利用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分布式相干瑞利光纖振動(dòng)事件分類?

彭任華 周 琰 袁旻忞 鄭成詩 李曉東

(1 中國科學(xué)院聲學(xué)研究所 北京 100190)

(2 中國科學(xué)院大學(xué) 北京 100049)

(3 國家石油天然氣管網(wǎng)集團(tuán)有限公司科學(xué)技術(shù)研究總院分公司 廊坊 065000)

(4 國家環(huán)境保護(hù)道路交通噪聲控制工程技術(shù)中心 北京 100088)

(5 交通運(yùn)輸部公路科學(xué)研究院 北京 100088)

0 引言

長距離輸油/氣管道由于運(yùn)量大、建設(shè)成本低、占地少、損耗小等優(yōu)點(diǎn)，在石油、天然氣運(yùn)輸過程中占有舉足輕重的地位。近年來，城市建設(shè)的擴(kuò)張以及打孔盜油/氣活動(dòng)的猖獗，使得輸油/氣管道面臨日益嚴(yán)重的安全威脅[1]。除城市建設(shè)過程中的各類機(jī)械作業(yè)，管道附近還存在農(nóng)田鋤地、汽車行駛等種類繁多的振動(dòng)作業(yè)。不同振動(dòng)作業(yè)對(duì)管道安全運(yùn)行具有不同的威脅等級(jí)，對(duì)這些振動(dòng)作業(yè)進(jìn)行分類識(shí)別在輸油/氣管道的安全監(jiān)測過程中具有非常重大的研究意義。

傳統(tǒng)的管道安全監(jiān)測采用人工巡線方式，在管道沿線泵站配備工作人員，定期巡線檢查。這種方法耗時(shí)長、成本高，不能及時(shí)發(fā)現(xiàn)威脅管道安全運(yùn)行事件；同時(shí)不適用于沙漠、湖泊、沼澤等環(huán)境惡劣的區(qū)域。另一種管道安全監(jiān)測方法是利用負(fù)壓波方法：管道發(fā)生泄漏時(shí)會(huì)在泄漏點(diǎn)附近會(huì)產(chǎn)生壓力突降，并以負(fù)壓力波方式向兩端傳輸。負(fù)壓波方法利用壓力傳感器，在一段輸油管道的上游與下游分別測量管道內(nèi)壓力變化，檢測是否發(fā)生泄漏，同時(shí)利用兩端負(fù)壓力波的時(shí)間差定位泄漏點(diǎn)位置[2]。然而，負(fù)壓波方法對(duì)泵站正常的開/關(guān)閥門具有較多虛警，同時(shí)存在定位不準(zhǔn)等缺點(diǎn)。常規(guī)的人工巡線、負(fù)壓波方法等管道安全監(jiān)測方法普遍存在不能提前預(yù)報(bào)管道安全運(yùn)行威脅事件的問題，即不能安全預(yù)警，僅能在威脅事件造成實(shí)質(zhì)破壞之后給出報(bào)警。近年來，一種利用分布式傳感光纖進(jìn)行管道安全預(yù)警的方式得到越來越廣泛的應(yīng)用。

根據(jù)分布式光纖傳感原理不同，常見的分布式光纖傳感技術(shù)可以分為干涉型以及散射型兩大類。干涉型分布式光纖傳感包括Michelson 光纖干涉儀、Mach-Zehnder 光纖干涉儀、Sagnac 光纖干涉儀以及各種復(fù)合干涉儀，具體結(jié)構(gòu)與工作原理詳見文獻(xiàn)[3]。后向散射型分布式光纖傳感主要利用光時(shí)域反射計(jì)(Optical time domain reflectmeter,OTDR)實(shí)現(xiàn)各種類型傳感[4-7]。與OTDR 原理相同的是，光頻域反射計(jì)(Optical frequency domain reflectmeter,OFDR)是利用光纖瑞利散射進(jìn)行分布式測量，區(qū)別在于OFDR是通過測量拍頻信號(hào)的頻率進(jìn)行空間定位，對(duì)激光光源要求極高[8]。

