本發(fā)明涉及光纖通信領(lǐng)域，特別是涉及一種光纖振動(dòng)信號(hào)的分類方法及裝置及光纖傳感系統(tǒng)。
背景技術(shù)：
：隨著光纖處理技術(shù)發(fā)展，光纖已作為傳感器應(yīng)用于各種探測(cè)領(lǐng)域，用于測(cè)量周邊環(huán)境狀況，例如是否有物體經(jīng)過、且該物體具體為何物等。當(dāng)光纖傳感器受到外界干擾影響時(shí)，光纖中傳輸光的部分特性就會(huì)改變，光線傳感系統(tǒng)接收光纖的光信號(hào)，并進(jìn)行光電轉(zhuǎn)換，分析轉(zhuǎn)換后電信號(hào)的特征以判斷其光特性的改變，進(jìn)而確定光纖對(duì)應(yīng)位置的環(huán)境狀況，例如為有車輛闖入等，進(jìn)而可實(shí)現(xiàn)對(duì)環(huán)境的監(jiān)測(cè)。。一般光纖周邊環(huán)境比較復(fù)雜，通常存在兩個(gè)振源同時(shí)發(fā)生的情況。此時(shí)，采集到的光纖振動(dòng)信號(hào)則包含兩個(gè)振源的振動(dòng)信號(hào)的混雜信號(hào)，若直接對(duì)該混雜信號(hào)進(jìn)行振源識(shí)別，由于該混雜信號(hào)包含兩個(gè)振源的振動(dòng)信號(hào)特征，故容易造成識(shí)別出錯(cuò)，故需要在識(shí)別前對(duì)該混雜信號(hào)進(jìn)行分類。技術(shù)實(shí)現(xiàn)要素：本發(fā)明主要解決的技術(shù)問題是提供一種光纖振動(dòng)信號(hào)的分類方法及裝置及光纖傳感系統(tǒng)，能夠?qū)崿F(xiàn)光纖振動(dòng)信號(hào)對(duì)應(yīng)振源進(jìn)行分類，提高識(shí)別準(zhǔn)確性。為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種光纖振動(dòng)信號(hào)的分類方法，包括：處理終端獲取光纖振動(dòng)信號(hào)，其中，所述光纖振動(dòng)信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到；將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)；利用支持向量機(jī)SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中，其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征。其中，所述利用支持向量機(jī)SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中的步驟包括：當(dāng)本地存儲(chǔ)的預(yù)設(shè)信號(hào)類的數(shù)量超過2時(shí)，從本地存儲(chǔ)的多個(gè)預(yù)設(shè)信號(hào)類中選擇兩個(gè)，并利用SVM算法構(gòu)成二類分類器，利用所述二類分類器分別將每個(gè)所述子信號(hào)劃分至所述選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)；重新選擇所述劃分至的預(yù)設(shè)信號(hào)類和所述多個(gè)預(yù)設(shè)信號(hào)類中未選擇的一個(gè)預(yù)設(shè)信號(hào)類并利用SVM算法構(gòu)成二類分類器，利用所述新構(gòu)成的二類分類器分別將每個(gè)所述子信號(hào)劃分至所述重新選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)，重復(fù)本步驟，直至所述多個(gè)預(yù)設(shè)信號(hào)類中的每個(gè)預(yù)設(shè)信號(hào)類均已被選擇；將所述多個(gè)所述子信號(hào)最后劃分至的預(yù)設(shè)信號(hào)類分別作為所述多個(gè)子信號(hào)所屬的預(yù)設(shè)信號(hào)類。其中，所述預(yù)設(shè)信號(hào)類的選擇順序按照所述多個(gè)預(yù)設(shè)信號(hào)類中的特征數(shù)據(jù)之間的差別程度從大至小先后排列。其中，在所述將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中步驟之后，所述方法還包括：將屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)與預(yù)設(shè)振源模型進(jìn)行匹配；若匹配成功，則將所述屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)的振源類型確定為所述預(yù)設(shè)振動(dòng)模型對(duì)應(yīng)的振源類型。其中，所述獲取光纖振動(dòng)信號(hào)的步驟包括：獲取光纖某一位置在一段時(shí)間內(nèi)產(chǎn)生的光纖振動(dòng)信號(hào)；所述將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)的步驟包括：對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行多次采樣得到多個(gè)子信號(hào)。其中，所述對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行多次采樣得到多個(gè)子信號(hào)的步驟包括：利用高速數(shù)據(jù)采集卡FPGA采集所述光纖振動(dòng)信號(hào)得到所述多個(gè)子信號(hào)。其中，所述將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)的步驟之后，所述方法還包括：利用奇異值分解SVD算法對(duì)所述多個(gè)子信號(hào)構(gòu)成的矩陣進(jìn)行奇異值分解得到多個(gè)子矩陣；獲取奇異值最大的所述子矩陣，并提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號(hào)；對(duì)所述一維信號(hào)進(jìn)行小波消噪后作為所述光纖某一位置產(chǎn)生的多個(gè)子信號(hào)。為解決上述技術(shù)問題，本發(fā)明采用的另一個(gè)技術(shù)方案是：提供一種光纖振動(dòng)信號(hào)分類裝置，包括：獲取模塊，用于獲取光纖振動(dòng)信號(hào)，其中，所述光纖振動(dòng)信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到；劃分模塊，用于將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)；分類模塊，用于利用支持向量機(jī)SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中，其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征。