【技術實現步驟摘要】
本專利技術涉及長距離油氣輸送管道安全監測領域，具體涉及一種基于圖像增強的光纖分布式聲波傳感入侵事件識別方法。
技術介紹
1、對油氣資源輸送而言，管道運輸在運輸損耗、成本投資和運輸風險等方面都具有獨特優勢，因此管道運輸方式被世界各國廣泛接受和使用。目前，管道運輸成為與水路運輸、鐵路運輸、航空運輸和公路運輸并列的五大運輸方式之一，尤其在天然氣和油品運輸行業，其重要性與日俱増。據《中國天然氣發展報告(2023)》顯示，2022年，全國長輸天然氣管道總里程11.8萬公里(含地方及區域管道)，新建長輸管道里程3000公里以上。
2、但是，當前已建成的天然氣管道中，有相當多的管線由于建成時間長、施工缺陷、管道腐蝕和第三方入侵等原因，造成天然氣管道存在破壞和泄漏的危險。所以，如何預先或及時發現并定位對油氣輸送管道安全造成威脅的隱患或事件，給油氣輸送管道安全預警技術提出了新的挑戰和要求。
3、分布式聲波傳感系統(distributed?acoustic?sensing，das)，通過布設長距離的傳感光纖，可以實現沿光纖長距離的振動事件監測，同時實現準確的定位。das系統在油氣管道安全監測、周界安防、建筑結構安全健康監測等場景中具有極為廣泛的應用。
4、目前，基于光纖分布式聲波傳感的信號識別方法通常以一維時序信號為分析目標，通過信號的特征提取構建特征向量，并利用支持向量機(svm)、線性判別分析(lda)、隨機森林(rf)等機器學習方法進行分類器訓練，以實現對入侵事件的準確識別。然而，這種方法在很大程度上依賴于
技術實現思路
1、針對上述存在的問題或不足，本專利技術提供了一種基于圖像增強的光纖分布式聲波傳感入侵事件識別方法。本專利技術首先利用小波閾值方法對原始信號進行去噪，然后對降噪后的信號進行短時傅里葉變換得到降噪信號的時頻圖，再根據信號的時頻分布特點對圖像進行裁剪，緊接著對裁剪后的圖像使用自適應加權閾值濾波均衡方法進行增強，突出不同類別間信號的差異性特征，最后結合卷積神經網絡(cnn)提取不同入侵事件信號對應的圖像特征，實現對不同類別入侵事件的分類識別。本專利技術將圖像增強處理方法應用于由光纖傳感信號經過處理轉換得到的信號時頻圖，通過增強圖像的方法，在不借助于提升cnn網絡復雜度和優化網絡結構的前提下，實現了對cnn網絡識別準確率的提升。
2、一種基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，包括以下步驟：
3、步驟1、采集分布式光纖的原始信號，對原始信號進行預處理。
4、首先，對原始信號進行降噪處理，以降低系統噪聲和環境噪聲對后續信號分析處理的影響。然后，對降噪后的信號進行樣本分割，對不同入侵事件(如人工挖掘、機械怠速、機械挖掘、打夯機施工等)的數據樣本進行標記并存儲，構建初始數據集。
5、步驟2、計算步驟1預處理后信號樣本的時頻圖以表征信號的時頻分布特征；
6、步驟3、根據步驟2中得到的時頻圖判斷信號的頻率成分，對時頻圖進行裁剪，接著對裁剪后的圖像采用自適應加權閾值濾波均衡方法進行增強，以突出不同類別信號間的差異性特征。
7、步驟4、將步驟3中經過濾波均衡處理的圖像通過偽彩色變換轉換為3通道的rgb圖像并存儲，標記圖像類別建立圖像數據集。
8、步驟5、將步驟4建立的圖像數據集輸入cnn網絡模型進行分類訓練，使用訓練完成的網絡模型實現對入侵事件的識別和分類，并記錄病害位置和類型進行輸出報警，實現對入侵事件的識別與定位。
9、進一步地，所述步驟1中使用小波閾值方法對原始信號進行降噪。時域信號通過小波分解得到各層分解系數，對各層分解系數根據軟閾值函數進行調整，根據閾值處理后的分解系數重構信號完成降噪處理。設第i層的分解系數為w(i)，長度為n，則該層系數閾值thr(i)計算公式為：
10、
11、其中，函數median()表示求中值，使用的軟閾值函數為：
12、
13、其中，函數sgn(x)是符號函數，thr(i)是第i層分解系數的閾值，wthr(i)是經過閾值處理的第i層分解系數。
14、進一步地，所述步驟1中樣本分割為：設窗口長度為wl、步長為sl，則長度為l的信號分割為n個樣本：
15、
16、進一步地，所述步驟1中分多次在不同時間采集原始信號，保證構建的初始數據集中包含待識別的所有事件樣本，將各次采集經過預處理的數據樣本進行合并后再存儲，共同構建初始數據集。
17、進一步地，所述步驟1中入侵事件為人工挖掘、機械怠速、機械挖掘、打夯機施工。
18、進一步地，所述步驟2中通過計算預處理后信號樣本的短時傅里葉變換表征信號的時頻分布信息。首先，對經過降噪處理的信號進行最大最小變換，將其歸一化至[0,1]范圍，然后求解歸一化后信號的短時傅里葉變換，獲取信號的時頻分布特征。
19、進一步地，所述步驟3中的自適應加權閾值濾波均衡方法具體包括：
