一種基于差分窗和模板匹配的otdr事件分析算法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及一種基于差分窗和模板匹配的0TDR事件分析算法。
【背景技術(shù)】
[0002]目前，光纖通信技術(shù)由于具有傳輸容量大、傳輸速率高、抗電磁干擾、保密性強(qiáng)等優(yōu)點，在現(xiàn)代化的生活中起著越來越重要的作用。與此同時，光纖物理網(wǎng)絡(luò)的復(fù)雜性日益提高，其管理、維護(hù)工作日益繁重。為保證光纖網(wǎng)絡(luò)的安全高效運行，必須及時準(zhǔn)確地監(jiān)測全網(wǎng)絡(luò)光纜段可能發(fā)生的阻斷故障，對光纜段的性能及時準(zhǔn)確地進(jìn)行匯報，因此對光纖自動監(jiān)測系統(tǒng)的需求變的尤為迫切。
[0003]光時域反射計(0TDR)是一種利用光纖的背向散射光信號來檢測光纖特性的測試儀器，測試整個光纖線路的衰減并提供與長度有關(guān)的衰減細(xì)節(jié)。通過分析0TDR曲線能夠識別出光路中的各種事件并進(jìn)行準(zhǔn)確定位。近年來對光纖線路的實時在線檢測逐漸成為業(yè)界標(biāo)準(zhǔn)，通過維護(hù)人員觀察分析0TDR曲線已不能滿足要求，這就需要0TDR能夠?qū)η€進(jìn)行自動分析。
[0004 ] 0TDR作為一種非破壞性的光纖測量儀器，利用光纖中的后向瑞隨散射來檢測光線特性，主要用于測試整個光纖線路的衰減，并提供與長度有關(guān)的衰減細(xì)節(jié)，這些衰減細(xì)節(jié)中的曲線突變就反映了光纖中的物理接頭、熔接點、裂縫、彎曲等事件。0TDR曲線分析是光纖監(jiān)測系統(tǒng)中一個最基本也是最重要的功能。
[0005]目前，常用的分析方法主要有:時域分析法、遺傳算法、小波變換等。
[0006]時域分析法是基于兩點法和最小二乘法的經(jīng)典算法，該算法提出了兩種提高精度的解決方法，分別是增加最小二乘法擬合的數(shù)據(jù)數(shù)量以及將待擬合的數(shù)據(jù)分段的方法，兩種方法的根本原理是進(jìn)行功率平均，該算法簡單易于實現(xiàn)，但精度有限，對數(shù)據(jù)噪聲敏感，存在較大誤差。
[0007]遺傳算法能夠進(jìn)行全局最優(yōu)搜索，其抗噪能力較強(qiáng)，但該方法需要設(shè)置種群規(guī)模、初始種群、迭代次數(shù)、交叉概率、變異概率等參數(shù)，且需要較長的訓(xùn)練時間來確定最優(yōu)參數(shù)，不適合實時運算。
[0008]小波變換法將信號分解成一系列小波函數(shù)的疊加，構(gòu)建一個具有良好時域及頻域局部化的時頻信號，從而將時域內(nèi)事件點的尋找轉(zhuǎn)變?yōu)樾〔ㄓ驅(qū)π〔ㄏ禂?shù)的分析。該方法檢索準(zhǔn)確度較高，并且對噪聲和背景具有較強(qiáng)的抑制能力，但該方法需要跟據(jù)不同0TDR曲線的特點分別選擇合適的小波母函數(shù)、尺度參數(shù)、平移參數(shù)等，需人為干預(yù)，計算量較大，也不適合實時運算。
[0009]綜上亟需一種魯棒性好、簡單有效且不需人為干預(yù)的0TDR事件分析算法。本發(fā)明需解決如下冋題:
[0010]1.算法所用閾值或參數(shù)應(yīng)內(nèi)嵌在程序中，在對0TDR曲線的分析過程中無需人為干預(yù)，只根據(jù)曲線固有特征即可較為準(zhǔn)確的檢測到事件點并確定事件點類型。
[0011]2.該方法對不同條件下測量得到的0TDR曲線均適用，即具有較強(qiáng)的魯棒性。
[0012]3.該方法不需要對數(shù)據(jù)進(jìn)行濾波去噪，平滑等預(yù)處理，計算簡單易行，檢驗準(zhǔn)確率高，能夠滿足實時計算的要求，便于在嵌入式系統(tǒng)中實現(xiàn)該算法。
[0013]現(xiàn)有技術(shù)目前存在如下幾個方面的缺點:
[0014]1.為得到較高的分析準(zhǔn)確度，大部分方法都需要針對不同類型、不同測量條件下得到的0TDR曲線設(shè)置不同的最優(yōu)閾值或參數(shù)，人為干預(yù)較多，方法無法做到自適應(yīng)，魯棒性較差。
[0015]2.為過濾掉虛假事件點，需要進(jìn)行濾波去噪，平滑等預(yù)處理，不僅步驟繁瑣，計算復(fù)雜，而且在預(yù)處理過程中又不可避免地引入新的閾值或參數(shù)。
