王興奇，黃丹飛，衣文索，荊濤，陳剛

（長(zhǎng)春理工大學(xué) 光電工程學(xué)院，長(zhǎng)春 130022）

分布式光纖振動(dòng)傳感系統(tǒng)利用光纖作為傳感媒介，基于光的干涉或者后向散射原理進(jìn)行高靈敏度振動(dòng)監(jiān)測(cè)。光纖具有功耗低抗電磁干擾強(qiáng)、靈敏度高、成本低廉、布設(shè)靈活、場(chǎng)景應(yīng)用廣泛等特點(diǎn)［1-3］，在管涌監(jiān)測(cè)、橋梁健康監(jiān)測(cè)、周界安保監(jiān)測(cè)等諸多領(lǐng)域具有廣泛的應(yīng)用。其中相位敏感光時(shí)域反射計(jì)（φ-OTDR）的分布式光纖振動(dòng)傳感系統(tǒng)傳感機(jī)構(gòu)簡(jiǎn)單（一根傳感光纖），可以對(duì)同一時(shí)刻不同位置的多個(gè)振動(dòng)點(diǎn)進(jìn)行同時(shí)識(shí)別定位、且分辨率高，定位精度理想，引起了光纖傳感領(lǐng)域的廣泛關(guān)注。

1993年，由Tarlor等人［4］首次提出φ-OTDR系統(tǒng)，與傳統(tǒng)的光時(shí)域反射計(jì)（OTDR）最大區(qū)別在于注入光為強(qiáng)相干光，因此可以輸出后瑞利散射光的相干干涉光。就目前來(lái)看，大部分學(xué)者就提高φ-OTDR系統(tǒng)分辨率及傳感長(zhǎng)度展開(kāi)了較深層次的研究，而對(duì)于振動(dòng)信號(hào)的模式識(shí)別的研究相對(duì)較少。2014年，Tan等人［5］以信號(hào)強(qiáng)度為識(shí)別依據(jù)在埋地環(huán)境下對(duì)人工挖掘、車(chē)輛經(jīng)過(guò)以及挖掘機(jī)挖掘三種模式進(jìn)行了識(shí)別研究。2015年，張顏等人［6］以信號(hào)平方差、短時(shí)過(guò)電平率、短時(shí)傅里葉變換等特征參量為識(shí)別依據(jù)，對(duì)敲擊、攀爬、澆水等模式進(jìn)行識(shí)別，在時(shí)域和頻域上進(jìn)行分析，使用中識(shí)別正確率較低，且對(duì)相似度較高的擾動(dòng)識(shí)別困難。2018年，彭寬等人［7］以平均片段間隔、片段長(zhǎng)度和峰均比、頻域能量等特征參量，對(duì)腳踩、自行車(chē)軋過(guò)、拍擊等模式進(jìn)行識(shí)別，識(shí)別正確率較高，但對(duì)相似模式識(shí)別能力不夠。

利用相位敏感光時(shí)域反射計(jì)（φ-OTDR）的分布式光纖振動(dòng)傳感系統(tǒng)信號(hào)特點(diǎn)，本文提出一種基于多種綜合特征提取的模式識(shí)別方法。該方法提取信號(hào)主波能量（MVE）、信號(hào)主瓣時(shí)延（MVBW）、信號(hào)主瓣峰峰值（MDV）、信號(hào)主波Q值（MVQV）、信號(hào)頻譜（SFS）等十一種特征參量，使用二叉樹(shù)的SVM分類(lèi)器模型，對(duì)擾動(dòng)模式進(jìn)行識(shí)別。利用多種特征向量更加有效地提高識(shí)別準(zhǔn)確性，且對(duì)相似度較高的擾動(dòng)目標(biāo)有較強(qiáng)的識(shí)別能力。

