基于端點(diǎn)檢測的光纖振動(dòng)信號(hào)識(shí)別

徐方辰，邢煒寧

(1國家石油天然氣管網(wǎng)集團(tuán)有限公司西氣東輸分公司，上海200126；2中國石油天然氣管道通信電力工程有限公司，河北 廊坊065000)

0 引 言

目前，DAS已被廣泛用于管道泄露監(jiān)測、圍欄入侵、周界安防等諸多領(lǐng)域［1-4］。DAS具有不同的實(shí)現(xiàn)原理，其中使用Φ-OTDR原理構(gòu)建的DAS系統(tǒng)具有檢測信號(hào)的信噪比高、檢測范圍廣、成本相對(duì)較低、可實(shí)現(xiàn)遠(yuǎn)程入侵檢測等優(yōu)點(diǎn)，具有很強(qiáng)的發(fā)展?jié)摿ΑＤ壳笆褂肈AS系統(tǒng)對(duì)入侵事件的識(shí)別過程可分為4個(gè)步驟，即:先對(duì)入侵振動(dòng)信號(hào)進(jìn)行預(yù)處理，然后進(jìn)行特征提取，再進(jìn)行數(shù)據(jù)集的制作，最后搭建識(shí)別模型，對(duì)數(shù)據(jù)進(jìn)行分類。在此過程中，對(duì)數(shù)據(jù)的預(yù)處理主要包含對(duì)數(shù)據(jù)去噪，進(jìn)行端點(diǎn)檢測［5］等。端點(diǎn)檢測的目的在于減小一段信號(hào)中存在的噪音，將只包含振動(dòng)的振動(dòng)片段提取出來，減小噪音對(duì)模型的影響，雙門限端點(diǎn)檢測就是時(shí)下常用的VAD算法。而在研究中常常見到的特征提取方式則有提取振動(dòng)信號(hào)的傅里葉變換特征［6］、梅爾倒頻系數(shù)［7］等，或者使用EMD［8］、VMD［9］將信號(hào)分解后提取相關(guān)的統(tǒng)計(jì)學(xué)特征。典型的分類算法主要有:支持向量機(jī)（SVM）［10］、隨機(jī)森林樹［11］等。上述分類算法雖然已經(jīng)在DAS振動(dòng)信號(hào)的分類識(shí)別中取得了很好的效果，但是由于需要進(jìn)行人為的特征提取，加大了DAS模式識(shí)別的實(shí)現(xiàn)難度。隨著深度學(xué)習(xí)的發(fā)展以及大范圍的應(yīng)用，深度學(xué)習(xí)也已開始更多地應(yīng)用在DAS系統(tǒng)的模式識(shí)別上，例如使用BP神經(jīng)網(wǎng)絡(luò)［12］、徑向基神經(jīng)網(wǎng)絡(luò)［13］等神經(jīng)網(wǎng)絡(luò)算法對(duì)振動(dòng)信號(hào)進(jìn)行識(shí)別，在文獻(xiàn)［14］中即提出使用一維卷積神經(jīng)網(wǎng)絡(luò)對(duì)油氣管道入侵事件進(jìn)行識(shí)別，該次研究直接將經(jīng)過預(yù)處理的振動(dòng)信號(hào)輸入一維卷積神經(jīng)網(wǎng)絡(luò)，達(dá)到了與二維卷積神經(jīng)網(wǎng)絡(luò)相近的準(zhǔn)確率，降低了識(shí)別時(shí)間。……