基于HHT及主成分分析的光缆识别信号特征提取
来源:用户上传
作者:韩晓伟 田晓蓓
摘要：为了解决当环境噪声较严重时光强难以维持稳定，容易误判目标光缆问题，根据干涉信号非线性、非平稳的时域特征，提出了一种希尔伯特-黄变换及主成分分析相结合的信号处理方法。探测器接收的干涉信号对进行经验模态分解，把分解得到的本征模态分量作为列向量构建主成分分析的样本矩阵，以奇异值的贡献率进行有效成分筛选;然后采用主成分分析算法完成降噪优化。最后将降噪后的信号进行希尔伯特-黄变换得到瞬时特征信号，完成目标光缆识别。结果表明，相同噪声环境下所提方法可有效提高回波干涉信号的信噪比。因此，研究结果可以降低误判目标光缆的概率，帮助工程人员更有效地完成光缆识别。
关键词：数据处理;经验模态分解;希尔伯特-黄变换;主成分分析;光缆识别
中图分类号：TN98文献标识码：A
DOI： 10.7535/hbgykj.2022yx05007
Feature extraction method of optical cable identification based on HHT and PCA
HAN Xiaowei，TIAN Xiaobei
（The 54th Research Institute of China Electronics Technology Group Corporation （CETC54），Shijiazhuang，Hebei 050081，China）
Abstract：When the environmental noise is serious，the light intensity is difficult to remain unchanged in a seriously disturbed environment，which is prone to lead to false positives.As to this problem，considering the non-linear and non-stationary time-domain characteristics of the interference signal，a signal processing method combining Hilbert-Huang transform （HHT） and PCA （Principal Component Analysis） was proposed.The echo interference signal received by the detector was decomposed by EMD to obtain the intrinsic mode components，which were designed as column vectors to construct the sample matrix for PCA.The contribution rate of singular value is considered to screen the principal component，and the PCA algorithm was used to reduce the noise.Finally the de-noised signal was decomposed by HHT to obtain the characteristic signal，and to accomplish the optical cable identification.The results show that the method can effectively improve the signal-to-noise ratio of the echo interference signal at the same noise level.Therefore，the proposed feature extraction method will reduce the false positive of cable identification and help engineers to identify the optical cable more effectively.
Keywords： data processing;EMD;HHT;PCA;optical cable identification
目前光w通信已大规模应用，因机房搬迁、网络扩容升级导致的光缆线路改造和光缆故障抢修等情况不断涌现，如何快速、有效地识别目标光缆至关重要。光缆上的标签随着时间推移可能损坏甚至脱落，光缆识别困难的问题随之产生。常用的光缆识别技术有4种：光时域反射技术，相干解调技术，射频识别（radio frequency identification，RFID）技术，可识别介质光缆技术。RFID技术需要在光缆护套上附带标识芯片，通过检测标识芯片来识别目标光缆[1-2];介质光缆技术在光缆护套上覆嵌多条有色条状识别带来完成光缆识别[3]。这两种方法都需要在光缆护套附带标识物，工艺相对复杂。光时域反射技术利用瑞利散射原理，通过检测后向散射光完成光缆识别，探测过程中需要对光缆进行弯曲或冻结，容易损伤光缆且成本较高[4]。