偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法
【專(zhuān)利摘要】本發(fā)明提出一種偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，屬于分布式光纖傳感及其應(yīng)用領(lǐng)域。累積偏振敏感光時(shí)域反射儀(P-OTDR)不同時(shí)刻的光時(shí)域信號(hào)，將時(shí)間-空間軸信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣，進(jìn)行差值及二值化處理后對(duì)該二值化差值圖像進(jìn)行水平累加預(yù)處理，通過(guò)對(duì)預(yù)處理后的二值化差值圖像進(jìn)行邊緣檢測(cè)及自動(dòng)分類(lèi)的方法來(lái)解決偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)擾動(dòng)檢測(cè)與高精度定位的難題。該方法在長(zhǎng)距離周界安防、油氣輸送管道、架空電纜、埋地光纜等的安全監(jiān)測(cè)領(lǐng)域具有廣泛的應(yīng)用價(jià)值。
【專(zhuān)利說(shuō)明】偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及分布式光纖傳感及其應(yīng)用領(lǐng)域，具體涉及一種偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法。

【背景技術(shù)】
[0002]偏振敏感光時(shí)域反射儀(Polarizat1n-sensitiveoptical time domainreflectometry, P-0TDR)，利用光纖內(nèi)部背向瑞利散射光偏振態(tài)的變化感知傳輸路徑上應(yīng)變、擾動(dòng)等的空間分布和時(shí)間變化信息，是一種典型全分布式光纖傳感技術(shù)，全程無(wú)源，在長(zhǎng)距離周界安防、長(zhǎng)輸油氣管道安全、輸電線纜和埋地光纜安全監(jiān)測(cè)及大型結(jié)構(gòu)健康監(jiān)測(cè)等領(lǐng)域發(fā)揮重要作用，滿足國(guó)家在邊境線、重要基礎(chǔ)設(shè)施等方面安全監(jiān)測(cè)的重大需求。
[0003]但是，偏振敏感光時(shí)域反射儀(P-OTDR)在以上領(lǐng)域應(yīng)用時(shí)，主要問(wèn)題是當(dāng)某空間點(diǎn)發(fā)生擾動(dòng)，該空間點(diǎn)及以后光纖鏈路上的偏振態(tài)信息均會(huì)發(fā)生變化，所以一般只能進(jìn)行單點(diǎn)擾動(dòng)的檢測(cè)與定位。但是，多點(diǎn)擾動(dòng)檢測(cè)和定位通常是周界安防及公共設(shè)施安全監(jiān)測(cè)的一個(gè)基本要求。因此，南京大學(xué)(X.C.Wang, X.P.Zhang, et al, Applicat1n offrequency spectrum analysis in measuring mult1-vibrat1ns by using POTDRj Proc.0f SPIE, vol.8198, 2011:819808)提出了一種頻譜分析方法，根據(jù)不同點(diǎn)振動(dòng)頻率的差異確定多點(diǎn)振動(dòng)及其位置，但實(shí)際人為或機(jī)械擾動(dòng)通常是具有一定頻率寬度范圍的寬頻信號(hào)，不是單一線頻信號(hào)，多點(diǎn)擾動(dòng)時(shí)各個(gè)擾動(dòng)信號(hào)的頻譜相互疊加時(shí)，仍然無(wú)法區(qū)分，故實(shí)際應(yīng)用中該方法受到明顯約束。


【發(fā)明內(nèi)容】

[0004]本發(fā)明目的是提供一種偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，解決現(xiàn)有的方法無(wú)法區(qū)分多個(gè)擾動(dòng)點(diǎn)的問(wèn)題。
[0005]本發(fā)明的技術(shù)方案為:偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，包括如下步驟:
[0006](I)時(shí)間-空間光時(shí)域反射信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣:對(duì)偏振敏感光時(shí)域反射儀(P-OTDR)不同時(shí)刻沿空間分布的光時(shí)域反射信號(hào)進(jìn)行累積，將時(shí)間-空間軸信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣，水平方向即信號(hào)矩陣行為空間軸，垂直方向即信號(hào)矩陣列為時(shí)間軸；
[0007](2) 二值化差值圖像準(zhǔn)備及預(yù)處理:對(duì)二維原始信號(hào)矩陣進(jìn)行行間即時(shí)間軸上差值處理后，對(duì)其形成的二維圖像進(jìn)行二值化處理，得到一幅時(shí)、空為二維軸的二值化差值圖像；對(duì)二值化差值圖像進(jìn)行水平累加預(yù)處理，連通水平行上孤立的點(diǎn)以提高后續(xù)邊緣檢測(cè)的準(zhǔn)確性；
[0008](3)邊緣檢測(cè)及優(yōu)化:對(duì)預(yù)處理后的二值化差值圖像進(jìn)行邊緣點(diǎn)檢測(cè)，并通過(guò)圖像形態(tài)學(xué)中的膨脹處理，處理后用中值濾波的方法對(duì)邊緣點(diǎn)進(jìn)行優(yōu)化，充分利用位于類(lèi)中心且相互靠攏的邊緣點(diǎn)而濾除掉孤立的邊緣點(diǎn)；
[0009](4)對(duì)優(yōu)化邊緣檢測(cè)點(diǎn)的自動(dòng)聚類(lèi):利用改進(jìn)最大最小值距離聚類(lèi)算法對(duì)優(yōu)化的邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)；
[0010](5)根據(jù)聚類(lèi)結(jié)果確定分類(lèi)數(shù)目及各個(gè)類(lèi)中心，完成多點(diǎn)檢測(cè)和定位:利用邊緣點(diǎn)的實(shí)際分類(lèi)數(shù)確定檢測(cè)到的擾動(dòng)點(diǎn)數(shù)，通過(guò)各類(lèi)類(lèi)中心確定各擾動(dòng)點(diǎn)的位置，完成多點(diǎn)擾動(dòng)檢測(cè)和定位。
[0011]本發(fā)明技術(shù)方案的具體步驟如下:
[0012](I)時(shí)間-空間光時(shí)域反射信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣:
[0013]偏振敏感光時(shí)域反射儀以周期觸發(fā)脈沖作為一個(gè)信號(hào)采集單元，觸發(fā)頻率為f，觸發(fā)周期為τ =1/f，該時(shí)間單元τ內(nèi)采集的信號(hào)是沿整條光纜分布的光時(shí)域反射信號(hào)，是個(gè)一維空間信號(hào)，映射了整條探測(cè)光纜各空間點(diǎn)上光信號(hào)偏振態(tài)的分布信息，通過(guò)多次觸發(fā)，一定時(shí)間累積后時(shí)間-空間聯(lián)立便形成一個(gè)m行、η列的二維原始信號(hào)矩陣，水平方向即信號(hào)矩陣行為空間軸，垂直方向即信號(hào)矩陣列為時(shí)間軸，m表不m個(gè)不同觸發(fā)時(shí)刻、η表不η個(gè)空間采樣點(diǎn)。
[0014](2) 二值化差值圖像準(zhǔn)備及預(yù)處理:
[0015]對(duì)步驟(I)中的二維原始信號(hào)矩陣進(jìn)行行間即時(shí)間軸上差分處理，此時(shí)差分處理后的二維差值信號(hào)矩陣為m-Ι行η列，差分處理的目的是為了突出擾動(dòng)信號(hào)的突變邊緣；選擇合適的閾值對(duì)上述二維差值圖像進(jìn)行二值化處理，得到一幅時(shí)、空為二維軸的二值化差值圖像。為便于下一步的邊緣檢測(cè)，對(duì)獲取的二值化差值圖像在水平方向上進(jìn)行I單位長(zhǎng)度的累加以連通水平方向上不連續(xù)點(diǎn)，達(dá)到水平平滑的效果，累加之后的二維矩陣仍需進(jìn)行二值化處理，至此即完成二值化差值圖像的準(zhǔn)備及預(yù)處理；
[0016](3)邊緣檢測(cè)及優(yōu)化:
[0017]對(duì)步驟(2)所獲得的二值化差值圖像進(jìn)行邊緣點(diǎn)檢測(cè)，邊緣檢測(cè)的核心是找出二值化差值圖像中所有水平方向信號(hào)值由O變I的突變點(diǎn)；但是由于原始信號(hào)中噪聲的影響，經(jīng)過(guò)上述各個(gè)步驟處理后必然存在一些孤立噪聲點(diǎn)，因而通過(guò)圖像形態(tài)學(xué)的中的膨脹處理與濾波方式中的中值濾波操作聯(lián)合進(jìn)行優(yōu)化處理，一方面利用膨脹的方法盡可能擴(kuò)展類(lèi)中心邊緣點(diǎn)周?chē)狞c(diǎn)數(shù)目，使用此方法的目的是避免后面濾波過(guò)程中將較少的真實(shí)類(lèi)中心邊緣點(diǎn)濾除而導(dǎo)致分類(lèi)數(shù)目較實(shí)際分類(lèi)數(shù)偏少，另一方面通過(guò)中值濾波在去除膨脹后圖像的孤立噪聲點(diǎn)的同時(shí)，又可以保留圖像的真實(shí)邊緣；
[0018](4)對(duì)優(yōu)化邊緣檢測(cè)點(diǎn)的自動(dòng)聚類(lèi):
[0019]對(duì)步驟(3)中優(yōu)化的邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)，本發(fā)明中基于最大最小值距離聚類(lèi)算法提出一種改進(jìn)的最大最小值距離聚類(lèi)算法，算法流程實(shí)現(xiàn)過(guò)程:
[0020]設(shè)初始樣本集，即優(yōu)化后的邊緣檢測(cè)點(diǎn)的空間列坐標(biāo)為X ={Χ(1)，Χ(2)，...，Χ(Ν)}，樣本無(wú)序，首先根據(jù)實(shí)際情況指定樣本的分類(lèi)個(gè)數(shù)上限為K (K彡I)，實(shí)際聚類(lèi)結(jié)果即實(shí)際分類(lèi)數(shù)K，具體聚類(lèi)步驟如下:
[0021]I)將初始樣本集所有數(shù)據(jù)進(jìn)行升序排序，得到新的排序后的樣本集Y ={y(l)，y(2)，...，y(N)}，且y(l) <y(2) <...< y (N)，這組樣本集實(shí)際分類(lèi)數(shù)目至少有一類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin= 1，確定第一個(gè)聚類(lèi)中心為排序后第一個(gè)樣本，即z(l)=y (I)；
[0022]2)判斷排序后的最后一個(gè)樣本與第一個(gè)聚類(lèi)中心的距離是否小于設(shè)定閾值λ (閾值λ根據(jù)經(jīng)驗(yàn)設(shè)定)，若小于λ則說(shuō)明該樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)有且只有一類(lèi)，gpk = kmin(k = I)，聚類(lèi)中心查找結(jié)束；否則認(rèn)為這組樣本集實(shí)際分類(lèi)數(shù)至少有兩類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin = 2，確定第二個(gè)聚類(lèi)中心為排序后最后一個(gè)樣本，即z (2) = y (N)，之后判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，實(shí)際分類(lèi)數(shù)k = kmin(k=2)，聚類(lèi)中心查找結(jié)束；否則繼續(xù)判斷新的聚類(lèi)中心是否存在；
[0023]3)分別計(jì)算排序后樣本集中除去聚類(lèi)中心的NjN1彡N-2)個(gè)所有其它樣本到已知kmin個(gè)聚類(lèi)中心Iz⑴，z(2)，…，z(kmin)}的距離，分別為{D(i，l)，D(i，2)，...，D(i，kmin)};對(duì)以上N1個(gè)樣本，分別計(jì)算得到其到已知聚類(lèi)中心的最小距離，記為T(mén)(i)=min{D(i, I), D(i, 2)，…，D(i, kmin)},表示第i個(gè)樣本到所有已知聚類(lèi)中心的最小距離；再?gòu)囊陨纤袠颖九c已知聚類(lèi)中心的最小距離值中選出最大值，即計(jì)算max(T(i))=max {T (i)，i = I, 2，…Nj ,其中max (T (i))值所對(duì)應(yīng)的樣本設(shè)為y (i),以此判斷新的聚類(lèi)中心是否存在；若maX(T(i))〈0*|y(l)-y(N)|(其中Θ為事先給定系數(shù)，0〈θ〈1，y(l)-y(N) |為排序后樣本集樣本間的最遠(yuǎn)距離)，這組樣本集實(shí)際分類(lèi)數(shù)有且只有k = kmin類(lèi)，聚類(lèi)中心查找結(jié)束；否則實(shí)際分類(lèi)數(shù)下限增加1，即kmin = kmin+l，設(shè)新的第kmin個(gè)聚類(lèi)中心z(kmin) =y(i)，判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)為k = kmin，聚類(lèi)中心查找結(jié)束；否則重復(fù)步驟3)繼續(xù)判斷新的聚類(lèi)中心是否存在，直至實(shí)際分類(lèi)數(shù)k = kmin，聚類(lèi)中心查找結(jié)束；
[0024]4)當(dāng)所有的聚類(lèi)中心確定后，設(shè)實(shí)際分類(lèi)結(jié)果有M類(lèi)，即k = M，計(jì)算除聚類(lèi)中心的所有樣本到已知聚類(lèi)中心的距離，將最小距離對(duì)應(yīng)的聚類(lèi)中心代表的類(lèi)別作為該樣本所屬的類(lèi)別。
[0025]該改進(jìn)的分類(lèi)算法與原始最大最小值距離聚類(lèi)算法主要區(qū)別，一是事先確定分類(lèi)上限K，使得分類(lèi)效率和準(zhǔn)確性大大提高；另外，改進(jìn)后的算法對(duì)分類(lèi)樣本進(jìn)行了升序排序，便于將距離最遠(yuǎn)的樣本點(diǎn)作為聚類(lèi)中心，避免原始算法中隨機(jī)選取聚類(lèi)中心影響分類(lèi)的準(zhǔn)確性。
[0026](5)根據(jù)聚類(lèi)結(jié)果確定分類(lèi)個(gè)數(shù)及各個(gè)類(lèi)中心，完成多點(diǎn)檢測(cè)和定位
[0027]對(duì)步驟(4)中的自動(dòng)聚類(lèi)及分類(lèi)結(jié)果進(jìn)行整理，實(shí)際分類(lèi)數(shù)k = M即為算法所檢測(cè)到的實(shí)際入侵或擾動(dòng)點(diǎn)數(shù)；各個(gè)擾動(dòng)點(diǎn)的位置由各個(gè)類(lèi)的類(lèi)中心確定，找出每個(gè)類(lèi)別中出現(xiàn)頻數(shù)最多的樣本作為該類(lèi)的類(lèi)中心，若頻數(shù)最大為1，則將該類(lèi)樣本進(jìn)行平均作為該類(lèi)的類(lèi)中心，各類(lèi)的類(lèi)中心的空間列坐標(biāo)進(jìn)一步換算為對(duì)應(yīng)的空間位置，即為各個(gè)擾動(dòng)點(diǎn)的定位結(jié)果，至此完成偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)擾動(dòng)的檢測(cè)與高精度定位。
[0028]本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn):
[0029]本發(fā)明提出對(duì)偏振敏感光時(shí)域反射儀(P-OTDR)不同時(shí)刻的光時(shí)域反射信號(hào)進(jìn)行累積，將時(shí)間-空間軸信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣，通過(guò)對(duì)其進(jìn)行行間差值、二值化處理轉(zhuǎn)化為一個(gè)二值化差值圖像，對(duì)該二值化差值圖像進(jìn)行水平累加預(yù)處理后，再進(jìn)行邊緣檢測(cè)及自動(dòng)分類(lèi)，解決偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)擾動(dòng)檢測(cè)與高精度定位的難題。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0030]圖1為本發(fā)明偏振敏感光時(shí)域反射儀(P-OTDR)系統(tǒng)框圖；
[0031]圖2為本發(fā)明偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)檢測(cè)與定位方法流程圖；
[0032]圖3為本發(fā)明中時(shí)間-空間二維原始信號(hào)矩陣?yán)鄯e方法；
[0033]圖4為本發(fā)明中得到的二值化差值圖像；
[0034]圖5為本發(fā)明中對(duì)二值化差值圖像預(yù)處理結(jié)果；
[0035]圖6為本發(fā)明中初步的邊緣檢測(cè)圖像；
[0036]圖7為本發(fā)明中優(yōu)化后的邊緣檢測(cè)圖像；
[0037]圖8為本發(fā)明中改進(jìn)的最大最小值距離聚類(lèi)算法流程圖。

【具體實(shí)施方式】
[0038]本發(fā)明為一種偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，作為本發(fā)明的實(shí)施例一，偏振敏感光時(shí)域反射儀(P-OTDR)系統(tǒng)整體構(gòu)成，如圖1所示。該系統(tǒng)由三個(gè)主要部分組成，探測(cè)光纜、光信號(hào)解調(diào)設(shè)備(含光源)、處理主機(jī)，具體設(shè)備和器件包括產(chǎn)生超窄相干脈沖的激光器、聲光調(diào)制器、摻鉺光纖放大器(EDFA)、隔離器、起偏器、光環(huán)形器，周界附近或埋在地下用于感知外界入侵的普通單模光纖，偏振分束器、探測(cè)光信號(hào)的光電探測(cè)器，信號(hào)采集裝置和中央處理單元。其他放大設(shè)備則根據(jù)監(jiān)測(cè)距離進(jìn)行選用，如分布式放大用的拉曼放大器等。本發(fā)明實(shí)施例中，偏振敏感光時(shí)域反射儀的窄帶激光器發(fā)出相干光經(jīng)過(guò)調(diào)制器調(diào)制出窄脈沖光，光脈沖經(jīng)放大從光纖的一端注入，經(jīng)過(guò)光纖傳輸時(shí)發(fā)生瑞利散射，通過(guò)探測(cè)器探測(cè)后向瑞利散射光偏振態(tài)變化判斷侵?jǐn)_的發(fā)生，并由光時(shí)域反射信號(hào)變化位置映射侵?jǐn)_位置。
[0039]作為實(shí)施例二，本發(fā)明的多點(diǎn)擾動(dòng)檢測(cè)與定位方法流程如圖2所示，具體步驟如下:
[0040](I)時(shí)間-空間光時(shí)域傳感信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣:
[0041]偏振敏感光時(shí)域反射儀以周期觸發(fā)脈沖作為一個(gè)信號(hào)采集單元，觸發(fā)頻率為f，觸發(fā)周期為τ =1/f，該時(shí)間單元τ內(nèi)采集的信號(hào)是沿整條光纜分布的光時(shí)域反射信號(hào)，是個(gè)一維空間信號(hào)，映射了整條監(jiān)測(cè)光纜各空間點(diǎn)上光信號(hào)偏振態(tài)的分布信息。采集脈沖周期觸發(fā)，隨空間分布的光信息被周期性地采集刷新，空間光時(shí)域(OTDR)信號(hào)軌跡在時(shí)間軸上累積，形成了一個(gè)時(shí)間-空間聯(lián)立的二維原始信號(hào)矩陣，如圖3所示，本發(fā)明的實(shí)施例中使用的探測(cè)光纜為普通單模光纖，光纜總長(zhǎng)度約為16公里，通過(guò)對(duì)三個(gè)擾動(dòng)點(diǎn)的任意人為擾動(dòng)模擬多點(diǎn)同時(shí)入侵，三點(diǎn)人為擾動(dòng)點(diǎn)的位置分別為1.4km, 5.5km, 14km，重復(fù)觸發(fā)m次，獲取的時(shí)間-空間聯(lián)立的二維原始信號(hào)矩陣表示為DataOnXη)，該矩陣大小為m行η列。
[0042](2) 二值化差值圖像準(zhǔn)備及預(yù)處理:
[0043]對(duì)步驟(I)中的二維原始信號(hào)矩陣進(jìn)行行間即時(shí)間軸上差分處理，此時(shí)差分處理后的二維差值信號(hào)矩陣為m-Ι行η列，二維差值信號(hào)矩陣記為DifTData (m-1 X η)。差分處理的目的是為了突出擾動(dòng)信號(hào)的突變邊緣；選擇合適的閾值對(duì)上述二維差值圖像進(jìn)行二值化處理，得到一幅時(shí)、空為二維軸的二值化差值圖像，如圖4所示；為便于下一步的邊緣檢測(cè)，需要對(duì)二值化差值圖像進(jìn)行預(yù)處理，預(yù)處理的方法是對(duì)獲取的二值化差值圖像在水平方向上進(jìn)行k(該實(shí)施例中k = 5)單位長(zhǎng)度的累加以連通水平方向上不連續(xù)點(diǎn)，達(dá)到水平平滑的效果，累加之后仍需進(jìn)行二值化處理，至此即完成二值化差值圖像的準(zhǔn)備，預(yù)處理后的二值化差值矩陣記為BW5 (m-1 Xn)，對(duì)應(yīng)的二值化差值圖像如圖5所示。
[0044](3)邊緣檢測(cè)及優(yōu)化:
[0045]對(duì)步驟(2)中預(yù)處理后的二值化差值圖像進(jìn)行邊緣點(diǎn)檢測(cè)，邊緣檢測(cè)的核心是找出二值化差值圖像中所有水平方向信號(hào)值由O變I的突變點(diǎn)，初步的邊緣檢測(cè)結(jié)果如圖6所示，圖中I值點(diǎn)集中在三個(gè)擾動(dòng)點(diǎn)附近；但是由于原始信號(hào)中噪聲的影響，經(jīng)過(guò)上述各個(gè)步驟處理后存在一些孤立噪聲點(diǎn)，因而采用圖像形態(tài)學(xué)的中的膨脹處理聯(lián)合濾波方法中的中值濾波操作分別進(jìn)行優(yōu)化處理，一方面利用圖像膨脹的方法盡可能擴(kuò)展類(lèi)中心邊緣點(diǎn)周?chē)狞c(diǎn)數(shù)目，使用此方法的目的是避免后面濾波將較少的真實(shí)類(lèi)中心邊緣點(diǎn)濾除而導(dǎo)致分類(lèi)數(shù)目較實(shí)際分類(lèi)數(shù)偏少，另一方面通過(guò)中值濾波去除膨脹后的這些孤立噪聲點(diǎn)，這樣既可以去除圖像中孤立的噪聲點(diǎn)又可以保留圖像的真實(shí)邊緣。優(yōu)化處理后的邊緣檢測(cè)結(jié)果如圖7所示，比圖6中初步的邊緣檢測(cè)結(jié)果的噪聲明顯減少，并且很好保留了類(lèi)中心的邊緣點(diǎn)。最后將I值邊緣點(diǎn)的空間列坐標(biāo)保存下來(lái)，該實(shí)施例中優(yōu)化的邊緣檢測(cè)點(diǎn)空間列坐標(biāo)集合為ClomStatic (I X 340)，340表示總共有340個(gè)邊緣I值點(diǎn)。
[0046](4)對(duì)優(yōu)化邊緣檢測(cè)點(diǎn)的自動(dòng)聚類(lèi):
[0047]作為實(shí)施例三，基于改進(jìn)的最大最小值距離聚類(lèi)算法對(duì)步驟(3)中優(yōu)化的邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)，聚類(lèi)算法流程如圖8所示，步驟如下:
[0048]由于P-OTDR系統(tǒng)在實(shí)際應(yīng)用中同時(shí)擾動(dòng)目標(biāo)一般不會(huì)多于三個(gè)，在本實(shí)施例中設(shè)分類(lèi)上限K = 3。
[0049]I)將初始樣本集所有數(shù)據(jù)進(jìn)行升序排序，得到新的排序后的樣本集Y ={y(l)，y(2)，...，y(N)}，且y(l) <y(2) <...< y (N)，這組樣本集實(shí)際分類(lèi)數(shù)目至少有一類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin= 1，確定第一個(gè)聚類(lèi)中心為排序后第一個(gè)樣本，即z(l)=y (I)；
[0050]2)判斷排序后的最后一個(gè)樣本與第一個(gè)聚類(lèi)中心的距離是否小于設(shè)定閾值λ (閾值λ根據(jù)經(jīng)驗(yàn)設(shè)定)，若小于λ則說(shuō)明該樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)有且只有一類(lèi)，SPk = kmin(k = I)，聚類(lèi)中心查找結(jié)束；否則認(rèn)為這組樣本集實(shí)際分類(lèi)數(shù)至少有兩類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin = 2，確定第二個(gè)聚類(lèi)中心為排序后最后一個(gè)樣本，即z (2) = y (N)，之后判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，實(shí)際分類(lèi)數(shù)k = kmin(k=2)，聚類(lèi)中心查找結(jié)束；否則繼續(xù)判斷新的聚類(lèi)中心是否存在；