其中，所述分類模塊包括：選擇單元，用于當(dāng)本地存儲(chǔ)的預(yù)設(shè)信號(hào)類的數(shù)量超過2時(shí)，從本地存儲(chǔ)的多個(gè)預(yù)設(shè)信號(hào)類中選擇兩個(gè)，并利用SVM算法構(gòu)成二類分類器，利用所述二類分類器分別將每個(gè)所述子信號(hào)劃分至所述選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)；分類單元，用于重新選擇所述劃分至的預(yù)設(shè)信號(hào)類和所述多個(gè)預(yù)設(shè)信號(hào)類中未選擇的一個(gè)預(yù)設(shè)信號(hào)類并利用SVM算法構(gòu)成二類分類器，利用所述新構(gòu)成的二類分類器分別將每個(gè)所述子信號(hào)劃分至所述重新選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)，重復(fù)本步驟，直至所述多個(gè)預(yù)設(shè)信號(hào)類中的每個(gè)預(yù)設(shè)信號(hào)類均已被選擇，并將所述多個(gè)所述子信號(hào)最后劃分至的預(yù)設(shè)信號(hào)類分別作為所述多個(gè)子信號(hào)所屬的預(yù)設(shè)信號(hào)類。為解決上述技術(shù)問題，本發(fā)明采用的再一個(gè)技術(shù)方案是：提供一種光纖傳感系統(tǒng)，包括光纖傳感器及處理終端；所述光纖傳感器用于在一端發(fā)出第一光信號(hào)，并從所述一端接收由所述第一光信號(hào)反射得到的第二光信號(hào)；所述處理終端用于對(duì)所述第二光信號(hào)對(duì)應(yīng)的光纖振動(dòng)信號(hào)進(jìn)行分類，其中，所述處理終端包括上述的光纖振動(dòng)信號(hào)分類裝置，以對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行分類。上述方案，處理終端采用SVM算法對(duì)光纖振動(dòng)信號(hào)的多個(gè)子信號(hào)進(jìn)行分類，由于SVM算法可對(duì)線性不可分?jǐn)?shù)據(jù)進(jìn)行分類，故能夠?qū)⒃摴饫w振動(dòng)信號(hào)中屬于不同振源的子信號(hào)劃分開，實(shí)現(xiàn)光纖振動(dòng)信號(hào)對(duì)應(yīng)振源進(jìn)行有效分類，而且，將不同振源的子信號(hào)劃分開后，能夠提高后續(xù)對(duì)子信號(hào)的振源識(shí)別的準(zhǔn)確性。附圖說明圖1是本發(fā)明光纖振動(dòng)信號(hào)的分類方法一實(shí)施方式的流程圖；圖2是本發(fā)明光纖傳感系統(tǒng)一實(shí)施方式的結(jié)構(gòu)示意圖；圖3是圖1所示的步驟S13包括的子步驟的流程圖；圖4是本發(fā)明光纖振動(dòng)信號(hào)的分類方法一實(shí)施方式中的構(gòu)建分類器的流程示意圖；圖5是本發(fā)明光纖振動(dòng)信號(hào)的分類方法另一實(shí)施例的流程圖；圖6是本發(fā)明光纖振動(dòng)信號(hào)分類裝置一實(shí)施方式的結(jié)構(gòu)示意圖；圖7是本發(fā)明光纖振動(dòng)信號(hào)分類裝置另一實(shí)施方式的結(jié)構(gòu)示意圖。具體實(shí)施方式以下描述中，為了說明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、接口、技術(shù)之類的具體細(xì)節(jié)，以便透徹理解本申請(qǐng)。然而，本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，在沒有這些具體細(xì)節(jié)的其它實(shí)施方式中也可以實(shí)現(xiàn)本申請(qǐng)。在其它情況中，省略對(duì)眾所周知的裝置、電路以及方法的詳細(xì)說明，以免不必要的細(xì)節(jié)妨礙本申請(qǐng)的描述。請(qǐng)參閱圖1，本發(fā)明光纖振動(dòng)信號(hào)的分類方法一實(shí)施方式的流程圖，該方法包括：S11：處理終端獲取光纖振動(dòng)信號(hào)。其中，所述光纖振動(dòng)信號(hào)為光纖電信號(hào)，該光纖電信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到。例如，該光纖振動(dòng)信號(hào)為光纖某一位置在一段時(shí)間內(nèi)反射的光信號(hào)轉(zhuǎn)換得到的電信號(hào)。請(qǐng)結(jié)合圖2舉例說明，圖2示出一光纖傳感系統(tǒng)，該光纖傳感系統(tǒng)可采用光脈沖調(diào)制方式，通過探測(cè)背向散射信號(hào)的相位變化引起的反射光干涉強(qiáng)度變化，能夠同時(shí)檢測(cè)出多個(gè)并發(fā)振源，從而實(shí)現(xiàn)預(yù)警和對(duì)振源定位。該光纖傳感系統(tǒng)包括順序連接的光纖傳感器21、光學(xué)系統(tǒng)23、光電轉(zhuǎn)換電路24與處理終端22。光纖傳感器21設(shè)置于需監(jiān)測(cè)的環(huán)境中如地下，以監(jiān)測(cè)該環(huán)境狀況。光纖傳感器21可采用普通通信光纜中的一根空閑纖芯作傳感單元，進(jìn)行分布式多點(diǎn)振動(dòng)測(cè)量。其基本原理是當(dāng)外界的振動(dòng)作用于通信光纜時(shí)，引起光纜中纖芯發(fā)生形變，使纖芯長(zhǎng)度和折射率發(fā)生變化，導(dǎo)致光纜中光的相位發(fā)生變化。當(dāng)光在光纜中傳輸時(shí)，由于光子與纖芯晶格發(fā)生作用，不斷向后傳輸瑞利散射光。當(dāng)外界有振動(dòng)發(fā)生時(shí)，背向瑞利散射光的相位隨之發(fā)生變化，這些攜帶外界振動(dòng)信息的信號(hào)光，經(jīng)光學(xué)系統(tǒng)23處理，將微弱的相位變化轉(zhuǎn)換為光強(qiáng)變化，再經(jīng)光電轉(zhuǎn)換電路24的光電轉(zhuǎn)換和相應(yīng)信號(hào)處理后，進(jìn)人處理終端22進(jìn)行數(shù)據(jù)分析。處理終端22根據(jù)分析的結(jié)果，判斷振動(dòng)事件的發(fā)生，并確認(rèn)振動(dòng)地點(diǎn)。具體地，光纖傳感器21定時(shí)從一端發(fā)出第一光信號(hào)，該第一光信號(hào)可以是一脈沖信號(hào)，如為脈沖寬度為10ns的激光，該第一光信號(hào)在光纜中各個(gè)位置經(jīng)過瑞利散射形成的第二光信號(hào)，并且該第二光信號(hào)反射回該光纖傳感器21的一端。光纖傳感器21從該一端輸出該第二光信號(hào)。