【技术实现步骤摘要】
本专利技术涉及光纤信号识别，尤其涉及一种基于resnet双注意力机制的光纤传感信号识别方法。
技术介绍
1、布式光纤传感技术由于其灵敏度高、精度高、成本低，监测范围长等优点，在工程领域及生活中得到了广泛的应用。相位敏感型光时域反射(φ-otdr)技术是一种具有高精度振动监测优点的分布式光纤传感技术，在道路监测、管道检测、周界安防领域具有巨大的优势。φ-otdr技术通过测量光纤中的后向瑞利散射(或背向瑞利散射)来提取相位，得到的震动信号可准确反应外界干扰行。
2、当前分布式光纤振动信号的识别主要通过特征提取的方式步骤繁琐，需要耗费大量时间，尤其是在根据信号特性选择适当特征的过程中。此外，所选取的特征类别和数量受到采集数据的影响，导致其在不同应用环境中的迁移能力较弱，难以泛化到其他入侵事件及应用场景。
技术实现思路
1、本专利技术提供一种基于resnet双注意力机制的光纤传感信号识别方法，用以解决现有技术中针对分布式光纤传感信号识别中存在计算复杂和计算量较大的缺陷。
2、本专利技术提供的基于resnet双注意力机制的光纤传感信号识别方法，包括：
3、采集φ-otdr分布式光纤传感系统中多类扰动事件原始数据；
4、对所述多类扰动事件原始数据进行预处理，得到预处理后的一维时间序列信号；
5、对所述预处理后的一维时间序列信号进行相对位置矩阵编码，得到二维图像，基于扰动事件种类将所述二维图像进行整理得到数据集，将所述数据集划分为训练集
6、构建融合双注意力机制的resnet网络模型，利用所述训练集对所述resnet网络模型进行训练，利用所述验证集对所述resnet网络模型进行验证，得到训练好的光纤传感信号识别模型；
7、将待识别扰动事件数据输入所述光纤传感信号识别模型，输出光纤传感信号识别结果。
8、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，采集φ-otdr分布式光纤传感系统中多类扰动事件原始数据，包括：
9、构建所述φ-otdr分布式光纤传感系统；
10、确定所述φ-otdr分布式光纤传感系统中不同类型扰动事件，采集不同类型扰动事件对应的原始数据。
11、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，构建所述φ-otdr分布式光纤传感系统，包括：
12、超窄线宽激光器、信号发生器、声光调制器、掺铒光纤放大器、环形器、传感光纤、光电探测器、数据采集卡和信号处理模块；
13、所述超窄线宽激光器发出的连续光信号输入至所述声光调制器，所述信号发生器产生的脉冲信号输入至所述声光调制器，所述声光调制器将所述连续光信号调制成脉冲光信号；
14、所述掺铒光纤放大器对所述脉冲光信号进行放大，将放大后的脉冲光信号经所述环形器接入所述传感光纤；
15、从所述传感光纤返回的背向瑞利散射光信号经所述环形器后传输至所述光电探测器，所述光电探测器将接收到的光信号转换成电信号，并将所述电信号传输至所述数据采集卡；
16、所述数据采集卡对所述电信号进行采样，并将得到的采样信号传输至所述信号处理模块；
17、所述信号处理模块对所述采样信号进行识别和标记，得到多类扰动事件对应的原始数据。
18、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，对所述多类扰动事件原始数据进行预处理，得到预处理后的一维时间序列信号，包括：
19、对所述多类扰动事件原始数据进行小波去噪，得到小波去噪后数据；
20、采用滑动窗口对所述小波去噪后数据进行划分，得到所述预处理后的一维时间序列信号。
21、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，对所述多类扰动事件原始数据进行小波去噪，得到小波去噪后数据，包括：
22、确定小波分解层次n和小波波形，对所述多类扰动事件原始数据进行n层小波分解计算；
23、对第1层到第n层的每一层高频系数进行阈值量化；
24、根据小波分解的第n层低频系数和经过阈值量化处理后的第1层到第n层的高频系数，进行信号小波重构，获得所述小波去噪后数据。
25、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，采用滑动窗口对所述小波去噪后数据进行划分，得到所述预处理后的一维时间序列信号，包括：
26、确定滑动窗口大小和滑动步长，对所述小波去噪后数据对应的样本点进行滑动划分，得到时间序列样本；
27、获取所述时间序列样本中任一样本点对应数值，基于时间序列样本若干样本点最大值和时间序列样本若干样本点最小值对所述任一样本点对应数值进行归一化，获得所述预处理后的一维时间序列信号。
28、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，对所述预处理后的一维时间序列信号进行相对位置矩阵编码，得到二维图像，基于扰动事件种类将所述二维图像进行整理得到数据集，将所述数据集划分为训练集和验证集，包括：
29、通过z-分值标准化得到所述预处理后的一维时间序列信号的标准正态分布zt：
30、