1 φ-OTDR實(shí)驗(yàn)系統(tǒng)及原理

φ-OTDR系統(tǒng)結(jié)構(gòu)與傳統(tǒng)OTDR系統(tǒng)結(jié)構(gòu)相似，不同之處在于φ-OTDR系統(tǒng)采用窄線寬激光器作為光源，所以傳感光纖內(nèi)光脈沖信號(hào)有很強(qiáng)的相干性。φ-OTDR系統(tǒng)所檢測(cè)的是光脈沖信號(hào)相位變化所導(dǎo)致的光強(qiáng)變化量。其原理如圖1所示，窄線寬激光器發(fā)出超窄線寬激光，經(jīng)過(guò)聲光調(diào)制器后，連續(xù)激光被調(diào)制為一定頻率和一定脈寬的脈沖光；脈沖激光經(jīng)過(guò)摻鉺光纖放大器放大入射功率，經(jīng)過(guò)環(huán)形器進(jìn)入傳感光纖。脈沖激光在傳感光纖內(nèi)產(chǎn)生瑞利散射現(xiàn)象，瑞利散射現(xiàn)象產(chǎn)生的后向瑞利散射光會(huì)沿環(huán)形器進(jìn)入APD光電探測(cè)器將光信號(hào)轉(zhuǎn)變成電信號(hào)，電信號(hào)進(jìn)一步被采集處理，送入電腦進(jìn)行分析。

φ-OTDR傳感光纖中脈沖光傳輸如圖2所示，A點(diǎn)的脈沖光信號(hào)可以表示為：

圖1 系統(tǒng)原理

圖2 脈沖光傳輸圖

其中，ER0(t)為A點(diǎn)光強(qiáng)；fc為光頻率；Φ0（t）為無(wú)擾動(dòng)時(shí)光相位。若在C點(diǎn)有擾動(dòng)信號(hào)時(shí)，光信號(hào)會(huì)受擾動(dòng)信號(hào)的作用相位發(fā)生改變，此時(shí)C點(diǎn)的后向瑞利散射信號(hào)可以表示為：

其中，ER1(t)為C點(diǎn)的后向瑞利散射光光強(qiáng)；Φ1（t）為光纖擾動(dòng)信號(hào)影響后的光相位。

A點(diǎn)光信號(hào)傳輸?shù)紹點(diǎn)產(chǎn)生的后向瑞利散射光，其強(qiáng)度為ER0，該信號(hào)會(huì)與C點(diǎn)的后向瑞利散射光產(chǎn)生疊加，傳輸?shù)教綔y(cè)器時(shí)產(chǎn)生干涉?？梢员硎緸椋?/p>

此時(shí)，在探測(cè)器中的信號(hào)可以表示為：

由于擾動(dòng)信號(hào)影響，同一位置在不同時(shí)間的后向瑞利散射光強(qiáng)會(huì)有很大的改變，為提高信噪比，將不同時(shí)間點(diǎn)的后向瑞利散射光信號(hào)進(jìn)行差分，并對(duì)差分信號(hào)進(jìn)行分析。提取空域特征參量，對(duì)同一位置不同時(shí)間點(diǎn)采集時(shí)域特征參量。

2 多特征參量模式識(shí)別

由于擾動(dòng)目標(biāo)特征的多樣性和易變性，用單一特征向量不足以準(zhǔn)確鑒別出目標(biāo)類(lèi)別，所以充分、有效地利用多種特征信息，進(jìn)行諸多特征的融合是必要的。利用多角度多特征提取信號(hào)特征參量包括：信號(hào)主波能量（MVE）、信號(hào)主瓣時(shí)延（MVBW）、信號(hào)主瓣峰峰值（MDV）、信號(hào)主波Q值（MVQV）、信號(hào)頻譜（SFS）、信號(hào)二次回波損耗（2VEL）、信號(hào)3 dB時(shí)延（3 dBBW）等?？梢愿佑行У耐怀霾煌Ｊ綌_動(dòng)的特性。

信號(hào)主波能量（MVE）如圖3所示，即為按照采樣頻率離散采樣得到的信號(hào)幅度平方的積分，而能量就是主波信號(hào)內(nèi)各點(diǎn)幅度值v平方后的求和。振動(dòng)信號(hào)主波能量反映出目標(biāo)信號(hào)的強(qiáng)度信息，算法中計(jì)算結(jié)果用來(lái)衡量目標(biāo)的能量大小。

信號(hào)主瓣時(shí)延（MVBW）如圖4所示，信號(hào)的主瓣時(shí)延（MVBW）描述擾動(dòng)信號(hào)主瓣每一次擾動(dòng)的時(shí)延，體現(xiàn)了擾動(dòng)信號(hào)的時(shí)域特性，通過(guò)對(duì)信號(hào)主瓣時(shí)延進(jìn)行計(jì)算可以有效地提取到振動(dòng)信號(hào)時(shí)域信息。

信號(hào)主瓣峰峰值（MDV）：信號(hào)在單周期內(nèi)回波信號(hào)的峰值，利用離散采樣得到的信號(hào)，主瓣峰峰值用來(lái)衡量信號(hào)瞬時(shí)強(qiáng)度信息，如圖5所示，即為正向最高峰電壓與反向最低電壓差。