光學(xué)系統(tǒng)23對(duì)第二光信號(hào)進(jìn)行采樣，得到多個(gè)對(duì)應(yīng)不同光纖位置的光信號(hào)。其中，該采樣間隔可采集光纖每隔設(shè)定距離發(fā)射的光信號(hào)，例如，第一個(gè)采樣光信號(hào)對(duì)應(yīng)為距離光纖一端1米位置反射的光信號(hào)，第二個(gè)采樣光信號(hào)對(duì)應(yīng)為距離光纖一端2米位置反射的光信號(hào)，以此類推。光學(xué)系統(tǒng)23通過光電轉(zhuǎn)換電路24將采樣得到的光信號(hào)轉(zhuǎn)換為對(duì)應(yīng)的電信號(hào)便于信號(hào)的處理。這里可以通過一般的光電轉(zhuǎn)換電路24如APD轉(zhuǎn)換得到模擬信號(hào)，再通過模數(shù)轉(zhuǎn)換器將模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，并發(fā)送至處理終端22。其中，可直接將轉(zhuǎn)換后該光纖數(shù)字信號(hào)作為該光纖振動(dòng)信號(hào)，或者將波動(dòng)超過設(shè)定程度的該光纖數(shù)字信號(hào)作為該光纖振動(dòng)信號(hào)。在其他實(shí)施例中，該光學(xué)系統(tǒng)的部分步驟、光電轉(zhuǎn)換步驟以及模數(shù)轉(zhuǎn)換步驟中的至少一個(gè)步驟可由處理終端22執(zhí)行，如處理終端22接收對(duì)光纖傳感器21反射的第二光信號(hào)采集得到的多個(gè)采樣光信號(hào)，并將其轉(zhuǎn)換成多個(gè)采樣電信號(hào)，并將該采樣電信號(hào)進(jìn)行模數(shù)轉(zhuǎn)換后，作為該光纖振動(dòng)信號(hào)；或者，將該采樣電信號(hào)進(jìn)行模數(shù)轉(zhuǎn)換后，分析所述采樣電信號(hào)在時(shí)域和空域的平穩(wěn)特性；對(duì)應(yīng)所述采樣電信號(hào)不同時(shí)域和空域的平穩(wěn)特性，采用不同的檢測(cè)方式對(duì)所述采樣電信號(hào)進(jìn)行檢測(cè)；若所述檢測(cè)通過，則將所述采樣電信號(hào)確認(rèn)為光纖振動(dòng)信號(hào)。S12：將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)。例如，該光線振動(dòng)信號(hào)為光纖某一位置在一段時(shí)間產(chǎn)生的，處理終端22將該光纖振動(dòng)光信號(hào)進(jìn)行多次采樣，得到多個(gè)子信號(hào)。其中，該采樣間隔可根據(jù)實(shí)際情況進(jìn)行調(diào)整，通常，該采樣間隔為0μs-100μs之間，如40μs、10μs、100μs等，在一應(yīng)用中，該采集間隔為0，即處理終端連續(xù)采集得到m個(gè)子信號(hào)，其中，m為大于1的整數(shù)。本實(shí)施例中，處理終端22可還包括高速數(shù)據(jù)采集卡(英文簡(jiǎn)稱：FPGA)模塊和數(shù)字信號(hào)處理(英文：DigitalSignalProcessing，簡(jiǎn)稱：DSP)模塊，該FPGA模塊用于采集所述光纖振動(dòng)信號(hào)，得到多個(gè)子信號(hào)。FPGA模塊將采集的光纖采樣信號(hào)緩存在該FPGA模塊內(nèi)的FIFO緩沖器，F(xiàn)IFO的半滿信號(hào)線和DSP模塊相連，當(dāng)FIFO的半滿時(shí)觸發(fā)DSP的EDMA事務(wù)，以把光纖采樣信號(hào)的相關(guān)數(shù)據(jù)從FIFO轉(zhuǎn)移到DSP的存儲(chǔ)器如SDRAM。當(dāng)存儲(chǔ)器中的數(shù)據(jù)長(zhǎng)度達(dá)到系統(tǒng)設(shè)定值時(shí)，對(duì)該存儲(chǔ)器中的光纖采樣信號(hào)進(jìn)行處理，如進(jìn)行信號(hào)分類、振源識(shí)別等。而且，下述的奇異值分解和消噪相關(guān)步驟可以在存入至DSP的存儲(chǔ)器之前執(zhí)行，或者將采集到的光纖采樣信號(hào)直接存至DSP的存儲(chǔ)器，并當(dāng)存儲(chǔ)器的數(shù)據(jù)長(zhǎng)度達(dá)到設(shè)定值后，再執(zhí)行下述的奇異值分解和消噪相關(guān)步驟。S13：利用支持向量機(jī)算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中。其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征。即將一個(gè)振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征數(shù)據(jù)歸為一個(gè)預(yù)設(shè)信號(hào)類的屬性或特征。該特征數(shù)據(jù)可以為光纖振動(dòng)信號(hào)的振動(dòng)強(qiáng)度、振動(dòng)頻率、振動(dòng)持續(xù)時(shí)間等。本發(fā)明主要獲取的光纖振動(dòng)信號(hào)可能包括多個(gè)振源產(chǎn)生的振動(dòng)信號(hào)，例如在第一次采集到的子信號(hào)可能是主要由行人經(jīng)過產(chǎn)生的，第五次采集到的自信好可能是車輛經(jīng)過產(chǎn)生的，故需要對(duì)這些子信號(hào)按照不同振源進(jìn)行分類。由于不同振源產(chǎn)生的光纖振動(dòng)信號(hào)之間有些特征差別不大，故這些光纖振動(dòng)信號(hào)之間是線性不可分的。本實(shí)施例提出采用支持向量機(jī)(英文：SupportVectorMachine，簡(jiǎn)稱：SVM)算法對(duì)這些線性不可分的數(shù)據(jù)進(jìn)行分類。具體地，處理終端事先獲取不同振源的振動(dòng)信號(hào)，并不同振源的振動(dòng)信號(hào)特征進(jìn)行提取并學(xué)習(xí)，得到代表不同振源的振動(dòng)信號(hào)特征的多個(gè)預(yù)設(shè)信號(hào)類。根據(jù)下述公式1求得用于劃分出該多個(gè)預(yù)設(shè)信號(hào)類的分類器：min12||w||2S.T.yi[(w·xi)+b]≥1-ζi,(i=1,2,...,n)ζi≥0---(1)]]>其中，所述||w||2為目標(biāo)函數(shù)，1/||w||稱為幾何間隔，為子信號(hào)到分類超平面之間的歐氏距離，所述S.T表示后面的為所述目標(biāo)函數(shù)的限制條件，所述ζi為松弛變量，所述xi為第i個(gè)振動(dòng)信號(hào)，所述y為第i個(gè)預(yù)設(shè)信號(hào)類的標(biāo)識(shí)值，所述n為獲取的振源信號(hào)的數(shù)量，所述b為一設(shè)定常數(shù)。