← 返回列表
分布式电力光纤振动信号降噪与时序特征提取的识别方法
摘要文本
分布式电力光纤振动信号降噪与时序特征提取的识别方法，涉及电力光纤信号处理领域，解决现有现有技术无法同时进行信号降噪并提取振动信号的时序特征，振动事件识别准确率低和误警率高的问题，本发明通过采集光纤振动事件的时空矩阵信号，并对信号进行裁剪，保留有效空间采样点的数据；然后对采样点的数据标记事件类型标签，构建光纤振动事件数据集；并根据光纤振动事件数据集构建ASVD模型并进行训练，并对训练后的ASVD模型进行测试，获得光纤振动事件的分类结果；本方法提高了模型在新应用场景下的泛化性和鲁棒性；增加了对振动信号时序状态特征的挖掘，进一步提升模型对多事件的区分能力。
申请人信息
- 申请人:东北电力大学
- 申请人地址:132000 吉林省吉林市船营区长春路169号
- 发明人: 东北电力大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 分布式电力光纤振动信号降噪与时序特征提取的识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311355783.0 |
| 申请日 | 2023/10/19 |
| 公告号 | CN117390413A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06F18/21 |
| 权利人 | 东北电力大学 |
| 发明人 | 姜万昌; 姜雨馨; 苏畅; 于皓宇; 李雪 |
| 地址 | 吉林省吉林市船营区长春路169号 |
专利主权项内容
1.分布式电力光纤振动信号降噪与时序特征提取的识别方法，其特征是：该方法由以下步骤实现：步骤一、采集光纤振动事件的时空矩阵信号，并对所述矩阵信号进行裁剪，保留有效空间采样点的数据；然后对所述采样点的数据标记事件类型标签，构建光纤振动事件数据集；步骤二、采用步骤一所述的光纤振动事件数据集构建ASVD模型并进行训练，并对训练后的ASVD模型进行测试，获得光纤振动事件的分类结果；具体训练过程为：设定ASVD模型中的深度残差网络作为主干模型，在每层卷积操作后对该层卷积层获得的特征图按通道进行降噪处理，获得降噪后的特征序列X；采用长短时记忆网络对所述降噪后的特征序列X进行时序状态特征提取，获得振动信号时域特征，完成ASVD模型的训练。