专利名称：一种基于dsp和fpga的光纤微振动模式识别系统及其识别方法
技术领域：
本发明涉及一种光纤微振动传感器的信号模式识别系统及其识别方法，属于光纤微振动传感技术领域。
背景技术：
随着光纤技术的不断发展，光纤微振动传感器在周界安防、石油和天然气管道和通信线路监测等系统中越来越多地得到应用。光纤微振动传感器是利用光纤作为传感介质的一种分布式光纤传感系统，其中光纤既作为传感介质，又作为光传输介质。其可以在传感光纤布设长度内，对一定准确度范围内的突发事件进行远程和实时的监测。随着各种分布 式光纤传感系统的研究和应用，各种扰动定位算法的实现在一定程度上解决了入侵报警的位置定位问题，但在远端系统无法得知入侵行为的主体。对微振动传感系统的功能，用户期望在报警定位基础上，能够确定导致报警的活动主体，对监测到的信号进行筛选，减少不必要的报警，避免监控者为一些不必要的报警而出警，提高系统效率。对于光纤微振动传感器的信号类型分类的已有研究，都是基于PC终端的软件分析和仿真，系统的实时性较差。而在光纤微振动传感器的应用中，如周界安防、石油天然气管道监测和通信线路监测等，能否及时对获取的报警信号进行相关处理和实时输出是系统性能的重要组成部分，是系统能否有效工作的重要指标。在PC端离线对光纤微振动传感信号进行类型识别显然已经不能满足在线实时监控的要求。

发明内容
针对现有技术中存在的问题，本发明提出一种光纤微振动传感器的信号模式识别装置及其识别方法，能够实现对微振动传感器的输出信号类型进行识别，降低光纤微振动传感器的误报警率，实现对光纤微振动传感器信号的在线实时模式识别。本发明提出一种基于DSP和FPGA的光纤微振动传感器的模式识别系统,包括光电转换模块、模数转换模块、FPGA模块和DSP模块；所述的FPGA模块包括采样控制模块、信号检测模块和FIFO模块；所述的DSP模块数据交换控制模块、缓存模块、特征提取模块、分类器模型训练模块和分类器模型测试模块。光纤微振动传感器向光电转换模块输出光纤微振动传感器输出信号,该信号经过光电转换模块完成从光强信号到模拟电压信号的转变，得到模拟电压信号并输出至模数转换模块中，通过模数转换模块完成对模拟电压信号的采样，得到能够恢复原光纤微振动传感器输出信号主要特征的采样后数字信号，实现将经过光电转换的光纤微振动传感器输出信号从模拟信号转化为数字信号，模数转换模块还与FPGA模块中的采样控制模块连接，控制模数转换模块的采样过程；采样后数字信号由模数转换模块传输至信号检测模块进行阈值判断，阈值判断采用功率谱法，对采样后数字信号的幅值进行平方，并将平方结果累加，当累加的采样后数字信号数量达到和扰动持续时间相对应的数量时，将累加结果与阈值进行比较来判断原光纤微振动传感器输出信号是否存在扰动，当累加的采样后数字信号幅值平方结果超过阈值时，则判断光纤微振动传感器输出信号存在扰动，则采样后数字信号需输入至FIFO模块进行模式分类处理，如果小于阈值，则原断光纤微振动传感器输出信号不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断。所述的FIFO模块被采样后数字信号填满后，通过向数据交换控制模块发送中断信号通知DSP模块有代表扰动的采样后数字信号需从FPGA模块传输至DSP模块，数据交换控制模块检测到FIFO模块的中断信号后，控制DSP模块启动EDMA的传输方式将采样后数字信号从FPGA模块内的FIFO模块直接读取到缓存模块当中。所述的特征提取模块读取缓存模块中存储的采样后的数字信号，对采样控制模块采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量，保存后发送给分类器模型训练模块，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号的特征向量，分类器模型训练模块利用其所得到的代表多组 不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型；当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块进入分类器模型测试模块，在分类器模型训练模块当中确定了的分类器模型控制下，得到扰动类型识别输出。