[0051]3)分別計(jì)算排序后樣本集中除去聚類(lèi)中心的NjN1彡N-2)個(gè)所有其它樣本到已知kmin個(gè)聚類(lèi)中心Iz⑴，z(2)，…，z(kmin)}的距離，分別為{D(i，l)，D(i，2)，...，D(i，kmin)};對(duì)以上N1個(gè)樣本，分別計(jì)算得到其到已知聚類(lèi)中心的最小距離，記為T(mén)(i)=min{D(i, I), D(i, 2)，…，D(i, kmin)},表示第i個(gè)樣本到所有已知聚類(lèi)中心的最小距離；再?gòu)囊陨纤袠颖九c已知聚類(lèi)中心的最小距離值中選出最大值，即計(jì)算max(T(i))=max {T (i)，i = I, 2，…Nj ,其中max (T (i))值所對(duì)應(yīng)的樣本設(shè)為y (i),以此判斷新的聚類(lèi)中心是否存在；若maX(T(i))〈0*|y(l)-y(N)|(其中Θ為事先給定系數(shù)，0〈θ〈1，y(l)-y(N) |為排序后樣本集樣本間的最遠(yuǎn)距離)，這組樣本集實(shí)際分類(lèi)數(shù)有且只有k = kmin類(lèi)，聚類(lèi)中心查找結(jié)束；否則實(shí)際分類(lèi)數(shù)下限增加1，即kmin = kmin+l，設(shè)新的第kmin個(gè)聚類(lèi)中心z(kmin) =y(i)，判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)為k = kmin，聚類(lèi)中心查找結(jié)束；否則重復(fù)步驟3)繼續(xù)判斷新的聚類(lèi)中心是否存在，直至實(shí)際分類(lèi)數(shù)k = kmin，聚類(lèi)中心查找結(jié)束；
[0052]4)當(dāng)所有的聚類(lèi)中心確定后，設(shè)實(shí)際分類(lèi)結(jié)果有M類(lèi)，即k = M，計(jì)算除聚類(lèi)中心的所有樣本到已知聚類(lèi)中心的距離，將最小距離對(duì)應(yīng)的聚類(lèi)中心代表的類(lèi)別作為該樣本所屬的類(lèi)別。該改進(jìn)的分類(lèi)算法與原始最大最小值距離聚類(lèi)算法主要區(qū)別，一是事先確定分類(lèi)上限K，使得分類(lèi)效率和準(zhǔn)確性大大提高；另外，改進(jìn)后的算法對(duì)分類(lèi)樣本進(jìn)行了升序排序，便于將距離最遠(yuǎn)的樣本點(diǎn)作為聚類(lèi)中心，避免原始算法中隨機(jī)選取聚類(lèi)中心影響分類(lèi)的準(zhǔn)確性。
[0053](5)根據(jù)聚類(lèi)結(jié)果確定分類(lèi)數(shù)目及各個(gè)類(lèi)中心，完成多點(diǎn)檢測(cè)和定位
[0054]對(duì)步驟(4)中的自動(dòng)聚類(lèi)及分類(lèi)結(jié)果進(jìn)行整理，實(shí)際分類(lèi)數(shù)k = M即為算法所檢測(cè)到的實(shí)際入侵或擾動(dòng)點(diǎn)數(shù)；各個(gè)擾動(dòng)點(diǎn)的位置由各個(gè)類(lèi)的類(lèi)中心確定，找出每個(gè)類(lèi)別中出現(xiàn)頻數(shù)最多的樣本作為該類(lèi)的類(lèi)中心，若頻數(shù)最大為1，則將該類(lèi)樣本進(jìn)行平均作為該類(lèi)的類(lèi)中心，各類(lèi)的類(lèi)中心的空間列坐標(biāo)進(jìn)一步換算為對(duì)應(yīng)的空間位置，即為各個(gè)擾動(dòng)點(diǎn)的定位結(jié)果。
[0055]作為實(shí)施例四，對(duì)圖7中優(yōu)化邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)后，實(shí)際分類(lèi)結(jié)果有三類(lèi)，記為Groupl，Group2, Group3,與三個(gè)擾動(dòng)實(shí)際相符，三個(gè)類(lèi)的類(lèi)中心空間列坐標(biāo)分別為ClassCenterl = 72, ClassCenter2 = 268, ClassCenter3 = 707 ;將三個(gè)點(diǎn)的空間列坐標(biāo)乘以每列代表的空間距離，本實(shí)施例中每列代表20米的空間距離，則實(shí)際檢測(cè)到的三個(gè)擾動(dòng)點(diǎn)入侵位置分別換算為 InvadePointl = 1.44km, InvadePoint2 = 5.36km, InvadePoint3=14.14km,與實(shí)際標(biāo)定的三個(gè)擾動(dòng)位置1.4km,5.5km、14km基本吻合，至此完成偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)擾動(dòng)的檢測(cè)與高精度定位。
[0056]本發(fā)明中列舉的是偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，該發(fā)明方法算法步驟中的膨脹和濾波次數(shù)、模板算子、最大最小值距離算法中的距離閾值λ以及系數(shù)Θ等可以根據(jù)實(shí)際信號(hào)情況進(jìn)行選擇和調(diào)整。另外，該方法也適用于以偏振敏感光時(shí)域反射儀為基礎(chǔ)的其他分布式光纖傳感應(yīng)用系統(tǒng)。
【權(quán)利要求】