非法施工以及打孔盜油等威脅事件不可避免地會(huì)對(duì)光纖產(chǎn)生外部擾動(dòng)，外部擾動(dòng)會(huì)引起相應(yīng)位置土層的振動(dòng)進(jìn)而影響光纖本身的振動(dòng)，從而使后向瑞利散射光相位發(fā)生變化[9-10]。本文從實(shí)際應(yīng)用出發(fā)，僅考慮基于相位敏感光時(shí)域反射的?-OTDR 技術(shù)。圖1 給出了?-OTDR 系統(tǒng)框圖，系統(tǒng)利用激光作為傳感介質(zhì)，光纖作為傳輸通道，可以同時(shí)獲取傳感光纖區(qū)域內(nèi)隨時(shí)間和空間變化的傳感信息[11]，結(jié)合高速數(shù)據(jù)采集以及信號(hào)處理可以搭建實(shí)時(shí)的光纖安全預(yù)警系統(tǒng)[12-13]。圖1 中脈沖激光器周期性輸出的脈沖光源通過3 dB 耦合器注入光纖，激光在光纖中傳輸會(huì)產(chǎn)生后向散射，后向散射光被外部擾動(dòng)所調(diào)制從而攜帶傳感信息。單個(gè)激光脈沖的所有后向散射光攜帶了沿光纖空間分布的傳感信息，利用OTDR對(duì)空間分布的傳感信息進(jìn)行空間定位[14]。PD 為光電檢測器，將攜帶傳感信息的后向散射光轉(zhuǎn)化為電信號(hào)，通過對(duì)每個(gè)周期內(nèi)的后向散射光進(jìn)行數(shù)據(jù)采集，就可以獲得不同時(shí)刻沿光纖分布的傳感信號(hào)，通過后端信號(hào)處理從而進(jìn)行光纖預(yù)警。

圖1 分布式?—OTDR 光纖傳感系統(tǒng)Fig.1 Distributed ?—OTDR fiber sensor system

在光纖安全預(yù)警系統(tǒng)中，需要對(duì)光纖附近的外部擾動(dòng)進(jìn)行分類識(shí)別，從而采取正確的防范措施。本文提出利用深度神經(jīng)網(wǎng)絡(luò)模型對(duì)光纖振動(dòng)事件進(jìn)行分類識(shí)別，提取了多維光纖振動(dòng)信號(hào)特征量，同時(shí)在西氣東輸一線無錫至蘇州段開展實(shí)際線路測試，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性。本文內(nèi)容安排如下：第1 節(jié)介紹分布式光纖傳感系統(tǒng)信號(hào)模型；第2節(jié)通過對(duì)土層等效建模，定性分析了在外部振動(dòng)作用下光纖信號(hào)頻率特性；第3 節(jié)給出了不同振動(dòng)作業(yè)分類識(shí)別的基本流程以及實(shí)驗(yàn)結(jié)果；第4節(jié)給出了本文總結(jié)。

1 ?—OTDR 分布式光纖傳感系統(tǒng)信號(hào)模型

如圖1 所示，?-OTDR 使用的激光源為高度相干的連續(xù)窄帶激光經(jīng)過光電脈沖調(diào)制器調(diào)制的脈沖激光源。假設(shè)激光頻率為w，脈沖脈寬為TP，激光在光纖中傳播速度為cg，那么激光在光纖中傳播的電磁場強(qiáng)度p(t,z)數(shù)學(xué)表達(dá)式可以寫成：

其中，t為激光注入光纖后的傳播時(shí)間，t>TP；E0為入射端電磁場強(qiáng)度；z為光纖中某一點(diǎn)的位置z>0，τ時(shí)刻脈沖波陣面在光纖中的位置z=cgt；α為光纖衰減常數(shù)；rect(τ)為矩形窗函數(shù)，rect(τ)=1 當(dāng)且僅當(dāng)0<τ<1。

后向瑞利散射激光頻率與入射激光頻率一致。相位變化受到外部擾動(dòng)調(diào)制，假設(shè)z位置處外部擾動(dòng)v(t,z)引起的相位變化為θ(t,z)=f(v(t,z))，其中f(?)為外部擾動(dòng)到相位變化的映射函數(shù)。那么z位置處后向瑞利散射光在光纖入射端表達(dá)式有

其中，s為反向散射系數(shù)[15]，αs(z)為瑞利散射因子[16]。由式(2) 可知τ時(shí)刻到達(dá)光纖入射端的后向瑞利散射光對(duì)應(yīng)的光纖位置并不只有一點(diǎn)，而是光纖中的一段距離，滿足cgt/2 >z>cg(t-TP)/2。由于在此范圍內(nèi)所有點(diǎn)的散射光同時(shí)到達(dá)光纖入射端，因此系統(tǒng)理論空間分辨率為Rt=cgTP/2。而τ時(shí)刻光纖入射端后向瑞利散射光pr(t)是所有位置散射光的疊加，有

表示僅受外部擾動(dòng)影響的光纖傳感信號(hào)量。?(t)式中還可以看出，τ時(shí)刻的后向瑞利散射光僅與空間范圍z∈[cg(t-TP)/2,cgt/2] 分布的外部擾動(dòng)θ(t,z)有關(guān)，而與其他空間區(qū)域擾動(dòng)無關(guān)，同時(shí)還受激光光源頻率變化的影響。后向瑞利散射光在入射端光強(qiáng)有