其中，該預(yù)設(shè)信號(hào)類的標(biāo)識(shí)值可用-1、1等來表示，該b可根據(jù)不同的光纖應(yīng)用環(huán)境或光纖需求進(jìn)行設(shè)置。上述松弛變量可事先由程序測(cè)試中確定的，通過多次試驗(yàn)查找到合適值。轉(zhuǎn)化到上述公式1的形式后，該問題成為了一個(gè)凸優(yōu)化問題，或者更具體的說，因?yàn)楝F(xiàn)在的目標(biāo)函數(shù)是二次的，約束條件是線性的，所以它是一個(gè)凸二次規(guī)劃問題。這個(gè)問題可以用任何現(xiàn)成的QP(QuadraticProgramming)的優(yōu)化包進(jìn)行求解，歸結(jié)為一句話即是：在一定的約束條件下，目標(biāo)最優(yōu)，損失最小。雖然這個(gè)問題確實(shí)是一個(gè)標(biāo)準(zhǔn)的QP問題，但是它也有它的特殊結(jié)構(gòu)，通過拉格朗日對(duì)偶(英文：LagrangeDuality)變換到對(duì)偶變量(英文：dualvariable)的優(yōu)化問題之后，可以找到一種更加有效的方法來進(jìn)行求解，而且通常情況下這種方法比直接使用通用的QP優(yōu)化包進(jìn)行優(yōu)化要高效得多。也就說，除了用解決QP問題的常規(guī)方法之外，還可以通過求解對(duì)偶問題得到最優(yōu)解，這就是線性可分條件下支持向量機(jī)的對(duì)偶算法，這樣做的優(yōu)點(diǎn)在于：一者對(duì)偶問題往往更容易求解；二者可以自然的引入核函數(shù)，進(jìn)而推廣到非線性分類問題。得到分類器后，利用該分類器分別對(duì)上述S12得到的多個(gè)子信號(hào)進(jìn)行分類，以將每個(gè)子信號(hào)劃分至上述的預(yù)設(shè)信號(hào)類中。請(qǐng)結(jié)合參考圖3，在一實(shí)施例中，上述S13步驟包括以下子步驟：S131：當(dāng)本地存儲(chǔ)的預(yù)設(shè)信號(hào)類的數(shù)量超過2時(shí)，從本地存儲(chǔ)的多個(gè)預(yù)設(shè)信號(hào)類中選擇兩個(gè)，并利用SVM算法構(gòu)成二類分類器，利用所述二類分類器分別將每個(gè)所述子信號(hào)劃分至所述選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)。S132：重新選擇所述劃分至的預(yù)設(shè)信號(hào)類和所述多個(gè)預(yù)設(shè)信號(hào)類中未選擇的一個(gè)預(yù)設(shè)信號(hào)類并利用SVM算法構(gòu)成二類分類器，利用所述新構(gòu)成的二類分類器分別將每個(gè)所述子信號(hào)劃分至所述重新選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)。重復(fù)步驟S132，直至所述多個(gè)預(yù)設(shè)信號(hào)類中的每個(gè)預(yù)設(shè)信號(hào)類均已被選擇。S133：將所述多個(gè)所述子信號(hào)最后劃分至的預(yù)設(shè)信號(hào)類分別作為所述多個(gè)子信號(hào)所屬的預(yù)設(shè)信號(hào)類。其中，上述S131和S132中利用SVM算法構(gòu)成二類分類器具體可根據(jù)上述方式1求得。為便于理解，結(jié)合圖4對(duì)其中子信號(hào)的分類進(jìn)行距離說明，處理終端預(yù)設(shè)信號(hào)類有5個(gè)，包括第1-5預(yù)設(shè)信號(hào)類。處理終端提取一子信號(hào)，并從該預(yù)設(shè)信號(hào)類中選擇第1和第5預(yù)設(shè)信號(hào)類組成二類分類器，將該子信號(hào)輸入至二類分類器中；若得到分類結(jié)果為該子信號(hào)屬于第1預(yù)設(shè)信號(hào)類，則從剩余的3個(gè)預(yù)設(shè)信號(hào)類中選擇第4預(yù)設(shè)信號(hào)類與第1預(yù)設(shè)信號(hào)類組成二類分離器，將子信號(hào)輸入至該二類分類器中；若得到分類結(jié)果為該子信號(hào)屬于第1預(yù)設(shè)信號(hào)類，則從剩余的兩個(gè)預(yù)設(shè)信號(hào)類中選擇第3預(yù)設(shè)信號(hào)類與第1預(yù)設(shè)信號(hào)類組成二類分離器器，將子信號(hào)輸入至該二類分類器中；若得到分類結(jié)果為該子信號(hào)屬于第1預(yù)設(shè)信號(hào)類，則從剩余的第2預(yù)設(shè)信號(hào)類與第1預(yù)設(shè)信號(hào)類組成二類分離器器，將子信號(hào)輸入至該二類分類器中，若得到的分類結(jié)果為該子信號(hào)屬于第1預(yù)設(shè)信號(hào)類，則將該子信號(hào)劃分至第一預(yù)設(shè)信號(hào)類中。其他的子信號(hào)采用上述同理進(jìn)行分類。當(dāng)然，預(yù)設(shè)信號(hào)類的選擇順序按照所述多個(gè)預(yù)設(shè)信號(hào)類中的特征數(shù)據(jù)之間的差別程度從大至小先后排列，即第一次選擇的兩個(gè)預(yù)設(shè)信號(hào)類包括的振動(dòng)信號(hào)的特征數(shù)據(jù)之間的差異程度大于第二次選擇的兩個(gè)預(yù)設(shè)信號(hào)類包括的振動(dòng)信號(hào)的特征數(shù)據(jù)之間的差異程度大于第二次選擇的兩個(gè)預(yù)設(shè)信號(hào)類包括的振動(dòng)信號(hào)的特征數(shù)據(jù)之間的差異程度……以此類推。當(dāng)然也可以預(yù)設(shè)信號(hào)類的選擇順序按照所述多個(gè)預(yù)設(shè)信號(hào)類中的特征數(shù)據(jù)之間的差別程度從小至大先后排列，在此不作限定。本實(shí)施例中，處理終端采用SVM算法對(duì)光纖振動(dòng)信號(hào)的多個(gè)子信號(hào)進(jìn)行分類，由于SVM算法可對(duì)線性不可分?jǐn)?shù)據(jù)進(jìn)行分類，故能夠?qū)⒃摴饫w振動(dòng)信號(hào)中屬于不同振源的子信號(hào)劃分開，實(shí)現(xiàn)光纖振動(dòng)信號(hào)對(duì)應(yīng)振源進(jìn)行有效分類，而且，將不同振源的子信號(hào)劃分開后，能夠提高后續(xù)對(duì)子信號(hào)的振源識(shí)別的準(zhǔn)確性。請(qǐng)參閱圖5，圖5是本發(fā)明光纖振動(dòng)信號(hào)的分類方法再一實(shí)施方式的流程圖。本實(shí)施例方法由處理終端執(zhí)行，52：包括以下步驟：S51：處理終端獲取光纖振動(dòng)信號(hào)，其中，所述光纖振動(dòng)信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到。S52：將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)。上述S51和S52步驟如上面實(shí)施例的S11和S12所述，請(qǐng)參閱上述相關(guān)說明。S53：利用奇異值分解算法對(duì)所述多個(gè)子信號(hào)構(gòu)成的矩陣進(jìn)行奇異值分解得到多個(gè)子矩陣。本實(shí)施例中，處理終端采用奇異值分解(英文：Singularvaluedecomposition，簡(jiǎn)稱：SVD)算法對(duì)采集得到多個(gè)子信號(hào)進(jìn)行處理，以獲得信噪比高、噪聲均勻的多個(gè)子信號(hào)。具體，上述S53步驟可具體包括如下子步驟：子步驟S531：將所述多個(gè)子信號(hào){x(1),x(2),…,x(n)}構(gòu)成k*l階矩陣H。將多個(gè)光纖采樣信號(hào)組成一維信號(hào)序列X＝{x(1),x(2),…,x(n)}，并將該一維信號(hào)序列X構(gòu)成k*l階矩陣H。其中，k*l＝n，k和l均為正整數(shù)。子步驟S532：采用下述公式11對(duì)所述矩陣H進(jìn)行奇異值分解，得到多個(gè)子矩陣其中，上述矩陣H為k*l階酉矩陣；所述矩陣H的秩為m，利用SVD可以將k*l階矩陣H表示m個(gè)k*l階子矩陣之和。所述U是k×k階正交矩陣，所述VT表示矩陣V的共軛矩陣，所述V是l×l階正交矩陣；所述為對(duì)角陣，所述是矩陣H的第i個(gè)奇異值，并且所述ui為矩陣U的第i個(gè)列向量，所述vi為矩陣V的第i個(gè)列向量，所述Hi是包含ui和vi的子矩陣。若是矩陣H表示時(shí)頻信息，則對(duì)應(yīng)的ui和vi視為頻率矢量和時(shí)間矢量。因此，H中的時(shí)頻信息被分解到一系列由ui和vi構(gòu)成的時(shí)頻子空間中。故選取一定子空間進(jìn)行重構(gòu)，可以提取特定成分的信號(hào)，例如，選擇奇異值最大的子矩陣，即可提取得到該多個(gè)子信號(hào)所包含主要數(shù)據(jù)特征。S54：獲取奇異值最大的所述子矩陣，并提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號(hào)。例如，獲取分解得到的多個(gè)子矩陣中奇異值最大的子矩陣并將奇異值最大的子矩陣的各行元素分別作為一維信號(hào)Sj的元素，集合形成所述一維信號(hào)Sj＝{Sj,1,Sj，2,…,Sj,m}，其中，所述Sj,m表示子矩陣的第m行向量。S55：對(duì)所述一維信號(hào)進(jìn)行小波消噪后作為所述光纖某一位置產(chǎn)生的多個(gè)子信號(hào)。本實(shí)施例中，處理終端對(duì)S54步驟所得到的一維信號(hào)進(jìn)行小波閥值消噪，該消噪方式可包括硬閥值和軟閥值兩種。該硬閥值方式具體如，根據(jù)下述公式12對(duì)S54步驟所得到的一維信號(hào)Sj的每個(gè)元素{Sj,1,Sj，2,…,Sj,m}進(jìn)行處理，并由每個(gè)處理后的元素{Sj,1',Sj，2',…,Sj,m'}組成所述光纖某一位置在所述一段時(shí)間內(nèi)產(chǎn)生的光纖信號(hào)Sj'，Sj,z′=Sj,z|Sj,z|>T0|Sj,z|≤T---(12)]]>其中，所述Sj,z為所述一維信號(hào)Sj中的第z個(gè)元素，所述Sj,z'為所述光纖振動(dòng)信號(hào)Sj'中的第z個(gè)子信號(hào)(元素)，所述T為一設(shè)定值。該軟閥值方式具體如，根據(jù)下述公式13對(duì)S54步驟所得到的一維信號(hào)Sj的每個(gè)元素{Sj,1,Sj，2,…,Sj,m}，并由每個(gè)處理后的元素{Sj,1',Sj，2',…,Sj,m'}組成所述光纖某一位置在所述一段時(shí)間內(nèi)產(chǎn)生的光纖信號(hào)Sj'，Sj,z′=sgn(Sj,z)(|Sj,z|-αT)|Sj,z|>T0|Sj,z|≤T---(13)]]>其中，所述Sj,z為所述一維信號(hào)Sj中的第z個(gè)元素，所述Sj,z'為所述光纖振動(dòng)信號(hào)Sj'中的第z個(gè)子信號(hào)(元素)，所述α為比例系數(shù)，且0≤α≤1，sgn(x)為符號(hào)函數(shù)，所述T為一設(shè)定值。在具體應(yīng)用中，上述T可根據(jù)實(shí)際情況由用戶輸入，或者自身對(duì)實(shí)際情況進(jìn)行判斷學(xué)習(xí)后，進(jìn)行相應(yīng)設(shè)置。經(jīng)上述小波消噪后，處理終端可對(duì)該消噪后的多個(gè)子信號(hào)進(jìn)行分類、振源識(shí)別或者其他處理。S56：利用SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中，其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征。請(qǐng)參照上述S13的說明，在此不做贅述。S57：將屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)與預(yù)設(shè)振源模型進(jìn)行匹配，若匹配成功，則執(zhí)行S58。若匹配不成功，則處理終端可提取該類子信號(hào)的特征，并根據(jù)該類子信號(hào)的特征形成一個(gè)新的預(yù)設(shè)信號(hào)類。S58：將所述屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)的振源類型確定為所述預(yù)設(shè)振動(dòng)模型對(duì)應(yīng)的振源類型。例如，屬于第1類預(yù)設(shè)信號(hào)類的子信號(hào)與上例中的第一預(yù)設(shè)振動(dòng)模型的特征匹配，則該子信號(hào)為振動(dòng)信號(hào)，且判斷振源為行人經(jīng)過。處理終端計(jì)算出來該光纖信號(hào)對(duì)應(yīng)的光纖位置，并還可向相關(guān)設(shè)備發(fā)送信息，以通知該光纖位置有行人經(jīng)過。具體的，處理終端判斷子信號(hào)是否與預(yù)設(shè)振動(dòng)模型匹配的方式可如下步驟：S571：處理終端獲取屬于同一預(yù)設(shè)信號(hào)類的J幀子信號(hào)，J大于等于1。S572：提取每幀子信號(hào)的特征矢量組成數(shù)組T[J]＝{T(0)，T(j)，…，T(J-1)}，并獲取預(yù)設(shè)信號(hào)模型的特征矢量組成的數(shù)組R[I]＝{R(0)，R(i)，…，R(I-1)}。其中，所述子信號(hào)的特征矢量與所述預(yù)設(shè)信號(hào)模型的特征矢量的提取方式一致。