[发明专利]基于模糊域特征的光纤振动信号识别方法

摘要

本发明提出了一种基于模糊域特征的光纤振动信号识别方法，主要解决现有识别方法在采样率较低且入侵事件较为类似情况下识别率较低的问题。其实现步骤是：(1)对光纤振动信号进行小波降噪；(2)对降噪后信号进行去均值与能量归一化处理；(3)计算归一化信号模糊函数，对模糊函数进行切片作为模糊域特征；(4)对切片进行降维，构造信号特征集；(5)将信号特征集随机划分训练集与测试集；(6)使用训练集对SVM分类器进行训练；(7)使用训练后的SVM分类器对测试集进行分类。本发明有效地提取了光纤振动信号的模糊域特征，与现有技术对比具有识别率高，适应性广的优点，可用于光纤周界安防系统的信号处理分系统。

主权项

一种基于模糊域特征的光纤振动信号分类方法，其具体步骤包括如下：(1)对光纤振动信号x(n)进行小波阈值降噪，得到降噪后的信号(2)对降噪后信号进行去均值和能量归一化处理，得到归一化信号x'(n)，以消除信号能量差别对识别的影响；(3)计算归一化信号x'(n)的瞬时自相关函数R_x(n,τ)，以n为自变量对自相关函数做FFT反变换，得到光纤振动信号的模糊函数A(τ,υ)，对模糊函数A(τ,υ)进行取模运算，获取光纤振动信号在模糊域的能量分布表征矩阵|A(τ,υ)|，在频偏轴υ=N/2+3处对该矩阵|A(τ,υ)|进行切片，并抽取该切片沿时延τ方向的一半，得到光纤振动信号的模糊域特征AF(τ)：AF(τ)=|A(τ,υ)|_υ=N/2+3，τ=1,2...,N/2，其中，N为光纤振动信号x(n)的采样点数；(4)对于模糊域特征AF(τ)中的所有特征点，根据ReliefF方法的权重值更新公式进行多次迭代，计算表示各个特征点权重值的权值向量W(τ)，选取W(τ)中较大权重值对应的特征点，作为光纤振动信号的最终特征AFR(τ)；(5)将光纤振动信号特征集AFR随机划分为训练信号特征集AFR_tr与测试信号特征集AFR_te；(6)使用训练信号特征集AFR_tr对支持向量机SVM分类器进行训练，使用训练后的SVM分类器对测试信号特征集AFR_te进行分类测试，输出测试信号的类别标号；(7)规定SVM分类器输出类别标号与测试信号实际类别标号相同时为分类正确，并将分类正确的测试信号组数与总的测试信号组数的比值作为识别率R；将识别率R与设定的识别率阈值T_R进行比较：若R≥T_R，则SVM分类器达到设计要求；若R<T_R，则返回步骤(6)重新对SVM分类器进行训练，直至达到设计要求。