由式(5)可知：(1) 任一時(shí)刻t探測器接收到的后向瑞利散射光光強(qiáng)僅與空間位置z∈[cg(t-TP)/2,cgt/2]區(qū)域內(nèi)的外部擾動(dòng)相關(guān)，并且隨時(shí)間而呈指數(shù)衰減。由于時(shí)刻t與空間位置z存在一一對(duì)應(yīng)關(guān)系，可以認(rèn)為后向瑞利散射光強(qiáng)在光纖中隨光纖位置呈指數(shù)衰減特性；(2) 外部擾動(dòng)會(huì)引起光纖瑞利后向散射光光強(qiáng)變化，從而可以根據(jù)探測光光強(qiáng)變化判斷外界擾動(dòng)類型。圖2 給出了典型的后向瑞利散射光光強(qiáng)隨空間變化的分布圖。

圖2 后向瑞利散射光強(qiáng)隨空間分布Fig.2 Reyleigh backscattering spatial distribution

在光纖入射端對(duì)單個(gè)激光脈沖產(chǎn)生的后向瑞利散射光進(jìn)行連續(xù)信號(hào)采樣，采樣率為fs，那么相鄰采樣點(diǎn)的采樣空間分辨率為Rs=cg/2fs。要保證各采樣點(diǎn)相互獨(dú)立，要求采樣空間分辨率大于系統(tǒng)空間分辨率，即Rs>Rt，對(duì)采樣率要求為fs<1/TP。

為獲得空間某一點(diǎn)傳感信號(hào)隨時(shí)間的變化量，在光纖入射端輸入的是周期性的脈沖激光源，假設(shè)周期性脈沖的周期為T，那么第n個(gè)激光脈沖產(chǎn)生的后向瑞利散射光光強(qiáng)有

其中，Ar(nT+t)表示第n個(gè)激光脈沖之后t時(shí)刻后向瑞利散射光強(qiáng)隨外部振動(dòng)信號(hào)的變化。僅與空間位置z∈[cg(t-TP)/2,cgt/2]的外部擾動(dòng)有關(guān)，因此不同周期激光脈沖之后相同延時(shí)的采樣點(diǎn)對(duì)應(yīng)的是相同空間位置不同時(shí)刻外部擾動(dòng)信號(hào)變化量。相鄰周期的后向瑞利散射光要求不能重疊，因此脈沖周期需要滿足T>2L/cg，其中L為傳感光纖長度。

圖3 給出了基于相干瑞利光纖傳感系統(tǒng)在位于6.36 km 位置處有人工鋤地振動(dòng)作業(yè)下的后向瑞利散射光光強(qiáng)隨時(shí)間分布圖，圖中可以清晰地看出每次人工鋤地作業(yè)產(chǎn)生的類似振動(dòng)脈沖信號(hào)。

圖3 后向瑞利散射光光強(qiáng)隨時(shí)間分布Fig.3 Rayleigh backscattering temporal distribution

2 土壤土層振動(dòng)模型及對(duì)光纖振動(dòng)信號(hào)影響

由式(6)可知，光纖z位置處土壤土層振動(dòng)信號(hào)v(nT+t,z)對(duì)光纖傳感信號(hào)Ar(nT+t)的影響表現(xiàn)在相位變化θ(nT+t,z)的積分公式?(nT+t)中。由于外部擾動(dòng)引起相位變化的映射函數(shù)f(?)未知，本文僅考慮振動(dòng)信號(hào)v(nT+t,z)的信號(hào)模型以及對(duì)光纖振動(dòng)影響的分析。

可以將光纖傳感器、光纖與地表之間的土層以及外部擾動(dòng)等效為一彈簧振子模型，圖4 給出了這一等效模型示意圖。圖4 中，m為土層等效質(zhì)量，k為等效彈簧勁度系數(shù)。在外界擾動(dòng)作用力u(t,z)作用下，施加給光纖的壓力擾動(dòng)v(t,z)滿足[17]

圖4 土壤土層振動(dòng)模型Fig.4 Vibration model of soil

其中，g為重力加速度常數(shù)；γ為彈簧振子運(yùn)動(dòng)摩擦常數(shù)。忽略γ的影響，求解式(7)微分方程有

其中，V(ω,z)、U(ω,z)分別是v(t,z)、u(t,z)的傅里葉變換。

為驗(yàn)證彈簧等效模型的有效性，本文通過在光纖附近埋放振動(dòng)加速度傳感器測量土層振動(dòng)信號(hào)進(jìn)行驗(yàn)證。選取兩處具有典型特征的土壤土層測試點(diǎn)進(jìn)行測試，測試點(diǎn)1選擇為含水量較少的旱地；測試點(diǎn)2 選擇為含水量較多的濕地。加速度傳感器采用防水密封處理埋放在光纖附近10 cm 處，水平深度與光纖持平。在加速度傳感器正上方進(jìn)行拍打作業(yè)，圖5、圖6 分別給出了兩處測試點(diǎn)加速度傳感器在有無振動(dòng)條件下時(shí)域波形以及頻域波形。圖6 中可以明顯觀察到加速度振動(dòng)信號(hào)的共振峰結(jié)構(gòu)，測試點(diǎn)1 共振峰頻率為ω1=68 Hz，測試點(diǎn)2 共振峰頻率為ω2=52 Hz。這是由于測試點(diǎn)2 附近土壤由于靠近水溝，土層含水量增大，造成等效彈簧勁度系數(shù)偏低，共振峰頻率向低頻移動(dòng)。