信號(hào)主波Q值（MVQV）如圖6所示，信號(hào)的主波Q值（MVQV）描述來(lái)波信號(hào)的主能量的尖銳程度，瞬時(shí)敲擊、挖掘破壞等信號(hào)的主波Q值（MVQV）要尖銳些，也就是說(shuō)能量集中，比較窄且尖銳程度大，則主波Q值（MVQV）大。相反，如車(chē)輛經(jīng)過(guò)或下雨等情況，主波Q值（MVQV）要平坦些，也就是說(shuō)能量分布寬，尖銳程度小，主波Q值（MVQV）小。

信號(hào)3 dB時(shí)延（3 dBBW）：信號(hào)的3 dB時(shí)延（3 dBBW）是指信號(hào)能量衰減到原始功率一半狀態(tài)的時(shí)間，如圖7所示，也可以用整個(gè)信號(hào)的總功率圖分解出方波信號(hào)來(lái)表示。

信號(hào)二次回波損耗（2VEL）：回波信號(hào)的二次回波損耗（2VEL）是指沖擊信號(hào)的主波振蕩后的二次回調(diào)峰值大小，也是主瓣3 dB能量與二次振蕩3 dB能量之比，該參數(shù)描述回波信號(hào)的衰減速度，如圖8所示。

信號(hào)頻譜（SFS）：信號(hào)的頻率分布（SFS）描述擾動(dòng)信號(hào)的振動(dòng)能夠頻率，屬于頻域信息。通過(guò)測(cè)定信號(hào)穿過(guò)電平閾值的次數(shù)，得到信號(hào)的頻率，這是信號(hào)頻率提取的一種基本方法，表示在時(shí)間閾值內(nèi)信號(hào)在電平閾值附近穿越的頻率，得到：式中，I(n)為信號(hào)點(diǎn)幅度；a為設(shè)置的電平閾值；Ψ為指示函數(shù)，當(dāng)I(n)≥a成立時(shí)Ψ為1，否則為0。短時(shí)過(guò)電平率與傳感信號(hào)的短時(shí)平均頻率以及短時(shí)相位變化成正相關(guān)，因此，可以用信號(hào)頻譜（SFS）作為信號(hào)的特征。此外，還有信號(hào)波數(shù)（SSVC）、信號(hào)半波長(zhǎng)度（HTDT）、主瓣峰值（MVMAX）、中心頻率（CF）、主瓣寬度（MVDT）等信號(hào)特征參量。

圖3 主波能量（MVE）

圖4 主瓣時(shí)延（MVBW）

圖5 主瓣峰峰值（MDV）

圖6 主波Q值（MVQV）

圖7 信號(hào)3 db時(shí)延（3DBBW）

圖8 二次回波損耗（2VEL）

3 多特征參數(shù)的二叉樹(shù)結(jié)構(gòu)SVM分類(lèi)器模型

為降低外界對(duì)信號(hào)的干擾與信號(hào)之間的串?dāng)_，在得到相應(yīng)信號(hào)的幅度后，先要對(duì)每組數(shù)據(jù)進(jìn)行歸一化處理，如圖9所示，再提取信號(hào)的相關(guān)數(shù)字特征。

圖9 歸一化曲線

再通過(guò)提取φ-OTDR光纖分布式傳感系統(tǒng)信號(hào)中的信號(hào)主波能量（MVE）、信號(hào)主瓣時(shí)延（MVBW）、信號(hào)主瓣峰峰值（MDV）、信號(hào)主波Q值（MVQV）、信號(hào)頻譜（SFS）等參數(shù)的數(shù)字特征，來(lái)構(gòu)建分類(lèi)器的分界線。將3種事件與11個(gè)特征分別兩兩組合，共計(jì)165種組合，來(lái)尋找使得兩類(lèi)信號(hào)能夠充分分離的信號(hào)特征組合，從而搭建起分類(lèi)器系統(tǒng)。原理圖如圖10所示。

圖10 二叉樹(shù)結(jié)構(gòu)分類(lèi)器

根據(jù)SVM的理論，為了得到兩類(lèi)信號(hào)的分界線，使得兩類(lèi)信號(hào)之間的距離達(dá)到最大化，從而盡可能地分離兩類(lèi)信號(hào)，所采取線性回歸的方法來(lái)確定分界線的位置和具體函數(shù)表達(dá)式［8-10］。在本系統(tǒng)中，為了能夠快速的將信號(hào)分類(lèi)，選取直線作為分界線。

