Page 22 - 网络电信2021年11月刊下
P. 22
光 通 信
图 10 信号分类识别结果
支持向量机（SVM）需要选择核函数以及寻参相比，流形学习则 监控尤为重要。本文提出的基于分布式光纤振动系统的光缆外
通过寻找样本的内在流形分布，比较未知样本与正样本流形及 破识别算法，实现振动信号与入侵信号的分步判断，再提取入
负样本流形之间的距离来判定样本类别，具有参数估计简单， 侵信号的时频域关键性特征作为判别依据，通过流形学习计算
且参数影响不大的优点。 最优非线性的映射关系，实现精准外破类型和垂直距离分级的
流形学习根据给定的训练样本构造子流形，子流形沿着边 双识别，加快时效性和准确率，将传统的光缆被动抢修转为主
界粘连构成父流形。在充分利用训练集的类别标签信息和类内 动预防，有效避免断纤事故的发生。
近邻信息的基础上，计算出最优非线性映射函数，对训练样本
的高维特征进行降维，同时利用非线性核回归技术处理样本外 参考文献
点学习问题，使降维后得到的低维嵌入更有利于分类 ［12］ 。因 ［1］ 张海宽，涂国栋，李蔚，等.武汉电网光缆防外破探索及
此，流形学习算法可以更好的实现分类。因此，本文利用宏流 展望［J］.信息通信，2014（8）：177-178.
形学习方法进行双分类识别。 ［2］ 帅师，王翦，吴红艳，等.一种分布式光纤传感系统的信
号识别方法［J］.复旦学报（自然科学版），2018，57
四、案例分析 （5）：81-88.
为了验证该算法方案的实际效果，以正值道路维修和地铁修 ［3］ 张俊楠，娄淑琴，梁生.基于SVM算法的φ-OTDR分布式光
建路径的移动信通为对象，实时监测其光纤通道作为检验样本， 纤扰动传感系统模式识别研究［J］.红外与激光工程，
在监测到异常扰动时，进行现场核实并测距，以保证样本数据 2017，（4）：219-225.
的准确性。监测系统设置采样频率为12.5MHz，选取前270Hz作为 ［4］ 彭和阔，宋耀华，王翦，等.一种应用于光缆外破在线监
有效区间，并按照每30Hz进行规整化分段计算。参考经验数据， 控的模式识别方案［J］.光学仪器，2018，40（2）：
算法计算的垂直距离以分级形式展示，即，0～3m以内为一级， 60-65.
3～5m以内为二级，大于5m则判断为三级，实行分级警报。 ［5］ 卢学佳，安博文，陈元林，等.基于现代谱估计的光纤周
历时两个月，共监测到多组异常扰动事件，包括轧路机、 界安防系统模式识别［J］.光通信技术，2017，（5）：
破碎机、风镐等，选取正常无扰动数据与各扰动事件数据作为 10-
样本，提取各样本数据的频率能量占比E和峰值数据F，并联合 ［6］ 任孝锋.考虑光纤入侵信号的安防系统信号分级识别算法
时域指标共同作为特征向量，向量格式为[C,K,K +, F 1 ,…,F 9 ,E 1 ,… 研究［J］.激光杂志，2020，41（7）：162-166.
,E 9 ]，据此建立样本特征库模型，并在实时监测时进行模式识 ［7］ 王建平，郝钊，朱程辉，等.基于相空间重构的光纤周界
别，实现对扰动信号的再判别，避免因其他因素导致的误报，同 信号识别算法研究［J］.合肥工业大学学报（自然科学
时也实现扰动事件识别及垂直距离的计算，如图10所示。 版），2017，40（5）：643-648.
从分类结果可知，该双分类算法对有无扰动信号分类很准 ［8］ 郑丁，朱明斯，云麟，等.基于DVS的振动源与传感通道
确，偏差基本体现在破碎机和风镐的识别上。主要是因为两者同 垂直距离的计算方法［J］.光通信技术，2019，43
为破碎混凝土地面的作业、同属冲击信号，工作原理近似，回 （11）.
看图8，两者的频谱图也很相近，也由此导致两者的识别出现误 ［9］ 杨先健.动力机械引起的地面振动衰减［J］.湖南大学学
报，但总体识别率高达90%。 报（自然科学版），1982，（3）：15-21.
［10］ 刘刚，张家林，刘闯，等.钻头钻进不同介质时的振动
五、结论 信号特征识别研究［J］.振动与冲击，2017，36
针对电力通信光缆的重要性愈发凸显，防外破事件的实时 （8）：71-78.
36 网络电信 二零二一年十一月