圖5 振動(dòng)加速度信號(hào)時(shí)域波形Fig.5 Acceleration waveform

圖6 振動(dòng)加速度信號(hào)頻域波形Fig.6 Acceleration frequency curve

在光纖安全預(yù)警系統(tǒng)中，威脅事件產(chǎn)生的外部擾動(dòng)到光纖要經(jīng)過光纖埋深的土壤土層進(jìn)行傳播。因此，本文同時(shí)開展了土壤土層振動(dòng)傳播模型的實(shí)驗(yàn)研究。實(shí)驗(yàn)中，采用兩個(gè)相同型號(hào)加速度傳感器，1 號(hào)加速度傳感器埋放在光纖附近，距地面埋深2.5 m；2 號(hào)加速度傳感器埋放在與1 號(hào)傳聲器正上方，距地面埋深0.5 m，在2 號(hào)傳感器正上方進(jìn)行振動(dòng)激勵(lì)。激勵(lì)重復(fù)20次，利用自相關(guān)函數(shù)將20次激勵(lì)信號(hào)進(jìn)行時(shí)間對(duì)齊，計(jì)算頻域信號(hào)并取平均，比較加速度傳感器各個(gè)頻帶平均幅值的衰減如圖7 所示。圖7中可以看出，兩處加速度傳感器振動(dòng)信號(hào)共振峰頻率一致，在共振峰頻率附近1 號(hào)加速度計(jì)的能量相比2 號(hào)加速度計(jì)要衰減7 dB 左右，這主要是振動(dòng)向四周擴(kuò)散導(dǎo)致的傳播能量衰減；而在100 Hz頻率范圍以上，1號(hào)加速度計(jì)能量相比2號(hào)加速度計(jì)的衰減隨著頻率的增高，衰減逐漸增大，這主要是土壤土層高頻能量吸收導(dǎo)致的。

圖7 土壤土層振動(dòng)衰減Fig.7 Vibration attenuation of soil

由以上分析可知，不同土壤土層具有不同的振動(dòng)特性，土壤土層的等效勁度系數(shù)以及等效質(zhì)量直接決定了土層的共振峰頻率。由于土層等效勁度系數(shù)較低，等效質(zhì)量較大，共振峰頻率集中在低頻，因此土層對(duì)振動(dòng)信號(hào)的高頻具有明顯的衰減作用。在光纖傳感信號(hào)處理過程中也需要考慮此高頻衰減產(chǎn)生的影響。

3 相干瑞利光纖傳感振動(dòng)信號(hào)分類識(shí)別

由于外部擾動(dòng)信號(hào)v(t,z)到相位變化θ(t,z)的映射函數(shù)f(v(t,z))未知，傳統(tǒng)的光纖預(yù)警系統(tǒng)僅能判斷外部擾動(dòng)是否發(fā)生，通過對(duì)擾動(dòng)前后的后向瑞利散射光強(qiáng)相減得到差分信號(hào)，檢測差值大小判斷擾動(dòng)信號(hào)是否發(fā)生[6]。這種方法由于要對(duì)多個(gè)周期的后向瑞利散射光強(qiáng)進(jìn)行平滑估計(jì)，時(shí)間分辨率低，同時(shí)系統(tǒng)的虛警較高。由于并不是所有的外部擾動(dòng)都對(duì)管道光纖具有威脅，因此光纖安全預(yù)警系統(tǒng)不僅要求對(duì)外部擾動(dòng)事件進(jìn)行識(shí)別，還需要對(duì)不同的擾動(dòng)事件進(jìn)行分類。本文基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)造了具有5 層全連接網(wǎng)絡(luò)結(jié)構(gòu)的光纖振動(dòng)信號(hào)分類識(shí)別器，提取了多維光纖振動(dòng)信號(hào)特征量并進(jìn)行分類識(shí)別。

3.1 光纖傳感振動(dòng)信號(hào)數(shù)據(jù)采集

本文中，分布式相干瑞利光纖傳感系統(tǒng)中的光纖是隨管道鋪設(shè)的通信備用光纖，脈沖激光光源波長為λ=1550 nm，脈寬為TP=50 ns，對(duì)應(yīng)系統(tǒng)理論空間分辨率為5 m，脈沖周期T=2 ms，對(duì)應(yīng)光纖某固定位置振動(dòng)時(shí)域信號(hào)采樣率為f0=500 Hz。在西氣東輸一線無錫至蘇州段開展現(xiàn)場測試，光纖長度為48 km，后向瑞利散射光光強(qiáng)信號(hào)采樣率fs=5 MHz，對(duì)應(yīng)的采樣空間分辨率為Rs=20 m，單個(gè)周期內(nèi)采樣點(diǎn)個(gè)數(shù)為2400。