1.偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于，包括如下步驟: (1)時(shí)間-空間光時(shí)域反射信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣:對(duì)偏振敏感光時(shí)域反射儀(P-OTDR)不同時(shí)刻沿空間分布的光時(shí)域反射信號(hào)進(jìn)行累積，將時(shí)間-空間軸信號(hào)聯(lián)立構(gòu)成一個(gè)二維原始信號(hào)矩陣，水平方向即信號(hào)矩陣行為空間軸，垂直方向即信號(hào)矩陣列為時(shí)間軸； (2)二值化差值圖像準(zhǔn)備及預(yù)處理:對(duì)二維原始信號(hào)矩陣進(jìn)行行間即時(shí)間軸上差值處理后，對(duì)其形成的二維圖像進(jìn)行二值化處理，得到一幅時(shí)、空為二維軸的二值化差值圖像；對(duì)二值化差值圖像進(jìn)行水平累加預(yù)處理，連通水平行上孤立的點(diǎn)以提高后續(xù)邊緣檢測(cè)的準(zhǔn)確性； (3)邊緣檢測(cè)及優(yōu)化:對(duì)預(yù)處理后的二值化差值圖像進(jìn)行邊緣點(diǎn)檢測(cè)，并通過(guò)圖像形態(tài)學(xué)中的膨脹處理，處理后用中值濾波的方法對(duì)邊緣點(diǎn)進(jìn)行優(yōu)化，充分利用位于類(lèi)中心且相互靠攏的邊緣點(diǎn)而濾除掉孤立的邊緣點(diǎn)； (4)對(duì)優(yōu)化邊緣檢測(cè)點(diǎn)的自動(dòng)聚類(lèi):利用改進(jìn)最大最小值距離聚類(lèi)算法對(duì)優(yōu)化的邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)； (5)根據(jù)聚類(lèi)結(jié)果確定分類(lèi)數(shù)目及各個(gè)類(lèi)中心，完成多點(diǎn)檢測(cè)和定位:利用邊緣點(diǎn)的實(shí)際分類(lèi)數(shù)確定檢測(cè)到的擾動(dòng)點(diǎn)數(shù)，通過(guò)各類(lèi)類(lèi)中心確定各擾動(dòng)點(diǎn)的位置，完成多點(diǎn)擾動(dòng)檢測(cè)和定位。
2.根據(jù)權(quán)利要求1所述的偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于， 步驟(I)的具體方法為:偏振敏感光時(shí)域反射儀以周期觸發(fā)脈沖作為一個(gè)信號(hào)采集單元，觸發(fā)頻率為f，觸發(fā)周期為τ = i/f，該時(shí)間單元τ內(nèi)采集的信號(hào)是沿整條光纜分布的光時(shí)域反射信號(hào)，是個(gè)一維空間信號(hào)，映射了整條探測(cè)光纜各空間點(diǎn)上光信號(hào)偏振態(tài)的分布信息，通過(guò)多次觸發(fā)，一定時(shí)間累積后時(shí)間-空間聯(lián)立便形成一個(gè)m行、η列的二維原始信號(hào)矩陣，水平方向即信號(hào)矩陣行為空間軸，垂直方向即信號(hào)矩陣列為時(shí)間軸，m表示m個(gè)不同觸發(fā)時(shí)刻、η表不η個(gè)空間米樣點(diǎn)。
3.根據(jù)權(quán)利要求1所述的偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于，步驟(2)的具體方法為:對(duì)步驟(I)中的二維原始信號(hào)矩陣進(jìn)行行間即時(shí)間軸上差分處理，此時(shí)差分處理后的二維差值信號(hào)矩陣為m-Ι行η列，選擇閾值對(duì)上述二維差值圖像進(jìn)行二值化處理，得到一幅時(shí)、空為二維軸的二值化差值圖像，對(duì)獲取的二值化差值圖像在水平方向上進(jìn)行I單位長(zhǎng)度的累加以連通水平方向上不連續(xù)點(diǎn)，達(dá)到水平平滑的效果，累加之后的二維矩陣仍需進(jìn)行二值化處理，至此即完成二值化差值圖像的準(zhǔn)備及預(yù)處理。
4.根據(jù)權(quán)利要求1所述的偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于，步驟(3)的具體方法為:對(duì)步驟(2)所獲得的二值化差值圖像進(jìn)行邊緣點(diǎn)檢測(cè)，找出二值化差值圖像中所有水平方向信號(hào)值由O變I的突變點(diǎn)；通過(guò)圖像形態(tài)學(xué)中的膨脹處理與濾波方式中的中值濾波操作聯(lián)合進(jìn)行優(yōu)化處理，利用膨脹的方法盡可能擴(kuò)展類(lèi)中心邊緣點(diǎn)周?chē)狞c(diǎn)數(shù)目，通過(guò)中值濾波在去除膨脹后圖像的孤立噪聲點(diǎn)的同時(shí)，保留圖像的真實(shí)邊緣。
5.根據(jù)權(quán)利要求1所述的偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于，步驟(4)的具體方法為:利用改進(jìn)最大最小值距離聚類(lèi)算法對(duì)步驟(3)中優(yōu)化的邊緣檢測(cè)點(diǎn)進(jìn)行自動(dòng)聚類(lèi)，算法流程實(shí)現(xiàn)過(guò)程: 設(shè)初始樣本集，即優(yōu)化后的邊緣檢測(cè)點(diǎn)的空間列坐標(biāo)集合為X ={X(1)，X(2)，...，X(N)}，樣本無(wú)序，首先根據(jù)實(shí)際情況指定樣本的分類(lèi)個(gè)數(shù)上限為K (K彡I)，實(shí)際聚類(lèi)結(jié)果即實(shí)際分類(lèi)數(shù)K，具體聚類(lèi)步驟如下: 1)將初始樣本集所有數(shù)據(jù)進(jìn)行升序排序，得到新的排序后的樣本集Y={y (I)，y (2)，...