（1）分類(lèi)器Ⅰ

由圖10可以看出分類(lèi)器Ⅰ的任務(wù)是分類(lèi)挖盜和其他擾動(dòng)兩種情況。為了區(qū)分挖盜和其他行為，通過(guò)分析表1的數(shù)字特征，可以得出挖盜破壞行為的各個(gè)數(shù)字特征均高于其它行為。

（2）分類(lèi)器Ⅱ

當(dāng)有其他擾動(dòng)發(fā)生時(shí)，本系統(tǒng)將區(qū)分出車(chē)壓、敲擊和踩踏三種事件進(jìn)行模式識(shí)別，利用滿二叉樹(shù)結(jié)構(gòu)來(lái)進(jìn)行擾動(dòng)行為的模式識(shí)別。分類(lèi)器Ⅱ的作用是將敲擊和踩踏兩種事件進(jìn)行區(qū)分，如圖11所示。

圖11 分類(lèi)器Ⅱ的分界圖

通過(guò)分析圖11發(fā)現(xiàn)敲擊信號(hào)集中在縱坐標(biāo)方向右側(cè)，而踩踏信號(hào)分布在敲擊信號(hào)的右側(cè)。因此信號(hào)波數(shù)/主瓣峰值（SSVC/MVMAX）做縱坐標(biāo)、二次回波損耗/3 db時(shí)延（2VEL/3DBBW）做橫坐標(biāo)能夠使敲擊和踩踏信號(hào)充分的分離。再通過(guò)圖中點(diǎn)的位置關(guān)系來(lái)獲得分類(lèi)直線的解析式。

（3）分類(lèi)器Ⅲ和分類(lèi)器Ⅳ

分類(lèi)器Ⅲ和分類(lèi)器Ⅳ是最終識(shí)別車(chē)壓、敲擊和踩踏三種模式的兩個(gè)分類(lèi)器。分類(lèi)器Ⅲ的作用是識(shí)別敲擊和車(chē)壓兩種擾動(dòng)，如圖12所示。

圖12 分類(lèi)器Ⅲ的分界圖

表1 400組平均數(shù)據(jù)

從圖12中可以確定由信號(hào)主波峰峰值/主波Q值（MDV/MVQV）做縱坐標(biāo)、主瓣寬度/信號(hào)頻譜（MVDT/SFS）做橫坐標(biāo)的數(shù)字特征組合能有效分離車(chē)壓和敲擊擾動(dòng)，并求得線性回歸方程：

分類(lèi)器Ⅳ識(shí)別踩踏和車(chē)壓擾動(dòng)事件，通過(guò)多次組合發(fā)現(xiàn)由信號(hào)半波長(zhǎng)度/波數(shù)（HTDT/SSVC）做縱坐標(biāo)、二次回波信號(hào)/3 db時(shí)延（2VEL/3DBBW）做橫坐標(biāo)的組合可以作為車(chē)壓和踩踏擾動(dòng)的分類(lèi)依據(jù)。

圖13 分類(lèi)器Ⅳ的分界圖

并選取圖中兩類(lèi)事件相鄰最近的點(diǎn)，求兩個(gè)中點(diǎn)并連線可以得到分界線方程：

4 實(shí)驗(yàn)結(jié)果及分析

本文實(shí)驗(yàn)系統(tǒng)如圖1所示，用線寬為10 KHz的超窄線寬激光器作為光源發(fā)出1 550 nm激光，經(jīng)過(guò)AOM聲光調(diào)制器產(chǎn)生頻率為2 KHz，脈沖寬度為100 ns的脈沖激光后再經(jīng)摻鉺激光放大器（EDFA）放大激光入射功率至54.6 μW后進(jìn)入長(zhǎng)度為22.6 km鎧裝光纖（光纖埋入地下深約0.4 m），后向瑞利散射光由探測(cè)器接收濾波放大后，進(jìn)入采集卡（采集卡采集頻率為2 MHz），得到如圖14所示信號(hào)數(shù)據(jù)，對(duì)多次信號(hào)數(shù)據(jù)采集后，通過(guò)滑動(dòng)平均算法得到差動(dòng)后數(shù)據(jù)［11-12］，如圖15所示。并在上位機(jī)中使用LabVIEW軟件進(jìn)行信號(hào)閾值判斷及報(bào)警預(yù)測(cè)，得到報(bào)警信號(hào)波形進(jìn)行分析判斷及模式識(shí)別，得到最終結(jié)果。