根據(jù)激光脈寬以及信號(hào)采樣頻率，系統(tǒng)分辨率以及采樣分辨率如圖8 所示，系統(tǒng)理論上會(huì)出現(xiàn)不能探測區(qū)域。這是由于一方面振動(dòng)作業(yè)影響區(qū)域一般會(huì)大于采樣分辨率，實(shí)際上不會(huì)出現(xiàn)振動(dòng)信號(hào)不能探測的情況；另一方面空間分辨率越大，單個(gè)周期采樣點(diǎn)個(gè)數(shù)越小，數(shù)據(jù)吞吐量越小，系統(tǒng)計(jì)算負(fù)載也越小，因此采樣空間分辨率設(shè)置為折中取值。

圖8 系統(tǒng)理論分辨率以及采樣分辨率Fig.8 Theoretic resolution of system and sampling

采集的光纖信號(hào)振動(dòng)類型包括：鐵鍬拍打地面，簡稱人工鋤地；伴行公路的車輛行走，簡稱車輛行走；大型機(jī)械挖掘機(jī)挖土作業(yè)，簡稱機(jī)械挖掘；機(jī)械破錘水泥路面，簡稱機(jī)械破錘；壓路機(jī)壓平路面作業(yè)，簡稱壓路行走；重載貨車行走，簡稱重車行走；鏟車推土作業(yè)，簡稱鏟車推土；鉆孔機(jī)在光纖下方打孔作業(yè)，簡稱定向鉆孔，共8 種光纖傳感振動(dòng)類型。需要將此8 種振動(dòng)信號(hào)與背景噪聲進(jìn)行分類識(shí)別，因此需要識(shí)別的信號(hào)種類為9 種類型。采集的不同振動(dòng)作業(yè)類型總時(shí)長以及振動(dòng)作業(yè)距離見表1所示。

表1 振動(dòng)作業(yè)事件類型明細(xì)Table 1 Details of vibration events

圖9(a)～(h)分別給出了人工鋤地、車輛行走、鏟車推土、定向鉆孔、機(jī)械挖掘、機(jī)械破錘、壓路行走、重車行走8 種振動(dòng)作業(yè)下采集到的光纖傳感信號(hào)時(shí)域波形,圖9(A)～(H)給出了對(duì)應(yīng)振動(dòng)信號(hào)的短時(shí)頻譜圖，短時(shí)頻譜圖是對(duì)單個(gè)空間采樣點(diǎn)連續(xù)時(shí)間采樣信號(hào)進(jìn)行分幀加窗短時(shí)傅里葉變換(Short time Fourier transform,STFT)，幀長為512，幀移為128，窗函數(shù)為漢明窗。

圖9 振動(dòng)作業(yè)光纖信號(hào)時(shí)域波形圖及短時(shí)頻譜圖Fig.9 Waveform and short time spectrum

從圖9 中可以看出，不同振動(dòng)作業(yè)表現(xiàn)的光纖傳感信號(hào)具有不同的時(shí)域以及頻域特征。人工鋤地振動(dòng)作業(yè)持續(xù)時(shí)間較短，頻譜較寬，表現(xiàn)出短時(shí)脈沖特性；車輛行走持續(xù)時(shí)間較長，低頻較重；鏟車推土頻帶更寬；定向轉(zhuǎn)孔在中頻段(100 Hz 附近)具有比較明顯的諧頻特性；機(jī)械挖掘能量主要集中在低頻，持續(xù)時(shí)間較長；機(jī)械破捶出現(xiàn)較多的諧波結(jié)構(gòu)，諧波基頻在20 Hz 附近；壓路行走作業(yè)同樣會(huì)出現(xiàn)諧波結(jié)構(gòu)，諧波基頻在30 Hz附近，并且在全頻帶范圍都出現(xiàn)諧波結(jié)構(gòu)；重車行走表現(xiàn)為時(shí)域上隨機(jī)出現(xiàn)的低頻信號(hào)為主。不同振動(dòng)作業(yè)類型表現(xiàn)出不同的時(shí)域、頻域特征，是分類識(shí)別的基礎(chǔ)。

3.2 光纖傳感振動(dòng)信號(hào)數(shù)據(jù)處理及特征提取

系統(tǒng)采集到信號(hào)是后向瑞利散射光光強(qiáng)信號(hào)，具有較大的直流偏置，如圖2、圖3、圖9 所示。首先需要對(duì)各空間采樣點(diǎn)的光纖時(shí)域信號(hào)進(jìn)行高通濾波，去除直流分量，本文利用4 階無限脈沖沖擊響應(yīng)(Infinite impulse response,IIR)濾波器實(shí)現(xiàn)信號(hào)濾波，濾波器低頻截止頻率為5 Hz。