[0016]3.方法本身計算量比較大，再考慮數(shù)據(jù)預(yù)處理時間花費，無法滿足實時性的計算要求，不適合在嵌入式系統(tǒng)中實現(xiàn)該算法。

【發(fā)明內(nèi)容】

[0017]為解決現(xiàn)有技術(shù)存在的不足，本發(fā)明公開了一種基于差分窗和模板匹配的0TDR事件分析算法，該算法所用閾值或參數(shù)以內(nèi)嵌在程序中，在分析過程中無需人為干預(yù)，只根據(jù)0TDR曲線固有的特征即可較為準(zhǔn)確的檢測到事件點并確定事件點類型。
[0018]本發(fā)明對不同條件下測量得到的0TDR曲線均適用，即具有較強(qiáng)的魯棒性。本發(fā)明不需要對數(shù)據(jù)進(jìn)行濾波去噪，平滑等預(yù)處理，計算簡單易行，檢驗準(zhǔn)確率高，能夠滿足實時計算的要求，便于在嵌入式系統(tǒng)中實現(xiàn)該算法。
[0019]為實現(xiàn)上述目的，本發(fā)明的具體方案如下:
[0020]一種基于差分窗和模板匹配的0TDR事件分析算法，包括:
[0021]選擇與0TDR曲線相匹配的矩形差分窗；
[0022]將矩形差分窗沿0TDR曲線起始點開始進(jìn)行平移直至移到0TDR曲線的終止點，差分窗左、右邊界和0TDR曲線存在兩個交點，每次進(jìn)行平移前，計算這兩點的縱軸差值，在得到的差分?jǐn)?shù)據(jù)中尋找局部極大值點，實現(xiàn)事件點的初步定位，即得到多個待定事件點；
[0023]分別以每個待定事件點為中心，用兩側(cè)若干點構(gòu)成特征段，將特征段與模板庫中的樣本數(shù)據(jù)進(jìn)行匹配，判斷匹配度是否符合要求，若不符合，則舍棄待定事件點，若符合，保留待定事件點，并根據(jù)對應(yīng)模板確定待測事件點類型。
[0024]進(jìn)一步的，矩形差分窗的選擇時，首先解析0TDR數(shù)據(jù)文件獲取測試條件，然后根據(jù)測試時選用的脈寬選擇合適長度的矩形差分窗。
[0025]進(jìn)一步的，得到多個待定事件點后，在每個待定事件點前等間隔取三個數(shù)據(jù)點，兩兩計算斜率，若斜率差值大于設(shè)定閾值，則可認(rèn)為該點處受噪聲影響，舍去該待定事件點。通過該步篩選可減小算法后續(xù)計算量。
[0026]進(jìn)一步的，將特征段與模板庫中的樣本數(shù)據(jù)進(jìn)行匹配時，通過選擇具有位移、旋轉(zhuǎn)、大小及起點的不變性質(zhì)的描述子將特征段與模板庫中的樣本數(shù)據(jù)進(jìn)行匹配。
[0027]選擇對圖像縮放、旋轉(zhuǎn)、仿射變換保持不變性的特征描述算子(參考東南大學(xué)學(xué)報、第44卷第5期論文《一種非閉合曲線的傅里葉描述新算法》，特征描述算子有多種，如SIFT算子、H0G算子、傅里葉算子等)。
[0028]進(jìn)一步的，模板庫包含有3類事件點模板，分別為下降事件點模板、上升事件點模板及反射事件點模板。
[0029]進(jìn)一步的，形狀特征匹配流程為:
[0030]首先計算特征段的特征矢量，然后依次計算該特征矢量與樣本特征矢量的最小歐氏距離，以最小歐氏距離作為判斷依據(jù)，如小于設(shè)定閾值，則認(rèn)為找到匹配度合適的模板數(shù)據(jù)，可確定該特征段對應(yīng)的待定事件點為實際事件點，并確定事件點類型，如與所有模板數(shù)據(jù)匹配度均不匹配，則說明該特征段對應(yīng)的待定事件點為誤判點，應(yīng)舍去。
[0031]本發(fā)明的有益效果:
[0032]本發(fā)明提出了一種基于差分窗和模板匹配的OTDR事件分析算法。通過差分窗進(jìn)行數(shù)據(jù)差分，實現(xiàn)了事件點的初步定位。為減小下一步計算量，通過斜率比較對待定事件點進(jìn)行篩選。進(jìn)一步通過模板匹配提高識別準(zhǔn)確率并確定事件點類型。該算法所用閾值或參數(shù)內(nèi)嵌在程序中無需人為干預(yù)，具有抗噪能力強(qiáng)，魯棒性好，計算量小等優(yōu)點，滿足實時計算的需求，便于在嵌入式系統(tǒng)中實現(xiàn)該算法。
【附圖說明】
[0033]圖1理想0TDR曲線；
[0034]圖2差分窗移動不意圖；
[0035]圖3a_圖3c三類事件點模板；
[0036]圖4形狀特征匹配流程圖；
[0037]圖5基于差分窗和模板匹配的0TDR事件分析算法流程圖；
[0038]圖6a_圖6e下降事件點模板中的樣本數(shù)據(jù)。
【具體實施方式】
: