彩色图像分解为多个单通道灰度图像；所述颜色空间分解的结果由信号时频图像格式所决定，以rgb格式为例，分解结果即r(红色)、g(绿色)、b(蓝色)三个单通道灰度图像。

对所述信号时频图像进行强度空间通道分解，即计算信号时频图像各像素的信号强度；所述信号强度的计算方法包括：汉明距离计算法、欧式距离计算法等。以信号时频图像以rgb格式存储，使用汉明距离计算法为例，每个像素的信号强度i为

其中r,g,b分别代表红色、绿色和蓝色通道下的灰度值。

对所述信号时频图像进行梯度空间通道分解，即计算信号时频图像各像素的梯度方向。所述梯度方向的计算方法包括：hog算子、雅可比行列式等。

多尺度分解具体为所述的颜色空间通道分解、强度空间通道分解和梯度空间通道分解的计算均在多尺度的条件下进行，即对信号时频图像进行尺度变换，得到n个尺度下颜色空间通道、强度空间通道和梯度空间通道下的分解图像；

所述的尺度变换大小包括：0.25、0.5、2和4。

822)将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，本实施例中采用双线性插值法将不同尺度下各特征通道分解图像缩放至上一层尺度下各特征通道分解图像的大小，分别计算颜色空间通道、强度空间通道、梯度空间通道下的分解图像与上一层尺度下各特征通道分解图像之间的汉明距离，分别作为颜色空间通道、强度空间通道、梯度空间通道上对应尺度上的特征图；

823)对不同特征通道的特征图进行归一化处理，本实施例中采用双线性插值法对不同特征通道的特征图进行归一化处理，将不同特征通道的各尺度下特征图点对点直接相加合并分别作为各自特征通道下的特征图；

824)将颜色空间通道、强度空间通道、梯度空间通道的特征图点对点直接相加后求取其平均值，得到传感信号听觉显著性二维图像。

所述光纤振动识别模块用于基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号；若异常信号为扰动信号，则将异常信号输入光纤振动定位模块；若异常信号不是扰动信号，则返回光纤振动检测模块进行监控；

所述光纤振动识别模块中基于传感信号听觉显著性二维图像判断异常信号是否为扰动信号的方法为利用预先训练好的卷积网络对传感信号听觉显著性二维图像进行分类识别。卷积神经网络的结构及预训练的数据由现场环境及可能的异常扰动信号类型共同决定。所述的卷积神经网络运行方式包括但不限于：cpu、gpu、fpga、专用电路等。

用于判别传感信号听觉显著性二维图像类别的卷积神经网络结构包括：卷积层、池化层、激活函数层、归一化层以及全连接层，其中：

所述卷积层用于提取传感信号听觉显著性二维图像可自学习、自适应的图像特征，所述的卷积层卷积核大小为3*3。

所述激活函数层利用各类非线性函数快速逼近原始数据分布情况，所述的激活函数包括：tanh、sigmod、relu、prelu等。本实施例使用relu作为激活函数。

所述池化层对激活函数处理结果进行快速采样，采样方法包括最大值池化核均值池化等方法，其作用为：能够在保证识别率不出现明显下降的情况下提升运行速率。

所述归一化层可利用batchnormalization算法或groupnormalization实现对所述卷积层输出的中间结果进行标准化，减少网络中的梯度弥散问题。

所述全连接层用于对提取得到的最终特征进行学习和判别，所述的全连接层包含的层数以及每层结点数由特征的维度以及待分类的类别数共同决定。

所述光纤振动定位模块用于对扰动信号发生地点进行定位。光纤振动定位模块安装在监控中心光纤信号接入处，通知异常信号种类和发生位置。

以上所述仅为本发明的优选实施方式，用以说明本发明的技术方案，而非对其限制；应当指出：对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。