假設(shè)s(n)為空間z位置處光纖傳感信號(hào)Ar(nT+z/cg)經(jīng)高通濾波器之后的濾波信號(hào)，n為時(shí)間采樣點(diǎn)索引值，不同索引對(duì)應(yīng)的時(shí)間間隔為脈沖激光光源的周期T。需要對(duì)s(n)分幀處理以達(dá)到實(shí)時(shí)預(yù)警的目的，選取幀長為N，幀移為M，那么第p幀信號(hào)的STFT為

STFT 是在頻率域的均勻采樣，由于外部振動(dòng)信號(hào)經(jīng)土層傳播會(huì)引起高頻衰減，光纖傳感振動(dòng)信號(hào)能量集中在低頻，為了使能量均勻擴(kuò)散在各個(gè)頻帶，減少頻帶間能量差異，利用梅爾對(duì)數(shù)頻率(Mel frequency)的非均勻特性，構(gòu)造了頻率到梅爾對(duì)數(shù)頻率的映射關(guān)系式如下：

其中，N(k,p)是噪聲信號(hào)的STFT，由帶噪信號(hào)S(k,p)估計(jì)噪聲功率譜|N(k,p)|2的具體估計(jì)方式參考文獻(xiàn)[18]。

本文將ξsnr(q,p)作為振動(dòng)信號(hào)分類識(shí)別的特征量。根據(jù)圖9 給出的不同振動(dòng)信號(hào)時(shí)域波形以及短時(shí)頻譜波形分析，不同振動(dòng)信號(hào)會(huì)表現(xiàn)出不同的時(shí)域特性，通過利用連續(xù)的P幀信號(hào)特征量構(gòu)造一個(gè)具有B?P維振動(dòng)信號(hào)分類識(shí)別樣本。

其中，tk=1 表示識(shí)別目標(biāo)樣本中第k維度取值為1，用來表示第k種光纖振動(dòng)信號(hào)類型。

3.3 基于深度神經(jīng)網(wǎng)絡(luò)的振動(dòng)信號(hào)分類識(shí)別

根據(jù)信號(hào)幀移以及幀長分析，構(gòu)造分類識(shí)別輸入信號(hào)特征需要M?P個(gè)激光脈沖周期，對(duì)應(yīng)的算法時(shí)延為B?P?T。光纖實(shí)時(shí)預(yù)警系統(tǒng)要求在此時(shí)延之內(nèi)給出分類識(shí)別結(jié)果，同時(shí)為了保證光纖沿線所有采樣點(diǎn)的時(shí)間一致，需要對(duì)光纖所有采樣點(diǎn)在相同算法時(shí)延之內(nèi)同時(shí)給出識(shí)別結(jié)果。為滿足實(shí)時(shí)計(jì)算需求，本文構(gòu)造了一個(gè)具有5 層結(jié)構(gòu)的全連接深度神經(jīng)網(wǎng)絡(luò)，全連接深度神經(jīng)網(wǎng)絡(luò)由于具有專門的硬件加速結(jié)構(gòu)，廣泛應(yīng)用于實(shí)際系統(tǒng)部署之中。

深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖10 所示。其中，網(wǎng)絡(luò)層數(shù)用nl表示，第l層記為Ll，l層神經(jīng)元個(gè)數(shù)記為sl。L1為輸入層，輸入數(shù)據(jù)為提取的多維信號(hào)特征量，因此s1=B?P；Lnl為輸出層，輸出為各振動(dòng)事件的概率值，本文中神經(jīng)網(wǎng)絡(luò)輸出結(jié)果共有9 個(gè)，因此snl=9。輸入層與輸出層之間的層稱之為隱藏層，層與層之間通過權(quán)值相連，l層與l+1層之間權(quán)值系數(shù)用矩陣表示，其中為sl×sl+1二維矩陣。矩陣中第i行、第j列元素表示為第l層的j神經(jīng)單元與第l+1 層的i神經(jīng)單元權(quán)值系數(shù)。那么第l+1 層神經(jīng)元激活值向量al+1可以用神經(jīng)網(wǎng)絡(luò)的前饋傳播計(jì)算公式計(jì)算：

圖10 5 層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.10 Architecture of five layers deep neural network

其中，zl為l+1 層神經(jīng)元輸入向量，h(z)=1/(1+exp(-z))為神經(jīng)元激活函數(shù)，bl為l層與l+1層之間偏置向量。輸出層神經(jīng)元激活函數(shù)是指數(shù)函數(shù)h(z)=exp(z)，輸出層第i個(gè)神經(jīng)元輸出值記為