例如，處理終端存儲(chǔ)有至少一個(gè)預(yù)設(shè)信號(hào)模型，每個(gè)該預(yù)設(shè)信號(hào)模型對(duì)應(yīng)包括一種振源的光纖振動(dòng)信號(hào)的多個(gè)特征矢量R(0)，R(i)，…，R(I-1)，其中，i為該預(yù)設(shè)信號(hào)模型的信號(hào)幀的時(shí)序標(biāo)號(hào)，i＝0為該預(yù)設(shè)信號(hào)模型的起點(diǎn)子信號(hào)幀，i＝I-1為該預(yù)設(shè)信號(hào)模型的終點(diǎn)子信號(hào)幀，因此I為該預(yù)設(shè)信號(hào)模型所包含的子信號(hào)的幀總數(shù)，R(i)為該預(yù)設(shè)信號(hào)模型第i幀的子信號(hào)的特征矢量。處理終端提取第1幀子信號(hào)至第J幀子信號(hào)的特征矢量一一依序?qū)?yīng)為T(0)，T(j)，…，T(J-1)，其中，j為該光纖信號(hào)的信號(hào)幀的時(shí)序標(biāo)號(hào)，j＝0為該光纖信號(hào)的起點(diǎn)子信號(hào)幀，j＝J-1為該光纖信號(hào)的終點(diǎn)子信號(hào)幀，因此J為該光纖信號(hào)所包含的子信號(hào)的幀總數(shù)，T(i)為個(gè)該光纖信號(hào)第j幀的子信號(hào)的特征矢量。上述I和J均大于1，且兩者可相等或不相等，在此不作限定。值得注意的是，該處理終端提取子信號(hào)的特征矢量的方式與預(yù)設(shè)信號(hào)模型中的特征矢量的提取方式是一致的，以保證下述兩者的準(zhǔn)確對(duì)比。也即，預(yù)設(shè)信號(hào)模型和光纖信號(hào)采用相同類型的特征矢量。其中，其提取方式可以為多種，例如為線性預(yù)測(cè)編碼(linearpredictivecoding，LPC)得到的能夠代表該子信號(hào)特征的參數(shù)，如LPC系數(shù)或倒譜系數(shù)。在另一實(shí)施例中，所述提取每幀信號(hào)的特征矢量的步驟包括：將所述每幀子信號(hào)分別經(jīng)過LPC分析得到對(duì)應(yīng)的倒譜系數(shù)，將所述每幀子信號(hào)的倒譜系數(shù)作為其特征矢量。S573：確定所述特征矢量T(0)與所述特征矢量R(0)之間的距離g(R(0),T(0))以及參數(shù)M。其中，所述M與所述I和J之間的差正相關(guān)。例如，所述M＝m+|I-J|，m為一設(shè)定常數(shù)。在一應(yīng)用中，該m可設(shè)置為I或J的十分之一到三十分之一，且小于10。本實(shí)施例中，處理終端利用公式14計(jì)算得到特征矢量T(0)與所述特征矢量R(0)之間的距離g(R(0),T(0))。g(R(0),T(0))＝2d(T(0),R(0))(14)其中，該d的定義請(qǐng)參閱步驟S44的公式16及其相關(guān)描述。S574：處理終端根據(jù)所述距離g(R(0),T(0))，順序計(jì)算所述數(shù)組T[J]每個(gè)特征矢量T(j)分別與所述數(shù)組R[I]至少部分特征矢量R(i)之間的距離g(R(i),T(j))，直至計(jì)算得到所述特征矢量T(J-1)與特征矢量R(I-1)之間的距離g(R(I-1),T(J-1))。其中，所述g(R(i),T(j))由g(R(i-1),T(j))、g(R(i-1),T(j-1))、或g(R(i),T(j-1))計(jì)算得到。例如，處理終端利用公式15和公式16計(jì)算得到所述g(R(i),T(j))；g(R(i),T(j))=ming(R(i-1),T(j))+d(R(i),T(j))g(R(i-1),T(j-1))+2d(R(i),T(j))g(R(i),T(j-1))+d(R(i),T(j))---(15)]]>d=(y1-x1)2+(y2-x2)2+......+(yn-xn)2n---(16)]]>其中，所述特征矢量T(j)表示為(y1，…，yn)，所述特征矢量R(i)表示為(x1，…，xn)。當(dāng)然，在其他實(shí)施例中，該距離函數(shù)d也可采用歐氏距離，為其中，每個(gè)特征矢量T(j)對(duì)應(yīng)的所述部分特征矢量R(i)包括所述數(shù)組R[I]中的特征矢量R(max(j-M,0))至特征矢量R(min(j+M,I-1))。上述順序計(jì)算可表示為：按照數(shù)組T[J]的元素順序，計(jì)算每個(gè)特征矢量T(j)與同一特征矢量R(i)的距離，且按照數(shù)組R[I]的元素順序，計(jì)算其特征矢量R(i)與同一特征矢量T(j)的距離。如上述公式12，每個(gè)特征矢量T(j)與特征矢量R(i)的距離需依靠其之前特征矢量之間的距離，故需要按照數(shù)組順序計(jì)算。其中，該S574可具體包括以下子步驟：根據(jù)所述距離g(R(0),T(0))，順序計(jì)算所述數(shù)組T[J]每個(gè)特征矢量T(j)分別與所述特征矢量R(0)之間的距離g(R(0),T(j))；順序計(jì)算所述數(shù)組T[J]每個(gè)特征矢量T(j)分別與所述數(shù)組R[I]至少部分特征矢量R(i)之間的距離g(R(i),T(j))。其中，當(dāng)所述j＝0時(shí)，所述特征矢量T(0)對(duì)應(yīng)的所述部分特征矢量R(i)包括所述數(shù)組R[I]中的所有特征矢量，當(dāng)所述j≠0時(shí)，所述特征矢量T(j)對(duì)應(yīng)的所述部分特征矢量R(i)包括所述數(shù)組R[I]中的特征矢量R(max(j-M,1))至特征矢量R(min(j+M,I-1))。S575：計(jì)算所述距離g(R(I-1),T(J-1))與所述I和所述J的和之間的比，以作為該子信號(hào)與所述預(yù)設(shè)信號(hào)模型的相似距離。例如，處理終端得到匹配至特征矢量R(I-1)和特征矢量T(J-1)的距離g(R(I-1),T(J-1))后，根據(jù)公式17計(jì)算得到該子信號(hào)與所述預(yù)設(shè)信號(hào)模型的相似距離s；s=g(R(I-1),T(J-1))I+J---(17).]]>S576：若所述相似距離滿足設(shè)定條件，則處理終端將該子信號(hào)的振源類型確定為所述預(yù)設(shè)信號(hào)模型對(duì)應(yīng)的振源類型。該設(shè)定條件如為小于設(shè)定相似距離，或者為所有預(yù)設(shè)信號(hào)模型中的最小相似距離。例如，處理終端存儲(chǔ)多個(gè)預(yù)設(shè)信號(hào)模型，處理終端多次執(zhí)行上述步驟S573-S575，得到每個(gè)預(yù)設(shè)信號(hào)模型與該光纖振動(dòng)模型的相似距離，將處理終端將光纖振動(dòng)模型的振源類型分類為相似距離最小的預(yù)設(shè)信號(hào)模型對(duì)應(yīng)的振源類型。當(dāng)然，針對(duì)具體應(yīng)用的不同需求，該設(shè)定條件還可以其他條件，在此不作具體限定。上述匹配方式根據(jù)相似度確定該子信號(hào)的振源類型，實(shí)現(xiàn)了對(duì)子信號(hào)的振源分類，且該分類方式能夠?qū)φ裨催M(jìn)行準(zhǔn)確分類，提高了振源識(shí)別的準(zhǔn)確率，且處理終端根據(jù)設(shè)定規(guī)則僅計(jì)算數(shù)組T[J]每個(gè)特征矢量T(j)與數(shù)組R[I]部分特征矢量R(i)之間的距離，減少了運(yùn)算量，提高了識(shí)別速度和效率，節(jié)省了處理終端的處理資源。參閱圖6，本發(fā)明光纖振動(dòng)信號(hào)分類裝置一實(shí)施方式的結(jié)構(gòu)示意圖，該裝置包括：獲取模塊61，用于獲取光纖振動(dòng)信號(hào)，其中，所述光纖振動(dòng)信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到。劃分模塊62，用于將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)。分類模塊63，用于利用支持向量機(jī)SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中，其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征?？蛇x的，分類模塊62包括：選擇單元，用于當(dāng)本地存儲(chǔ)的預(yù)設(shè)信號(hào)類的數(shù)量超過2時(shí)，從本地存儲(chǔ)的多個(gè)預(yù)設(shè)信號(hào)類中選擇兩個(gè)，并利用SVM算法構(gòu)成二類分類器，利用所述二類分類器分別將每個(gè)所述子信號(hào)劃分至所述選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)；分類單元，用于重新選擇所述劃分至的預(yù)設(shè)信號(hào)類和所述多個(gè)預(yù)設(shè)信號(hào)類中未選擇的一個(gè)預(yù)設(shè)信號(hào)類并利用SVM算法構(gòu)成二類分類器，利用所述新構(gòu)成的二類分類器分別將每個(gè)所述子信號(hào)劃分至所述重新選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)，重復(fù)本步驟，直至所述多個(gè)預(yù)設(shè)信號(hào)類中的每個(gè)預(yù)設(shè)信號(hào)類均已被選擇，并將所述多個(gè)所述子信號(hào)最后劃分至的預(yù)設(shè)信號(hào)類分別作為所述多個(gè)子信號(hào)所屬的預(yù)設(shè)信號(hào)類?？蛇x地，所述預(yù)設(shè)信號(hào)類的選擇順序按照所述多個(gè)預(yù)設(shè)信號(hào)類中的特征數(shù)據(jù)之間的差別程度從大至小先后排列。可選地，該裝置還包括識(shí)別模塊，用于：將屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)與預(yù)設(shè)振源模型進(jìn)行匹配；若匹配成功，則將所述屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)的振源類型確定為所述預(yù)設(shè)振動(dòng)模型對(duì)應(yīng)的振源類型。可選地，獲取模塊61具體用于獲取光纖某一位置在一段時(shí)間內(nèi)產(chǎn)生的光纖振動(dòng)信號(hào)；劃分模塊62具體用于對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行多次采樣得到多個(gè)子信號(hào)?？蛇x地，劃分模塊62具體用于利用FPGA采集所述光纖振動(dòng)信號(hào)得到所述多個(gè)子信號(hào)?？蛇x地，該裝置還包括消噪模塊，用于利用SVD算法對(duì)所述多個(gè)子信號(hào)構(gòu)成的矩陣進(jìn)行奇異值分解得到多個(gè)子矩陣；獲取奇異值最大的所述子矩陣，并提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號(hào)；對(duì)所述一維信號(hào)進(jìn)行小波消噪后作為所述光纖某一位置產(chǎn)生的多個(gè)子信號(hào)?？蛇x地，該采樣模塊62具體用于由所述光纖信號(hào)的峰值確定所述光纖信號(hào)的包絡(luò)線；對(duì)所述光纖信號(hào)的包絡(luò)線進(jìn)行采樣，以獲得多個(gè)設(shè)定時(shí)間長(zhǎng)度的采樣信號(hào)。其中，該處理終端的上述模塊分別用于執(zhí)行上述方法實(shí)施例中的相應(yīng)步驟，具體執(zhí)行過程如上方法實(shí)施例說明，在此不作贅述。參閱圖7，本發(fā)明光纖振動(dòng)信號(hào)分類裝置另一實(shí)施方式的結(jié)構(gòu)示意圖，該裝置70包括處理器71、存儲(chǔ)器72、接收器73及總線74。其中，處理器71、存儲(chǔ)器72、接收器73均可以是一個(gè)或多個(gè)，圖7中僅以一個(gè)為例。接收器73用于接收外部設(shè)備發(fā)送的信息。例如，接收光纖傳感器檢測(cè)得到的光纖信號(hào)。存儲(chǔ)器72用于存儲(chǔ)計(jì)算機(jī)程序，并向處理器71提供所述計(jì)算機(jī)程序，且可存儲(chǔ)處理器71處理的數(shù)據(jù)，例如接收器73接收到的光纖信號(hào)燈。其中，存儲(chǔ)器72可以包括只讀存儲(chǔ)器、隨機(jī)存取存儲(chǔ)器和非易失性隨機(jī)存取存儲(chǔ)器(NVRAM)中的至少一種。存儲(chǔ)器72存儲(chǔ)的計(jì)算機(jī)程序包括如下的元素，可執(zhí)行模塊或者數(shù)據(jù)結(jié)構(gòu)，或者它們的子集，或者它們的擴(kuò)展集:操作指令：包括各種操作指令，用于實(shí)現(xiàn)各種操作。操作系統(tǒng)：包括各種系統(tǒng)程序，用于實(shí)現(xiàn)各種基礎(chǔ)業(yè)務(wù)以及處理基于硬件的任務(wù)。在本發(fā)明實(shí)施例中，處理器71通過調(diào)用存儲(chǔ)器72存儲(chǔ)的操作指令(該操作指令可存儲(chǔ)在操作系統(tǒng)中)，來執(zhí)行下面操作。具體，處理器71可執(zhí)行存儲(chǔ)器72中的計(jì)算機(jī)程序，用于：通過接收器73獲取光纖振動(dòng)信號(hào)，其中，所述光纖振動(dòng)信號(hào)由光纖反射的光信號(hào)轉(zhuǎn)換得到；將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)；利用SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中，其中，一所述預(yù)設(shè)信號(hào)類對(duì)應(yīng)于一振源產(chǎn)生的光纖振動(dòng)信號(hào)的特征?？