本发明还提出一种基于DSP和FPGA的光纤微振动模式识别方法，包括以下几个步骤步骤一采样控制过程 FPGA模块和DSP模块上电后，FPGA模块和DSP模块分别加载启动程序，对各子系统进行初始化，然后FPGA模块启动模数转换模块，模数转换模块在采样控制模块的控制下开始对经过光电转换模块转换后的光纤微振动传感器输出信号进行采样，FPGA模块的信号检测模块采用双FIFO，并将采样后数字信号填充信号检测模块内双FIFO当中的一个FIF0，当此FIFO被数据填满之后，把实时采样通道切换到另外一个FIFO继续进行信号填充，同时通知信号检测模块读取已经填满的FIF0，两个FIFO依次轮换，实现模数转换模块实时数据采样，模数转换模块还与FPGA模块中的采样控制模块连接，控制模数转换模块的采样过程;步骤二 微振动信号检测过程采样后数字信号由模数转换模块传输至信号检测模块进行阈值判断，通过检测采样后数字信号的功率谱来判断原光纤微振动传感器输出信号是否存在扰动，当采样后数字信号的幅值平方累加结果超过预先设定的阈值时，则判断光纤微振动传感器输出信号存在扰动，则采样后数字信号需输入至FIFO模块进行模式分类处理，如果小于预先设定的阈值，则判断光纤微振动传感器输出信号不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断；步骤三DSP模块和FPGA模块数据传输程序FIFO模块被采样后数字信号填满后，通过向数据交换控制模块发送中断信号通知DSP模块有代表扰动的采样后数字信号需从FPGA模块传输至DSP模块，数据交换控制模块检测到FIFO模块中断信号后，控制DSP模块启动EDMA的传输方式将采样后数字信号从FPGA模块内的FIFO模块直接读取到缓存模块当中；步骤四特征提取过程特征提取模块读取缓存模块中存储的采样后的数字信号，对采样控制模块采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量；步骤五分类器模型训练过程采样后数字信号的特征向量经特征提取模块保存后发送给分类器模型训练模块，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号的特征向量，分类器模型训练模块利用其所得到的代表多组不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结 构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型，最终得到代表各种扰动类型的微振动传感器输出信号的分类器支持向量机方法模型；步骤六模式分类器测试过程当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块进入分类器模型测试模块，在分类器模型训练模块当中确定了的分类器模型控制下，得到扰动类型识别输出。本发明的优点在于(I)本发明提出一种光纤微振动传感器的信号模式识别装置及其识别方法，实现对光纤微振动传感器信号的模式识别，增加光纤微振动传感器的功能，在远端能了解触发振动的信号来源类型；(2)本发明提出一种光纤微振动传感器的信号模式识别装置及其识别方法，实现对光纤微振动传感器信号的分类，对不希望进行报警的信号，譬如自然因素风雨、冰雹引起的报警进行过滤，降低系统的误报警率；(3)本发明提出一种光纤微振动传感器的信号模式识别装置及其识别方法，TI的TMS320C6747DSP和Xilinx公司的Virtex系列XC4VSX35型号FPGA性能优越，实时性强，能快速实时实现对光纤微振动信号的分类，实时性优越；(4)本发明提出一种光纤微振动传感器的信号模式识别装置及其识别方法，实现光纤微振动系统小型化，向嵌入式系统方向靠近，脱离PC端的限制，实现无人值守。


图I :本发明提出的一种光纤微振动传感器的信号模式识别装置的功能模块图；图2 :本发明提出的一种光纤微振动传感器的信号模式识别方法流程图。图中1_光纤微振动传感器输出信号；2-光电转换模块；3-模数转换模块；4-采样控制模块；5-信号检测模块；6-FIF0模块；7-数据交换控制模块；8-缓存模块；9-特征提取模块；10-分类器模型训练模块；11-分类器模型测试模块；12-分类结果输出；13-FPGA 模块；14-DSP 模块。
具体实施方式
下面将结合附图对本发明作进一步的详细说明。本发明提出一种基于DSP和FPGA的光纤微振动传感器的模式识别系统,包括光电转换模块2、模数转换模块3、FPGA模块13和DSP模块14。所述的FPGA模块13包括采样控制模块4、信号检测模块5和FIFO模块6 (First-In-First-Out模块)。所述的DSP模块14数据交换控制模块7、缓存模块8、特征提取模块9、分类器模型训练模块10和分类器模型测试模块11。如图I所75,光纤微振动传感器向光电转换模块2输出光纤微振动传感器输出信号1，该信号经过光电转换模块2完成从光强信号到模拟电压信号的转变，得到模拟电压信 号并输出至模数转换模块3中，通过模数转换模块3完成对模拟电压信号的采样，得到能够恢复原信号(即光纤微振动传感器输出信号I)主要特征的采样后数字信号，实现将经过光电转换的光纤微振动传感器输出信号I从模拟信号转化为数字信号，因为只有数字信号才能在FPGA和DSP构成的系统内进行算法运算。所述的模数转换模块3还与FPGA模块13中的采样控制模块4连接，控制模数转换模块3的采样过程。采样后数字信号由模数转换模块3传输至信号检测模块5进行阈值判断，阈值判断采用功率谱法，对采样后数字信号的幅值进行平方，把平方结果累加，当累加的采样后数字信号数量达到和扰动持续时间相对应的数量时，将累加结果与阈值进行比较来判断原光纤微振动传感器输出信号I是否存在扰动，当累加的采样后数字信号幅值平方结果超过预先设定的阈值时(阈值的设定可采用统计的方法，把扰动对应的采样信号幅值平方进行累加，例如50个扰动左右，取其幅值平方结果最小的值作为阈值)，则判断光纤微振动传感器输出信号I存在扰动，则采样后数字信号需输入至FIFO模块6进行模式分类处理，如果小于预先设定的阈值，则原光纤微振动传感器输出信号I不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断。所述的FIFO模块6被采样后数字信号填满后，通过向数据交换控制模块7发送中断信号通知DSP模块14有代表扰动的采样后数字信号需从FPGA模块13传输至DSP模块14。数据交换控制模块7检测到FIFO模块6的中断信号后，控制DSP模块14启动EDMA的传输方式将采样后数字信号从FPGA模块13内的FIFO模块6直接读取到缓存模块8当中，在缓存模块8中开辟两个和FIFO模块6同样大小的空间，放置来自FPGA模块13的对应FIFO数据(采样后的数字信号)。缓存模块8中存储的数据可以直接读取，加快数据的存取速度。所述的特征提取模块9读取缓存模块8中存储的采样后的数字信号，对采样控制模块4采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量，保存后发送给分类器模型训练模块10，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号I的特征向量，分类器模型训练模块10利用其所得到的代表多组不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型。对采样后的数字信号进行扰动类型识别要进行两个阶段，首先按照上述方法建立分类器支持向量机方法模型，然后依靠此方法模型对后续的采样后数字信号进行扰动类型识别。当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块9进入分类器模型测试模块11，在分类器模型训练模块10当中确定了的分类器模型控制下，得到扰动类型识别的分类结果输出12。(分类器模型训练模块10的功能是确定分类器模型，这需要积累一定数量的特征向量，例如每个扰动类型的特征向量20-50个，基于这些数据确定分类器模型；而在分类器模型测试模块11依靠在分类器模型训练模块10中确定了的分类器模型，可以对后续的采样后数字信号进行扰动类型识别。)所述的FPGA模块13具有以下功能与模数转换模块33相连接，控制模数转换模块3 ;对采样后的数字信号进行阈值判断，检测光纤微振动传感器输出信号I是否存在扰动，是否需要进行模式分类处理；将采样后的数字信号传送到的FIFO模块6，当FIFO被数据填满后通知DSP模块14。所述的DSP模块14具有以下功能■ 与FPGA模块13连接，通过数据交换控制模块7控制与FPGA模块13之间的数据通信，实现采样后的数字信号由FIFO模块6转移到缓存模块8 ;将采样后的数字信号进行小波分解,提取信号小波系数；3)根据小波系数求解信息
熵，以此作为代表扰动的光纤微振动传感器信号的特征向量；4)当不断有新的代表扰动的光纤微振动传感器信号的特征向量被采集起来，根据采集到的代表不同扰动的光纤微振动传感器的一定数量(30-50个)的特征向量，求解基于支持向量机的最优分类面，确定基于支持向量机的分类器算法模型；当光纤微振动传感器代表新的扰动的输出信号被采集时，可在线判别光纤微振动传感的信号类别，如人为踩踏、大风、冰雹等；如果需要把代表扰动的光纤微振动传感器信号记录下来，可以通过DSP模块14内置的USB接口和PC端进行通 目。所述的模数转换模块3采用的是12位差分输入AD9235，结构简单实用，采样频率为最高为20Msps，能够有效复原原始信号的特征。FPGA模块13采用Xilinx公司Virtex系列的XC4VSX35型号，能有效实时的对光纤微振动传感器的输出信号进行预处理。