深度神經(jīng)網(wǎng)絡(luò)首先需要訓(xùn)練網(wǎng)絡(luò)神經(jīng)元權(quán)值參數(shù)矩陣Wl以及偏置向量bl，l=1,2,··,nl-1。利用提取的信號(hào)特征量以及相對(duì)應(yīng)的振動(dòng)事件類型構(gòu)造帶標(biāo)簽的訓(xùn)練數(shù)據(jù)(ξ?φ)，其中ξ為3.2 節(jié)構(gòu)造的B?P維輸入信號(hào)特征向量，φ為振動(dòng)事件標(biāo)簽向量〈0,0,··,tk,··0〉。參數(shù)訓(xùn)練采用限制玻爾茲曼機(jī)(Restricted Boltzmann machine,RBM)確定每層參數(shù)的初始值，并用后向傳播(Back propagating,BP)算法尋優(yōu)，具體參數(shù)訓(xùn)練參考文獻(xiàn)[19]。

在優(yōu)化參數(shù)矩陣Wl以及偏置向量bl后，網(wǎng)絡(luò)在輸入信號(hào)特征向量ξ判斷第k種振動(dòng)事件發(fā)生的概率為

其中，通過比較每種振動(dòng)事件概率大小，確定最大概率的振動(dòng)事件作為光纖預(yù)警判斷的結(jié)果。

3.4 實(shí)驗(yàn)結(jié)果與分析

利用采集的實(shí)際光纖傳感振動(dòng)信號(hào)以及對(duì)應(yīng)的作業(yè)類型，提取相應(yīng)的輸入信號(hào)特征向量以及目標(biāo)向量構(gòu)造數(shù)據(jù)樣本，所有的樣本數(shù)據(jù)按照樣本數(shù)量7 : 3 比值大小隨機(jī)地分配為訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集。本文利用梅爾對(duì)數(shù)頻率的非均勻特性提取了25 維單幀信號(hào)特征量，并利用連續(xù)40 幀組成包括時(shí)變信號(hào)特性的高維特征向量，對(duì)數(shù)頻帶個(gè)數(shù)B設(shè)置為B=25，連續(xù)幀個(gè)數(shù)P設(shè)置為P=40，對(duì)應(yīng)的全連接深度網(wǎng)絡(luò)輸入信號(hào)維度s1=1000，第二層網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)為s2=800，第三層網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)為s3=500，第四層網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)為s4=300，輸出層網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)為s5=9。網(wǎng)絡(luò)訓(xùn)練過程采用的批處理大小為128，網(wǎng)絡(luò)優(yōu)化損失函數(shù)為交叉熵?fù)p失函數(shù)。

3.4.1 光纖振動(dòng)信號(hào)識(shí)別率

測試數(shù)據(jù)集上分類識(shí)別結(jié)果如表2 所示。表2中每一行表示某一種振動(dòng)作業(yè)類型識(shí)別為其他振動(dòng)作業(yè)類型的概率：對(duì)角線元素表示每種振動(dòng)作業(yè)類型的識(shí)別準(zhǔn)確率，非對(duì)角線元素表示不同作業(yè)之間的錯(cuò)誤識(shí)別率。

表2 神經(jīng)網(wǎng)絡(luò)振動(dòng)信號(hào)分類識(shí)別結(jié)果件類型明細(xì)Table 2 Vibration events classification results of neural network

從表2 中可以看出：對(duì)于人工鋤地以及定向鉆孔這兩種振動(dòng)作業(yè)，本文實(shí)現(xiàn)了95%以上的識(shí)別準(zhǔn)確率；對(duì)于車輛行走、機(jī)械挖掘、機(jī)械破錘以及重車行走，本文實(shí)現(xiàn)了90%附近的識(shí)別準(zhǔn)確率；對(duì)背景噪聲的識(shí)別準(zhǔn)確率大于80%；對(duì)于鏟車推土以及壓路行走識(shí)別準(zhǔn)確率大于70%。鏟車推土以及壓路行走識(shí)別準(zhǔn)確率偏低分析原因可能是這兩類振動(dòng)作業(yè)與車輛行走通過管道光纖模式類似，這也可以從這兩類振動(dòng)作業(yè)識(shí)別錯(cuò)誤結(jié)果集中在車輛行走中看出。

3.4.2 光纖振動(dòng)信號(hào)識(shí)別瀑布圖

利用本文分類識(shí)別結(jié)果，將光纖全線采樣點(diǎn)識(shí)別結(jié)果進(jìn)行瀑布圖實(shí)時(shí)顯示，瀑布圖橫軸表示不同采樣點(diǎn)距入射端距離，縱軸表示UTC 北京時(shí)間，不同顏色表示不同振動(dòng)作業(yè)類型。瀑布圖中間隔20幀給出全線空間采樣點(diǎn)的一次識(shí)別結(jié)果(對(duì)應(yīng)10 s更新一次)。

