一种基于隧道空间相关性的振动感知信息特征提取方法与流程

本发明涉及一种振动感知信息提取方法，尤其是一种基于隧道空间相关性的振动感知信息特征提取方法，属于地铁运营监测。

背景技术：

1、准确识别地铁隧道运营的异常扰动并进行特征提取能够有效保障地铁结构安全。采用分布式光纤进行地铁断面应变监测时，由于该系统的高灵敏度特点导致采集的监测信号常常包含强度相当的噪声，严重影响有效信息的提取和发现，使得地铁运营期间异常扰动的振动时间识别难度加大。

2、因此，针对如何精准提取振动感知信息最有效特征这一难题，亟需一种基于地铁隧道空间相关性的振动感知信息特征提取方法，以精准提取异常扰动信息特征，从而排除地铁保护区内异常扰动带来的安全隐患，确保地铁的运营安全。

技术实现思路

1、为解决背景技术存在的不足，本发明提供一种基于隧道空间相关性的振动感知信息特征提取方法，它通过对振动信号进行处理与降噪，提高采集信号的质量，之后基于差异性分析和相关性分析实现特征提取与降维，并提出基于空间相关性的信号融合特征修正算法，保证特征的高精度提取。

2、为实现上述目的，本发明采取下述技术方案：一种基于隧道空间相关性的振动感知信息特征提取方法，包括以下步骤：

3、步骤一：在地铁隧道布设分布式光纤采集振动信号，对振动信号进行异常值处理与规范化处理，利用小波阈值方法去除噪声，实现振动信号的数据预处理与降噪；

4、步骤二：基于时域频域角度对处理后的振动信号进行特征提取，分别采用差异性分析与相关性分析处理特征，实现振动信号的多维度特征提取与降维；

5、步骤三：构建基于二次函数权重分配的距离相关可信度进行权重计算方法，结合核密度估计的概率分布相关进行可信度权重计算，完成前后相邻测点的信息融合，实现空间相关性的信号融合特征的算法修正，具体的：

6、3.1构建基于空间相关性的信号融合特征修正算法，过程如下：

7、(1)计算目标测点p采集信号计算的特征计算值向量t(p)：

8、

9、式中，表示目标测点p采集信号特征向量的第n个特征计算值；

10、根据目标测点p与前后共计2m+1个测点的特征计算值，组成目标测点p范围特征计算值矩阵：

11、

12、其中，记：

13、

14、则，目标测点p范围特征计算值矩阵表示为：

15、

16、式中，表示目标测点p范围特征计算值矩阵，维度为(2m+1)×n，表示目标测点p范围内第n个特征计算值向量，维度为(2m+1)×1；

17、(2)依据目标测点p与前后共计2m+1个测点的距离建立距离相关可信度权重向量

18、

19、

20、式中，表示目标测点p前第m个测点距离相关可信度权重系数，表示目标测点p后第m个测点距离相关可信度权重系数；

21、(3)计算目标测点p与前后共计2m+1个测点的特征计算值，通过概率密度估计为每个特征建立概率分布相关可信度权重系数进而建立特征总体的概率分布相关可信度权重矩阵首先：

22、

23、

24、式中，表示目标测点p前后共计2m+1个测点的第n个特征的概率分布相关可信度权重向量，维度为1×(2m+1)×1，表示目标测点p前第m个测点第n个特征的概率分布相关可信度权重系数，表示目标测点p后第m个测点第n个特征的概率分布相关可信度权重系数；

25、则：

26、

27、式中，表示特征总体的概率分布相关可信度权重矩阵，维度为n×(2m+1)；

28、(4)综合考虑距离相关可信度权重和概率分布相关可信度权重，计算出每个特征前后测点处的综合权重，并归一化处理，作为修正特征计算值的依据，过程如下：

29、针对目标测点p前后的第n个特征，计算距离相关可信度权重向量和概率分布相关可信度权重向量的哈达玛积，并归一化处理，得到目标测点p前后的第n个特征的归一化综合权重向量，首先：

30、

31、其中，每个元素的计算方法如下：

32、

33、式中，表示目标测点p前后的第n个特征的综合权重向量，表示哈达玛积计算符号；

34、将综合权重向量进行归一化处理，得到归一化综合权重向量：

35、

36、其中，每个元素的归一化计算方法如下：

37、

38、式中，表示目标测点p前后的第n个特征的归一化综合权重向量；

39、(5)取目标测点p与共计2m+1个测点采集信号的特征计算值，对目标测点p的特征计算值进行修正，过程如下：

40、根据前面的步骤(1)-(4)依次计算目标测点p前后每个特征的归一化综合权重向量，组成目标测点p特征归一化综合权重矩阵：

41、

42、则，目标测点p第n个特征计算值tn(p)的修正值表示如下：

43、

44、则，目标测点p第n个特征计算值向量t(p)的修正向量表示如下：

45、

46、式中，e表示维度为n的单位矩阵；

47、3.2进行二次函数权重分配的距离相关可信度权重计算，过程如下：

48、(1)由于不同测点之间的距离关系是线性增加的，设随着距离增加，该测点在修正目标测点p时的可信度会以二次函数的趋势逐渐衰减，用二次函数表示这种衰减：

49、

50、式中，表示第q个测点在修正目标测点p时的可信度，a表示可信度衰减系数，取a＝-1/(2m)2，wmax表示测点在修正自身信息时可信度；

51、(2)计算每个测点的在修正目标测点p信息时的可信度，并将权重归一化，使得所有的权重之和为1，组成目标测点p前后测点距离相关的可信度权重向量，首先：

52、

53、式中，表示第q个测点在修正目标测点p时的可信度权重；

54、则：

55、

56、式中，表示目标测点p前后测点的距离相关可信度权重向量；

57、3.3基于核密度估计的概率分布相关进行可信度权重计算，过程如下：

58、(1)计算目标测点p与前后共计2m+1个测点的所有特征的特征计算值，得到对于第n个特征，目标测点p与前后共计2m+1个测点的特征计算值为

59、(2)通过计算核进行核密度估计，得到第n个特征计算值的概率密度函数fn(t)，描述第n个特征计算值在目标测点p前后的概率分布，采用如下公式计算：

60、

61、式中，k(x)表示epanechnikov核的核函数；

62、(3)对fn(t)进行插值，计算目标测点p与前后共计2m+1个测点出现的特征计算值的出现概率，并将该值作为概率分布相关可信度权重系数，对于目标测点p附近第q个测点的距离相关可信度权重系数如下：

63、

64、式中，表示目标测点p附近第q个测点的第n个特征计算值的概率分布相关可信度权重系数；

65、(4)建立特征总体的概率分布相关可信度权重如下：

66、

67、由此，建立了特征总体的概率分布相关可信度权重表征目标测点p前后测点特征计算值的概率分布相关可信度权重，从而对目标测点p采集信号的特征计算值进行修正；

68、步骤四：根据步骤一、二、三提取基于空间相关性的信号融合特征修正算法处理特征计算值，利用svm分类模型计算模型获取信号特征的识别准确率。

69、与现有技术相比，本发明的有益效果是：本发明面向分布式光纤采集振动信号，研究基于小波分解技术研究地铁隧道结构振动信号降噪算法，通过对振动信号进行处理与降噪，提高采集信号的质量，面向振动事件模式识别，选取振动信号可提取特征，并基于相关性和差异性分析实现特征提取与降维，利用分布式光纤采集振动信号相邻测点之间在空间上存在相关性特点，提出基于空间相关性的信号融合特征修正算法，与现有方法相比，提高了隧道异常扰动振动信息特征提取的精度和效率。