31、其中，u表示xt的平均值，o表示xt的标准差，n表示一维时间序列信号维度；
32、采用分段聚合近似方法，确定缩减因子k，生成新的平滑时间序列x，将维度n减少到m：
33、
34、其中tj是时间序列tn在时间戳j处的值；
35、计算任意两个时间戳之间的相对位置，将新的平滑时间序列x转换为二维矩阵m：
36、
37、其中，矩阵m的第i行和第i列都以xi为参考点，分别表示序列各点与参考点的差值和参考点与序列各点的差值。
38、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，构建融合双注意力机制的resnet网络模型，包括：
39、在resnet网络模型的提取特征阶段增加上下文注意力cotattention模块，将输入特征图划分成多个通道组，每个通道组包括若干连续通道，对每个通道组采用1×1卷积和3×3可分离卷积对特征进行处理；
40、将卷积块注意力模块cbam嵌入至resnet网络模型的基本块中，对每个基本块采用1×1卷积和3×3可分离卷积对通道分组进行处理，并采用均值池化和最大池化获取全局信息；
41、对每个通道组采用均值池化和最大池化获取全局信息，并将全局信息进行拼接；
42、利用1x1卷积和sigmoid激活函数生成通道注意力权重，将各通道注意力权重加权至各个通道的特征表示，获取特征图关键区域。
43、根据本专利技术提供的一种基于resnet双注意力机制的光纤传感信号识别方法，所述上下文注意力cotattention模块本文档来自技高网...
【技术保护点】
1.一种基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，包括：
2.根据权利要求1所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，采集Φ-OTDR分布式光纤传感系统中多类扰动事件原始数据，包括：
3.根据权利要求2所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，构建所述Φ-OTDR分布式光纤传感系统，包括：
4.根据权利要求1所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，对所述多类扰动事件原始数据进行预处理，得到预处理后的一维时间序列信号，包括：
5.根据权利要求4所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，对所述多类扰动事件原始数据进行小波去噪，得到小波去噪后数据，包括：
6.根据权利要求4所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，采用滑动窗口对所述小波去噪后数据进行划分，得到所述预处理后的一维时间序列信号，包括：
7.根据权利要求1所述的基于ResNet双注意力机制的光
8.根据权利要求1所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，构建融合双注意力机制的ResNet网络模型，包括：
9.根据权利要求8所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，所述上下文注意力CotAttention模块包括：
10.根据权利要求1所述的基于ResNet双注意力机制的光纤传感信号识别方法，其特征在于，利用所述训练集对所述ResNet网络模型进行训练，利用所述验证集对所述ResNet网络模型进行验证，得到训练好的光纤传感信号识别模型，包括：
...【技术特征摘要】
1.一种基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，包括：
2.根据权利要求1所述的基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，采集φ-otdr分布式光纤传感系统中多类扰动事件原始数据，包括：
3.根据权利要求2所述的基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，构建所述φ-otdr分布式光纤传感系统，包括：
4.根据权利要求1所述的基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，对所述多类扰动事件原始数据进行预处理，得到预处理后的一维时间序列信号，包括：
5.根据权利要求4所述的基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，对所述多类扰动事件原始数据进行小波去噪，得到小波去噪后数据，包括：
6.根据权利要求4所述的基于resnet双注意力机制的光纤传感信号识别方法，其特征在于，采用滑动窗口对所述小波去噪...
【专利技术属性】
技术研发人员：胡胜，胡歆敏，秦海鑫，何怡婷，李景琦，李莹莹，李莎莎，刘聪，宋海娜，武明虎，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。