由于鏟車推土、定向鉆孔、機(jī)械挖掘、機(jī)械破捶，壓路行走以及重車行走均為大型機(jī)械作業(yè)產(chǎn)生的振動(dòng)信號(hào)，對(duì)光纖安全威脅等級(jí)最高，在瀑布圖顯示中，將此5 種振動(dòng)作業(yè)進(jìn)行歸并，統(tǒng)一由紅色表示；人工鋤地由黃色表示，車輛行走由綠色表示，背景噪聲由藍(lán)色顯示。圖11 給出了在距光纖入射端14.2 km 附近，人工鋤地振動(dòng)作業(yè)采用本文算法識(shí)別結(jié)果瀑布圖(瀑布圖中僅顯示10～30 km 區(qū)域范圍)，持續(xù)時(shí)間約為2 min，圖11(a)為下午1:42 給出的瀑布圖截圖，圖11(b)為下午1:48 給出的瀑布圖截圖。瀑布圖中可以看出在14.2 km 附近出現(xiàn)的黃色識(shí)別結(jié)果表示人工鋤地作業(yè)類型，出現(xiàn)位置與實(shí)際作業(yè)位置吻合，持續(xù)時(shí)間與實(shí)際作業(yè)時(shí)間吻合。

圖11 人工鋤地識(shí)別結(jié)果瀑布圖Fig.11 Waterfall results of artificial hoeing

在距光纖入射端14.6 km 附近組織一次機(jī)械挖掘振動(dòng)作業(yè)，作業(yè)持續(xù)約15 min，暫停約5 min 后繼續(xù)作業(yè)。圖12 給出了采用本文算法識(shí)別結(jié)果瀑布圖(瀑布圖中僅顯示12.5～18 km 區(qū)域范圍)。瀑布圖中可以看出在14.6 km 附近，出現(xiàn)的紅色識(shí)別結(jié)果表示機(jī)械振動(dòng)作業(yè)類型，與實(shí)際振動(dòng)作業(yè)吻合。持續(xù)時(shí)間與實(shí)際組織振動(dòng)作業(yè)相吻合，表明本文算法的有效性。同時(shí)比較人工鋤地瀑布圖，可以看出機(jī)械挖掘振動(dòng)作業(yè)瀑布圖在實(shí)際作業(yè)的14.6 km 附近同時(shí)出現(xiàn)大片機(jī)械挖掘識(shí)別結(jié)果，這是機(jī)械作業(yè)影響的范圍要比人工鋤地大導(dǎo)致的。

圖12 機(jī)械挖掘識(shí)別結(jié)果瀑布圖Fig.12 Waterfall results of mechanical excavation

從圖11 以及圖12 中可以看出，在目標(biāo)振動(dòng)作業(yè)出現(xiàn)位置以及時(shí)間以外，仍存在零散分布的紅點(diǎn)(誤識(shí)別)，這是由于在瀑布圖所顯示空間(2400個(gè)空間采樣點(diǎn))以及時(shí)間區(qū)域內(nèi)(最近1 h，360個(gè)刷新間隔)，顯示的識(shí)別樣本個(gè)數(shù)為2400×360=86400，而本文算法對(duì)背景噪聲識(shí)別為機(jī)械挖掘或者車輛行走識(shí)別為機(jī)械挖掘的誤識(shí)別率不為零，使得在瀑布圖中存在若干個(gè)零散分布的誤識(shí)別小紅點(diǎn)。由于大型機(jī)械振動(dòng)作業(yè)持續(xù)時(shí)間以及影響范圍都較大，可以方便地在瀑布圖中加以識(shí)別并報(bào)警，瀑布圖后處理不在本文討論范圍內(nèi)。

4 結(jié)論

本文基于分布式相干瑞利光纖傳感系統(tǒng)以及振動(dòng)加速度傳感器，在西氣東輸一線無錫至蘇州段開展了現(xiàn)場測試，采集了大量光纖傳感信號(hào)以及土壤土層振動(dòng)信號(hào)。土層的彈簧振子等效模型表明土壤土層的等效勁度系數(shù)決定了土壤土層的共振峰頻率，土層會(huì)對(duì)振動(dòng)傳播信號(hào)會(huì)造成明顯的高頻衰減；提出了一種具有5 層全連接網(wǎng)絡(luò)結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)模型用于不同振動(dòng)作業(yè)事件的分類識(shí)別，利用梅爾對(duì)數(shù)頻率的非均勻特性提取了25 維單幀信號(hào)特征量，并利用連續(xù)40幀組成包括時(shí)變信號(hào)特性的高維特征向量，實(shí)現(xiàn)了光纖預(yù)警系統(tǒng)中8 種常見振動(dòng)作業(yè)以及背景噪聲的分類識(shí)別，實(shí)際光纖振動(dòng)分類識(shí)別實(shí)驗(yàn)驗(yàn)證了本文提供算法的有效性。