圖14 瑞利信號(hào)

圖15 差動(dòng)數(shù)據(jù)

實(shí)驗(yàn)中選取傳感光纖10 km處作為試驗(yàn)點(diǎn)，首先在試驗(yàn)點(diǎn)進(jìn)行挖盜，區(qū)分車(chē)壓（普通小汽車(chē)60 km/h，通過(guò)預(yù)埋光纖側(cè)上方）、踩踏（模擬行人通過(guò)一次）、敲擊（手持4 KG的鐵棒敲擊預(yù)埋光纖正上方）這四種情形的實(shí)驗(yàn)，然后，每組實(shí)驗(yàn)進(jìn)行100次，共計(jì)400次實(shí)驗(yàn)，得到400個(gè)樣本。挖盜對(duì)應(yīng)時(shí)域波形例圖，如圖16（a）所示；車(chē)壓對(duì)應(yīng)時(shí)域波形例圖，如圖16（b）所示；敲擊對(duì)應(yīng)時(shí)域波形例圖，如圖16（c）所示；踩踏對(duì)應(yīng)時(shí)域波形例圖，如圖16（d）所示。

圖16 四種擾動(dòng)模式時(shí)域波形圖

如圖16所示，從圖中可以明顯看出挖盜行為振動(dòng)能量大，幅值高，信號(hào)波形較寬大，2次回波損耗也低；車(chē)壓擾動(dòng)能量低于挖盜行為，但明顯高于踩踏和敲擊；敲擊擾動(dòng)振動(dòng)能量較小，信號(hào)波形尖銳且二次回波損耗高；踩踏行為振動(dòng)能量最低，信號(hào)波形小而尖銳。對(duì)本實(shí)驗(yàn)數(shù)據(jù)做平均處理得到表1數(shù)據(jù)，作為目標(biāo)庫(kù)樣本數(shù)據(jù)。

通過(guò)提取傳感信號(hào)多個(gè)特征量作為識(shí)別的信號(hào)特征，并運(yùn)用回歸分析的方法建立了多特征參數(shù)的二叉樹(shù)結(jié)構(gòu)SVM分類(lèi)器。首先，通過(guò)分類(lèi)器Ⅰ區(qū)分挖盜信號(hào)和其他模式的傳感信號(hào)；然后再通過(guò)分類(lèi)器Ⅱ、Ⅲ、Ⅳ對(duì)其他擾動(dòng)的傳感信號(hào)進(jìn)行進(jìn)一步的分類(lèi)，以識(shí)別三種擾動(dòng)源：車(chē)壓（普通小汽車(chē)60 km/h，通過(guò)預(yù)埋光纖側(cè)上方）、踩踏（模擬行人通過(guò)一次）、敲擊（手持4 KG的鐵棒敲擊預(yù)埋光纖正上方）。該方法突破了單一特征參量目標(biāo)識(shí)別的缺點(diǎn)，提高了擾動(dòng)源識(shí)別的準(zhǔn)確性。

利用目標(biāo)庫(kù)對(duì)80組數(shù)據(jù)進(jìn)行模式識(shí)別，并與只利用4種特征參量的識(shí)別方法進(jìn)行對(duì)比。

表2 識(shí)別結(jié)果

通過(guò)表2可以看出利用多特征參量進(jìn)行模式識(shí)別方法的識(shí)別率分別為95%、93.75%、90%、81.25%，綜合識(shí)別率達(dá)到90%明顯高于4種特征參量的識(shí)別方法，多特征參量的模式識(shí)別方法能夠解析出擾動(dòng)信號(hào)種包含的更多的識(shí)別信息，更有利于識(shí)別相似度較高的擾動(dòng)模式。

5 結(jié)論

本文搭建了φ-OTDR光纖振動(dòng)傳感系統(tǒng)，以識(shí)別多種擾動(dòng)模式為目的，利用多特征參數(shù)的二叉樹(shù)結(jié)構(gòu)SVM算法，能有效識(shí)別多種擾動(dòng)模式。該方法突破了單一特征量目標(biāo)識(shí)別的缺點(diǎn)，有效提高了多種擾動(dòng)源識(shí)別的準(zhǔn)確性，拓展其在工程應(yīng)用中的功能。