[发明专利]一种用于分布式光纤振动传感系统的信号特征提取方法

说明书

技术领域

本发明属于分布式光纤传感领域，涉及振动信号模式识别中的一种新的特征提取方法，具体是指一种用于分布式光纤振动传感系统的基于改进总体经验模态分解MEEMD的振动信号特征提取方法。

背景技术

振动是现实生活中一种常见的现象，在工程应用和科学研究中，特别是在基础设施安全监测方面具有广泛应用。传统的振动检测手段主要是基于压电、电容和电感等电子检测技术，易遭受电磁辐射等外界环境干扰，使用寿命短且维护费用高，不符合现代工程测量的实际需要。随着传感器技术的不断进步，以光纤传感技术为基础的新型传感器正逐步取代传统传感器，在现代人工智能测量领域扮演越来越重要的角色。

分布式光纤振动传感系统可以实现长距离振动信号的传感与传输，通过检测传感光纤各部分后向瑞利散射干涉光的光强变化及相位变化，实现对外部侵扰活动的定位以及频率的解调，具有测量精度高、测量范围广、性能安全等优点，可以长期工作在恶劣的环境中，在周界安防、石油管道和轨道交通安全监测等领域具有广泛的应用。

随着应用需求的不断细化，仅仅对振动入侵信号进行检测和定位已经无法满足实际需求，因此，如何对振动信号特征进行精准、快速地提取成为分布式光纤振动传感系统的关键问题。初期的特征提取方法主要有过零率检测、信号持续时间检测等方法，由于各种振动信号的频率以及持续时间有相互重叠的部分，信号的特征差异并不明显，导致信号识别的准确率不高；此外，还有比较常用的短时能量法、短时傅里叶法等，将振动信号分成不同的小段，从而进行细化分析，获得振动信号的时频、能量特征信息，但是其计算量较大，实时性不好，且不适于非平稳随机振动信号的特征提取。随着研究的不断深入，目前振动信号特征提取的方法更加智能化与多样化，其中，经验模态分解(EMD)是比较常用的一种方法，通过对原始信号的分解，将振动信号分解成不同的固有模态(IMF)分量，进而得出振动信号的不同特征分量。国内发明专利(CN103617684A)公开了一种基于EMD的周界振动入侵识别算法，通过EMD方法分解获得的IMF分量与过零率方法相结合，对振动信息进行提取。但其在分解过程中存在模态混叠等问题，导致获得的IMF分量存在误差，降低了振动信息模式识别的准确率。

发明内容

为克服上述现有技术的不足，本发明提供了一种用于分布式光纤振动信号特征提取方法，能够更加快速与准确地提取振动信号的瞬时频率以及瞬时能量，解决了EMD方法中的模式混叠问题和伪分量问题，简化运算过程，减少运算时间，对于提高分布式光纤振动传感系统实时性和模式识别的准确性有重要意义。

本发明所采用的技术方案是：分布式光纤振动信号特征提取方法的流程图如图1所示，其特点是：改进总体经验模态分解(MEEMD)处理过程为从数据采集卡中读取原始数据；原始数据进行预处理，即振动信号定位以及相位解调；对解调后的数据引入白噪声，即加入均值为零的两组白噪声，并对引入白噪声的两组数据分别进行EMD分解，对两组数据的第一个IMF分量进行求和、累加、平均运算，将结果作为第一个IMF分量值；对第一个IMF分量进行排列熵计算，即通过互信息法确定的嵌入维度和伪近邻法确定的延迟时间，将时间序列所对应的数字序列进行延时空间重构，将每一个经过延时重构的向量，按照数值由小到大进行重新排列，最终获得排列熵值；将熵值与设定的阈值进行比较，若高于设定的阈值，重复上述步骤直到低于阈值；原始数据去除第一个IMF分量，将剩余数据进行EMD分解，获得振动信号剩余的IMF分量；对IMF分量进行Hilbert变换，得到Hilbert谱，对Hilbert谱进行时间积分，得到Hilbert边际谱，Hilbert谱的平方累加求和运算得到能量图，上述向量值作为振动信号模式识别的特征向量。

一种用于分布式光纤振动传感系统的信号特征提取方法，涉及了一种MEEMD改进总体经验模态方法：

(1)在解调后持续时间为T的非平稳随机时间序列x(t)引入均值为零的白噪声信号n_p(t)和-n_p(t)，得到两组信号：

其中，a_p表示第p次引入噪声信号的幅值，p＝1,2,...,N_noise，N_noise表示引入噪声的总次数；

(2)对和分别进行EMD分解，得到第一组IMF分量序列集合和将两组信号进行累加、平均、求和计算后，得到第一组IMF分量r₁(t)；