，y (N)}，且y (I) < y (2) <...< y (N)，這組樣本集實(shí)際分類(lèi)數(shù)目至少有一類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin= 1，確定第一個(gè)聚類(lèi)中心為排序后第一個(gè)樣本，即z(l)=y (I)； 2)判斷排序后的最后一個(gè)樣本與第一個(gè)聚類(lèi)中心的距離是否小于設(shè)定閾值λ(閾值入根據(jù)經(jīng)驗(yàn)設(shè)定)，若小于λ則說(shuō)明該樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)有且只有一類(lèi)，即k = kmin(k=I)，聚類(lèi)中心查找結(jié)束；否則認(rèn)為這組樣本集實(shí)際分類(lèi)數(shù)至少有兩類(lèi)，即實(shí)際分類(lèi)數(shù)下限kmin = 2，確定第二個(gè)聚類(lèi)中心為排序后最后一個(gè)樣本，即Z (2) = y (N)，之后判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，實(shí)際分類(lèi)數(shù)k = kmin(k = 2)，聚類(lèi)中心查找結(jié)束；否則繼續(xù)判斷新的聚類(lèi)中心是否存在； 3)分別計(jì)算排序后樣本集中除去聚類(lèi)中心的NjN1( N-2)個(gè)所有其它樣本到已知kmin個(gè)聚類(lèi)中心{z (I), z⑵，…，z (kmin)}的距離，分另Ij為{D(i, I), D(i, 2)，...，D(i，kmin)};對(duì)以上N1個(gè)樣本，分別計(jì)算得到其到已知聚類(lèi)中心的最小距離，記為T(mén)(i)=min{D(i, I), D(i, 2)，…，D(i, kmin)},表示第i個(gè)樣本到所有已知聚類(lèi)中心的最小距離；再?gòu)囊陨纤袠颖九c已知聚類(lèi)中心的最小距離值中選出最大值，即計(jì)算max(T(i))，其中max(T(i))值所對(duì)應(yīng)的樣本設(shè)為y(i)，以此判斷新的聚類(lèi)中心是否存在；若max (T⑴)〈Θ * I y (I) -y (N) I (其中Θ為事先給定系數(shù),0< Θ <1, y⑴-y (N) I為排序后樣本集樣本間的最遠(yuǎn)距離)，這組樣本集實(shí)際分類(lèi)數(shù)有且只有k = kmin類(lèi)，聚類(lèi)中心查找結(jié)束；否則實(shí)際分類(lèi)數(shù)下限增加1，即kmin = kmin+l，設(shè)新的第kmin個(gè)聚類(lèi)中心z(kmin) = y(i)，判斷實(shí)際分類(lèi)數(shù)下限kmin與預(yù)設(shè)的上限分類(lèi)個(gè)數(shù)K的關(guān)系，若kmin = K，樣本集數(shù)據(jù)實(shí)際分類(lèi)數(shù)為k = kmin，聚類(lèi)中心查找結(jié)束；否則重復(fù)步驟3)繼續(xù)判斷新的聚類(lèi)中心是否存在，直至實(shí)際分類(lèi)數(shù)k = kmin，聚類(lèi)中心查找結(jié)束； 4)當(dāng)所有的聚類(lèi)中心確定后，設(shè)實(shí)際分類(lèi)結(jié)果有M類(lèi)，即k= M，計(jì)算除聚類(lèi)中心的所有樣本到已知聚類(lèi)中心的距離，將最小距離對(duì)應(yīng)的聚類(lèi)中心代表的類(lèi)別作為該樣本所屬的類(lèi)別。
6.根據(jù)權(quán)利要求1所述的偏振敏感光時(shí)域反射儀多點(diǎn)擾動(dòng)檢測(cè)與定位方法，其特征在于，步驟(5)的具體方法為:對(duì)步驟(4)中的自動(dòng)聚類(lèi)及分類(lèi)結(jié)果進(jìn)行整理，實(shí)際分類(lèi)數(shù)k = M即為算法所檢測(cè)到的實(shí)際入侵或擾動(dòng)點(diǎn)數(shù)；各個(gè)擾動(dòng)點(diǎn)的位置由各個(gè)類(lèi)的類(lèi)中心確定，找出每個(gè)類(lèi)別中出現(xiàn)頻數(shù)最多的樣本作為該類(lèi)的類(lèi)中心，若頻數(shù)最大為1，則將該類(lèi)樣本進(jìn)行平均作為該類(lèi)的類(lèi)中心，各類(lèi)的類(lèi)中心的空間列坐標(biāo)進(jìn)一步換算為對(duì)應(yīng)的空間位置，即為各個(gè)擾動(dòng)點(diǎn)的定位結(jié)果，至此完成偏振敏感光時(shí)域反射儀(P-OTDR)多點(diǎn)擾動(dòng)的檢測(cè)與高精度定位。
【文檔編號(hào)】G01D5/26GK104236598SQ201410454098
【公開(kāi)日】2014年12月24日 申請(qǐng)日期:2014年9月5日 優(yōu)先權(quán)日:2014年9月5日
【發(fā)明者】吳慧娟, 劉軍, 張林強(qiáng), 饒?jiān)平? 申請(qǐng)人:電子科技大學(xué)