蛇x地，處理器71執(zhí)行所述利用支持向量機(jī)SVM算法，將所述多個(gè)子信號(hào)劃分至至少一個(gè)預(yù)設(shè)信號(hào)類中的步驟包括：當(dāng)本地存儲(chǔ)的預(yù)設(shè)信號(hào)類的數(shù)量超過2時(shí)，從本地存儲(chǔ)的多個(gè)預(yù)設(shè)信號(hào)類中選擇兩個(gè)，并利用SVM算法構(gòu)成二類分類器，利用所述二類分類器分別將每個(gè)所述子信號(hào)劃分至所述選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)；重新選擇所述劃分至的預(yù)設(shè)信號(hào)類和所述多個(gè)預(yù)設(shè)信號(hào)類中未選擇的一個(gè)預(yù)設(shè)信號(hào)類并利用SVM算法構(gòu)成二類分類器，利用所述新構(gòu)成的二類分類器分別將每個(gè)所述子信號(hào)劃分至所述重新選擇的兩個(gè)預(yù)設(shè)信號(hào)類的其中一個(gè)，重復(fù)本步驟，直至所述多個(gè)預(yù)設(shè)信號(hào)類中的每個(gè)預(yù)設(shè)信號(hào)類均已被選擇；將所述多個(gè)所述子信號(hào)最后劃分至的預(yù)設(shè)信號(hào)類分別作為所述多個(gè)子信號(hào)所屬的預(yù)設(shè)信號(hào)類?？蛇x地，所述預(yù)設(shè)信號(hào)類的選擇順序按照所述多個(gè)預(yù)設(shè)信號(hào)類中的特征數(shù)據(jù)之間的差別程度從大至小先后排列。可選地，處理器71還用于：將屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)與預(yù)設(shè)振源模型進(jìn)行匹配；若匹配成功，則將所述屬于同一預(yù)設(shè)信號(hào)類的子信號(hào)的振源類型確定為所述預(yù)設(shè)振動(dòng)模型對(duì)應(yīng)的振源類型?？蛇x地，處理器71執(zhí)行所述獲取光纖振動(dòng)信號(hào)的步驟包括：獲取光纖某一位置在一段時(shí)間內(nèi)產(chǎn)生的光纖振動(dòng)信號(hào)；處理器71執(zhí)行所述將所述光纖振動(dòng)信號(hào)分為多個(gè)子信號(hào)的步驟包括：對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行多次采樣得到多個(gè)子信號(hào)。可選地，處理器71執(zhí)行所述對(duì)所述光纖振動(dòng)信號(hào)進(jìn)行多次采樣得到多個(gè)子信號(hào)的步驟包括：利用FPGA采集所述光纖振動(dòng)信號(hào)得到所述多個(gè)子信號(hào)?？蛇x地，處理器71還用于：利用SVD算法對(duì)所述多個(gè)子信號(hào)構(gòu)成的矩陣進(jìn)行奇異值分解得到多個(gè)子矩陣；獲取奇異值最大的所述子矩陣，并提取所述奇異值最大的子矩陣的每行元素以集合組成一維信號(hào)；對(duì)所述一維信號(hào)進(jìn)行小波消噪后作為所述光纖某一位置產(chǎn)生的多個(gè)子信號(hào)。上述處理器71還可以稱為CPU(CentralProcessingUnit，中央處理單元)。具體的應(yīng)用中，終端的各個(gè)組件通過總線74耦合在一起，其中總線74除包括數(shù)據(jù)總線之外，還可以包括電源總線、控制總線和狀態(tài)信號(hào)總線等。但是為了清楚說明起見，在圖中將各種總線都標(biāo)為總線74。上述本發(fā)明實(shí)施方式揭示的方法也可以應(yīng)用于處理器71中，或者由處理器71實(shí)現(xiàn)。處理器71可能是一種集成電路芯片，具有信號(hào)的處理能力。在實(shí)現(xiàn)過程中，上述方法的各步驟可以通過處理器71中的硬件的集成邏輯電路或者軟件形式的指令完成。上述的處理器71可以是通用處理器、數(shù)字信號(hào)處理器(DSP)、專用集成電路(ASIC)、現(xiàn)成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件?？梢詫?shí)現(xiàn)或者執(zhí)行本發(fā)明實(shí)施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。結(jié)合本發(fā)明實(shí)施例所公開的方法的步驟可以直接體現(xiàn)為硬件譯碼處理器執(zhí)行完成，或者用譯碼處理器中的硬件及軟件模塊組合執(zhí)行完成。軟件模塊可以位于隨機(jī)存儲(chǔ)器，閃存、只讀存儲(chǔ)器，可編程只讀存儲(chǔ)器或者電可擦寫可編程存儲(chǔ)器、寄存器等本領(lǐng)域成熟的存儲(chǔ)介質(zhì)中。該存儲(chǔ)介質(zhì)位于存儲(chǔ)器72，處理器71讀取相應(yīng)存儲(chǔ)器中的信息，結(jié)合其硬件完成上述方法的步驟。上述方案中，處理終端采用SVM算法對(duì)光纖振動(dòng)信號(hào)的多個(gè)子信號(hào)進(jìn)行分類，由于SVM算法可對(duì)線性不可分?jǐn)?shù)據(jù)進(jìn)行分類，故能夠?qū)⒃摴饫w振動(dòng)信號(hào)中屬于不同振源的子信號(hào)劃分開，實(shí)現(xiàn)光纖振動(dòng)信號(hào)對(duì)應(yīng)振源進(jìn)行有效分類，而且，將不同振源的子信號(hào)劃分開后，能夠提高后續(xù)對(duì)子信號(hào)的振源識(shí)別的準(zhǔn)確性。在本發(fā)明所提供的幾個(gè)實(shí)施方式中，應(yīng)該理解到，所揭露的方法以及裝置，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施方式僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施方式方案的目的。另外，在本發(fā)明各個(gè)實(shí)施方式中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。上述其他實(shí)施方式中的集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施方式所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(ROM，Read-OnlyMemory)、隨機(jī)存取存儲(chǔ)器(RAM，RandomAccessMemory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。以上所述僅為本發(fā)明的實(shí)施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的
技術(shù)領(lǐng)域：
，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。當(dāng)前第1頁1 2 3