20、步驟3-1、首先，根據步驟2中得到的時頻圖判斷信號頻率成分，對時頻圖進行裁剪，確保裁剪后的時頻圖僅涵蓋入侵事件的信號頻率成分。然后，對裁剪后的圖像首先采用中值濾波算法進行降噪，消除孤立點噪聲。中值濾波是通過一個奇數點的移動窗口(核)，使得窗口中心點和圖像像素重合，用窗口內像素的中間值代替該像素的值。通過中值濾波可以消除圖像中的“椒鹽噪聲”，同時可以保留圖像的邊緣信息。為了保持信號原有的頻譜特征不被改變，移動窗口選擇線狀窗口，中值濾波的基本步驟是：
21、(a)定義一個奇數點的線狀窗口se，移動se使其中心點和圖像像素重合；
22、(b)對窗口內所有像素按照值的大小進行升序排序；
23、(c)將窗口內像素的中值賦給窗口中心的像素。
24、步驟3-2、采用基于直方圖統計的自適應加權閾值均衡算法對中值濾波后的圖像進行增強以提升圖像質量。若圖像尺寸為m×n，像素矩陣為pix(i,j),i＝1,2,...,m,j＝1,2,3,...,n，像素取值范圍為[0,k],k≤255，則各灰度級像素的概率密度函數p(k)為：
25、
26、對p(k)進行閾值加權，加權概率密度函數pw(k)為：
27、
28、其中pupper＝α×max(p(k))，plower＝0.001，α和r則是用于控制圖像增強效果的兩個控制因子。其中，α決定了像素概率密度的截斷點，較低的α可以使得更多高概率的像素被截斷，從而使得高概率的像素在輸出中占主導地位的可能性變小；控制因子r決定了不同概率密度的像素被保留的概率，當r＜1時，賦予概率密度較低的像素以更高的權重，可能性較低的像素級別被保護，以防止圖像被過度增強。
29、由此可以得到圖像的累積分布函數c(k)為：
30本文檔來自技高網...
【技術保護點】
1.基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，包括以下步驟：
2.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：
3.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，所述步驟1中樣本分割為：設窗口長度為Wl、步長為Sl，則長度為L的信號分割為n個樣本：
4.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：所述步驟1中分多次在不同時間采集原始信號，保證構建的初始數據集中包含待識別的所有事件樣本，將各次采集經過預處理的數據樣本進行合并后再存儲，共同構建初始數據集。
5.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：所述步驟1中入侵事件為人工挖掘、機械怠速、機械挖掘、打夯機施工。
6.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：所述步驟2中通過計算預處理后信號樣本的短時傅里葉變換表征信號的時頻分布信息；首先，對經過降噪處理的信號進行最大最小變換，將其歸
7.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，所述步驟3中的自適應加權閾值濾波均衡方法具體包括：
8.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，所述步驟4中偽彩色變換方法如下：
9.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，所述步驟5具體包括：
...【技術特征摘要】
1.基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，包括以下步驟：
2.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：
3.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于，所述步驟1中樣本分割為：設窗口長度為wl、步長為sl，則長度為l的信號分割為n個樣本：
4.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：所述步驟1中分多次在不同時間采集原始信號，保證構建的初始數據集中包含待識別的所有事件樣本，將各次采集經過預處理的數據樣本進行合并后再存儲，共同構建初始數據集。
5.如權利要求1所述基于圖像增強的光纖分布式聲波傳感入侵事件識別方法，其特征在于：所述步驟1中入侵事件為人工...
【專利技術屬性】
技術研發人員：吳宇，徐竟才，謝浪，后佩棟，韓世博，饒云江，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。