所述的DSP模块14优先选择TI公司的TMS320C6747，其频率高达300Μ，在信号处理方面有突出的性能，而且其芯片上的资源较多，包含了 2个EMIF接口、IXD控制器以及USB接口，适合系统的实现和扩展。DSP模块14内集成有USB接口、IXD控制器，结构简单，外接相应的电源支持就能够实现和PC端的数据高速传输，满足系统大量实时数据的传输要求，简化接口设计。所述的光电转换模块2优选为SPF1200SF-D08型号的PINFET探测模块和滤波模块，该PINFET探测模块工作波长为1000-1650nm，采用正负5V电压供电。光电转换模块2的探测模块接收光纤微振动传感器传出的信号，而输出信号经过滤波模块(如一阶低通滤波器)输出到模数转换电路。所述的模数转换模块3的时序由FPGA模块13控制，本发明模数转换模块3采用的AD9235是12位差分输入模数转换器，精度上能满足系统要求；FPGA模块13和模数转换模块3连接的电路有两组信号，一是FPGA对模数转换模块3的控制信号，含使能信号CS和时钟信号SCLK，二是数据信号SDATA，具体为模数转换模块3的输出数字信号，经过模数转换的光纤微振动传感器输出信号1，当使能信号CS电平为高，就从SDATA进入FPGA模块13。所述的FPGA模块13中设置有FIFO模块6，与DSP模块14的缓存模块8通过EMIF 接口相连，FPGA模块13准备好采样后数字数据后，通过中断通知DSP模块14，DSP模块14采用EDMA方式控制数据从FPGA模块13到DSP模块14的传输。XC4VSX35型号的FPGA模块13内部有丰富的RAM资源，通过IP核的设计方法设计FIFO模块6。TMS320C6747型号的DSP模块14集成了两路EMIF接口，分别为EMIFA和EMIFB，其中EMIFA接口最高16位，而EMIFB接口最高32位，本发明中仅使用EMIFA接口。通过EMIFA接口实现DSP模块14的缓存模块8与FPGA模块13的FIFO模块6相连，DSP模块14中的EMIFA接口中EMA_CS3信号线选通 FPGA 模块 13 内部的 FIFO 模块 6，EMA_CLK、EMA_0E 和 EMA_WE，(EMA_CLK、EMA_OE和EMA_WE均为EMIFA接口中的信号线)控制对FIFO模块6的读写时序；而来自FPGA模块13的INT中断信号(FPGA模块13内的FIFO模块 6被采样后数字信号填满后触发INT中断信号)和DSP模块14的GPIO管脚相连，通知DSP模块14启动EDMA方式进行数据传输,EDMA模块传输方式在不需要DSP模块14处理核心介入情况下实现数据传输,使DSP模块14专注于数据信号处理。本发明中DSP模块14采用TMS320C6747型号DSP模块14集成了 USB控制器，包含USB2. OOTG接口和USB I. 10HCI (Host)，支持USB主设备模式和从设备模式，支持控制传输、中断传输、批量传输和等时传输4种类型的数据传输方式。本发明米用DSP模块14内置USB2. O模块的OTG模式，通过限流配电开关TPS206 为VBUS提供电源。本发明还提出一种基于DSP和FPGA的光纤微振动模式识别方法，如图2所示，具体包括以下几个步骤采样控制过程，微振动信号检测过程，DSP和FPGA数据传输过程，特征提取过程，分类器模型训练过程，模式分类器测试过程。步骤一采样控制过程本发明中FPGA模块13的信号检测模块5采用双FIF0，配合模数转换模块3对光纤微振动传感器输出信号I进行实时采样和实时转移。FPGA模块13和DSP模块14上电后，FPGA模块13和DSP模块14分别加载启动程序，对各子系统进行初始化。然后FPGA模块13启动模数转换模块3，模数转换模块3在采样控制模块4的控制下开始对经过光电转换模块2转换后的光纤微振动传感器输出信号I进行采样，并将采样后数字信号填充信号检测模块5内双FIFO当中的一个FIFO，当此FIFO被数据填满之后，把实时采样通道切换到另外一个FIFO继续进行信号填充，同时通知信号检测模块5读取已经填满的FIF0，两个FIFO依次轮换，实现模数转换模块3实时数据采样。模数转换模块3还与FPGA模块13中的采样控制模块4连接，控制模数转换模块3的采样过程。步骤二 微振动信号检测过程采样后数字信号由模数转换模块3传输至信号检测模块5进行阈值判断，通过检测采样后数字信号的功率谱来判断原光纤微振动传感器输出信号I是否存在扰动，当采样后数字信号的幅值平方累加结果超过预先设定的阈值时，则判断光纤微振动传感器输出信号I存在扰动，则采样后数字信号需输入至FIFO模块6进行模式分类处理，如果小于预先设定的阈值，则原光纤微振动传感器输出信号I不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断。步骤三DSP模块14和FPGA模块13数据传输程序所述的FIFO模块6被采样后数字信号填满后，通过向数据交换控制模块7发送中断信号通知DSP模块14有代表扰动的采样后数字信号需从FPGA模块13传输至DSP模块14。数据交换控制模块7检测到FIFO模块6中断信号后，控制DSP模块14启动EDMA的传输方式将采样后数字信号从FPGA模块13内的FIFO模块6直接读取到缓存模块8当中，在缓存模块8中开辟两个和FIFO模块6同样大小的空间，放置来自FPGA模块的对应FIFO数据(采样后的数字信号)。缓存模块8中存储的数据可以直接读取，加快数据的存取速度。步骤四特征提取过程所述的特征提取模块9读取缓存模块8中存储的采样后的数字信号，对采样控制模块4采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量。步骤五分类器模型训练过程采样后数字信号的特征向量经特征提取模块9保存后发送给分类器模型训练模块10，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号I的特征向量，分类器模型训练模块10利用其所得到的代表多组不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型。最终得到代表各种扰动类型的微振动传感器输出信号的分类器支持向量机方法模型，
步骤六模式分类器测试过程对采样后的数字信号进行扰动类型识别要进行两个阶段，首先建立分类器支持向量机方法模型，然后才可以依靠此方法模型对后续的采样后数字信号进行扰动类型识别。当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块9进入分类器模型测试模块11，在分类器模型训练模块10当中确定了的分类器模型控制下，得到扰动类型识别的分类结果输出12。
权利要求
1.一种基于DSP和FPGA的光纤微振动传感器的模式识别系统,其特征在于包括光电转换模块、模数转换模块、FPGA模块和DSP模块；所述的FPGA模块包括采样控制模块、信号检测模块和FIFO模块；所述的DSP模块数据交换控制模块、缓存模块、特征提取模块、分类器模型训练模块和分类器模型测试模块； 光纤微振动传感器向光电转换模块输出光纤微振动传感器输出信号，该信号经过光电转换模块完成从光强信号到模拟电压信号的转变，得到模拟电压信号并输出至模数转换模块中，通过模数转换模块完成对模拟电压信号的采样，得到能够恢复原光纤微振动传感器输出信号主要特征的采样后数字信号，实现将经过光电转换的光纤微振动传感器输出信号从模拟信号转化为数字信号，模数转换模块还与FPGA模块中的采样控制模块连接，控制模数转换模块的采样过程；采样后数字信号由模数转换模块传输至信号检测模块进行阈值判断，阈值判断采用功率谱法，对采样后数字信号的幅值进行平方，并将平方结果累加，当累加的采样后数字信号数量达到和扰动持续时间相对应的数量时，将累加结果与阈值进行比较来判断原光纤微振动传感器输出信号是否存在扰动，当累加的采样后数字信号幅值平方结果超过阈值时，则判定原光纤微振动传感器输出信号存在扰动，则采样后数字信号需输入至FIFO模块进行模式分类处理，如果小于阈值，则判断光纤微振动传感器输出信号不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断； 所述的FIFO模块被采样后数字信号填满后，通过向数据交换控制模块发送中断信号通知DSP模块有代表扰动的采样后数字信号需从FPGA模块传输至DSP模块，数据交换控制模块检测到FIFO模块的中断信号后，控制DSP模块启动EDMA的传输方式将采样后数字信号从FPGA模块内的FIFO模块直接读取到缓存模块当中； 所述的特征提取模块读取缓存模块中存储的采样后的数字信号，对采样控制模块采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量，保存后发送给分类器模型训练模块，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号的特征向量，分类器模型训练模块利用其所得到的代表多组不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型；当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块进入分类器模型测试模块，在分类器模型训练模块当中确定了的分类器模型控制下，得到扰动类型识别输出。
2.根据权利要求I所述的一种基于DSP和FPGA的光纤微振动传感器的模式识别系统，其特征在于所述的模数转换模块采用的是12位差分输入AD9235，采样频率为20Msps。
3.根据权利要求I所述的一种基于DSP和FPGA的光纤微振动传感器的模式识别系统，其特征在于所述的FPGA模块采用Virtex系列的XC4VSX35型号。
4.根据权利要求I所述的一种基于DSP和FPGA的光纤微振动传感器的模式识别系统，其特征在于所述的DSP模块选择TMS320C6747，其频率为300M。
5.根据权利要求I所述的一种基于DSP和FPGA的光纤微振动传感器的模式识别系统，其特征在于所述的光电转换模块为SPF1200SF-D08型号的PINFET探测模块和滤波模块，该PINFET探测模块工作波长为1000-1650nm，采用正负5V电压供电。
6.根据权利要求I所述的一种基于DSP和FPGA的光纤微振动传感器的模式识别系统，其特征在于所述的模数转换模块采用的AD9235是12位差分输入模数转换器。
7.一种基于DSP和FPGA的光纤微振动模式识别方法，其特征在于包括以下几个步骤 步骤一采样控制过程 FPGA模块和DSP模块上电后，FPGA模块和DSP模块分别加载启动程序，对各子系统进行初始化，然后FPGA模块启动模数转换模块，模数转换模块在采样控制模块的控制下开始对经过光电转换模块转换后的光纤微振动传感器输出信号进行采样，FPGA模块的信号检测模块采用双FIFO，并将采样后数字信号填充信号检测模块内双FIFO当中的一个FIFO，当此FIFO被数据填满之后，把实时采样通道切换到另外一个FIFO继续进行信号填充，同时通知信号检测模块读取已经填满的FIFO，两个FIFO依次轮换，实现模数转换模块实时数据采 样，模数转换模块还与FPGA模块中的采样控制模块连接，控制模数转换模块的采样过程； 步骤二 微振动信号检测过程 采样后数字信号由模数转换模块传输至信号检测模块进行阈值判断，通过检测采样后数字信号的功率谱来判断原光纤微振动传感器输出信号是否存在扰动，当采样后数字信号的幅值平方累加结果超过预先设定的阈值时，则判定原光纤微振动传感器输出信号存在扰动，则采样后数字信号需输入至FIFO模块进行模式分类处理，如果小于预先设定的阈值，则判断光纤微振动传感器输出信号不存在扰动，采样后数字信号无需处理，丢弃即可，并等待接收顺次到来的其他采样后数字信号进行阈值判断； 步骤三DSP模块和FPGA模块数据传输程序 FIFO模块被采样后数字信号填满后，通过向数据交换控制模块发送中断信号通知DSP模块有代表扰动的采样后数字信号需从FPGA模块传输至DSP模块，数据交换控制模块检测到FIFO模块中断信号后，控制DSP模块启动EDMA的传输方式将采样后数字信号从FPGA模块内的FIFO模块直接读取到缓存模块当中； 步骤四特征提取过程 特征提取模块读取缓存模块中存储的采样后的数字信号，对采样控制模块采样后的数字信号进行小波分解，得到该信号的小波系数，并对小波系数进行计算，得到该信号的特征向量; 步骤五分类器模型训练过程 采样后数字信号的特征向量经特征提取模块保存后发送给分类器模型训练模块，求解信息熵，以信息熵作为代表扰动的光纤微振动传感器输出信号的特征向量，分类器模型训练模块利用其所得到的代表多组不同种类的来自光纤微振动传感器的扰动信号的特征向量，基于支持向量机的方法，评估每两类信号之间的最优分类面，确定分类器的拓扑结构，求解支持向量机的最优分类面，确定分类器支持向量机方法模型，最终得到代表各种扰动类型的微振动传感器输出信号的分类器支持向量机方法模型； 步骤六模式分类器测试过程当分类器支持向量机方法模型确定后，后续的采样后数字信号从特征提取模块进入分类器模型测试模块，在分类器模型训练模块当中确定了的分类器模型控制下，得到扰动类型识别输出。
全文摘要
本发明提出一种基于DSP和FPGA的光纤微振动模式识别系统及其识别方法，属于光纤微振动传感技术领域。所述的基于DSP和FPGA的光纤微振动传感器的模式识别系统，包括光电转换模块、模数转换模块、FPGA模块和DSP模块。所述的FPGA模块包括采样控制模块、信号检测模块和FIFO模块。所述的DSP模块数据交换控制模块、缓存模块、特征提取模块、分类器模型训练模块和分类器模型测试模块。本发明提出的信号模式识别装置及其识别方法能够实现对微振动传感器的输出信号类型进行识别，降低光纤微振动传感器的误报警率，实现对光纤微振动传感器信号的在线实时模式识别。
文档编号G01H9/00GK102853897SQ20121007404
公开日2013年1月2日 申请日期2012年3月20日 优先权日2012年3月20日
发明者李彦, 梁正桃, 李立京, 林文台, 尚静, 王明, 李勤, 钟翔, 姜漫 申请人:北京航空航天大学