光相干解调技术原理、实现方案都相对简单。基于光的相位载波（phase generate carrier，PGC）调制解调来识别目标光缆的检测技术已经广泛应用[5-7]。基站人员于待测光缆中选取两根构建萨格纳克干涉场。根据光纤弹性效应，远地操作者敲击光缆时，干涉场的幅度和相位会随之变化，基站人员可通过探测回波干涉信号的幅值来判断被敲击的光缆是否为目标光缆[8-9]。该方向的研究多集中于干涉光路的优化设计以降低操作复杂度，及硬件电路的优化设计以提高信噪比、灵敏度等性能。在环境噪声较严重时，如光缆某一处被固定挤压，目标光缆与其他线缆绞在一起相互磕碰，所用激光源的相干性较差等情况下，仅依靠时域幅值获得的信息是有限的，无法保证光缆识别的准确率。此时的回波干涉信号是非线性、非平稳的，建立在谐波基函数的傅里叶变换和小波基函数的小波变换对于此类信号的分析有其局限性[10-12]。
nlc202211161025
针对非线性、非平稳信号的分析，相关学者做了大量的研究。研究人员提出的经验模态分解法（empirical mode decomposition，EMD）不需要事先设定基函数，而是根据信号自身的时间尺度特征自适应的完成分解[13-15]，其分解结果是若干按照各自频率大小排列的时域信号。文献[16]结合EMD与BP神经网络算法，以各阶模态函数作为神经网络的训练数据，实现超声缺陷信号的提取;文献[17]提出了一种改进的奇异谱分解方法，其核心算法是借助奇异值分解进行降噪;文献[18]引入机器学习领域的t-SNE降维算法，实现EMD与t-SNE的有效结合，有效提高振动信号的故障特征识别精度。本文结合EMD及主成分分析（principal component analysis，PCA）对回波干涉信号进行检测和降噪;通过希尔伯特-黄变换分辨各阶信号的幅值和频率差异，完成敲击特征信号提取。
1特征提取算法及数据处理
实验用光缆长10 km左右，铺设于管道、电杆架空等复杂环境中。实验方案如图1所示，采用双纤远端环回的方式构建干涉场，远地操作者通过敲击定位目标光缆。用示波器完成干涉信号的采集后，借助上位机软件完成数据处理。
实测回波干涉信号如图2所示，横轴为采样点数。回波干涉有用信号间杂着大量噪声，个别采样点的噪声幅度甚至与有用信号持平;敲击信号的幅度在时域上持续震荡衰减，噪声幅度没有大的浮动。这给后续数据处理分析造成一定困难。
完整信号特征提取方案如图3所示。将回波干涉信号进行EMD分解得到各阶本征模态分量（IMF，intrinsic mode components）;然后将各阶IMF分量作为列向量构建矩阵，以奇异值分解的方式进行主成分分析;按照奇异值的贡献率进行成分取舍并完成降噪;此时按照希尔伯特-黄的相关理论提取目标特征信号[19];根据频率和幅度信息判断是否为敲击信号，识别目标光缆。
1.1经验模态分解经验模态分解可将非平稳时间信号分解为有限个IMF分量和残余信号，其分解过程如下：
1）找出原始信号的极大值点、极小值点，分别拟合出上包络线、下包络线，并计算出平均包络线;
2）原始信号减去上述平均包络线，得到第1阶IMF分量;
3）原始信号减去第2）步生成的IMF分量得到新的待检信号。将新的待检信号作为原始信号回到第1步重复整个过程。
1.2降噪算法主成分分析法在数据压缩和噪音消除等领域都有广泛应用[20]。通常情况下有用信号具有较大的方差，噪声具有较小的方差，并且信号与噪声是不相关的。这意味着主成分分析得到的奇异值中，较小的奇异值对应着噪声的方差，较大的奇异值对应着有用信号的方差。通过对比奇异值贡献率舍弃较小的奇异值及相应的奇异向量可实现噪声消减。
2实验结果
3结语
目前基于光相干解调技术识别目标光缆的检测技术已经广泛应用。在环境噪声较严重或是受限于硬件性能如激光源的相干性较差等情况下，该检测技术无法保证光缆识别的准确率。针对这个问题的研究多集中于干涉光路的优化设计及硬件检测电路性能的提升两方面。本文从算法角度入手，将机器学习领域的降噪、特征提取算法进行适应性改进，用于光缆识别信号的数据处理。在不升级硬件性能的前提下提高信噪比，降低目标光缆误判的概率。针对光干涉信号非线性、非平稳的特征，讨论了一种希尔伯特-黄变换及主成分分析相结合的特征提取方法。具体而言，做了以下2个方面工作。1）提出了一种信号特征提取方法。首先，借鉴经验模态的相关理论将采样收集的光探测信号进行时域分解，把分解得到的本征模态分量作为列向量构建矩阵;其次，将所述矩阵作为样本，以奇异值分解的方式进行主成分分析。基于有用信号方差较大、噪声方差较小，信号与噪声互不相关的有效前提，以奇异值的贡献率进行可用成分筛选，完成数据降噪;最后，将降噪信号进行希尔伯特-黄变换得到瞬时特征信号，完成目标光缆识别。2）通过实验验证所述特征提取方法的有效性。①在不改进光路设计和硬件性能的情况下，比对原始采样信号的信噪比与降噪后信号的信噪比，结果表明后者比前者优化了约2 dB;②通过研究降噪后信号的希尔伯特时频谱灰度图像，发现频率、相位均无法有效表征所关注的敲击信号，因此将瞬时幅度作为待提取的目标特征。通过设置门限值并比较瞬时幅度与该门限值的差异，判断是否为目标光缆。基于HHT及主成分分析的光缆识别信号特征提取方法，可有效提高待测信号的信噪比，降低误判目标光缆的概率。本文在实验验证阶段采用的方式是把光探测器输出的信号通过示波器采样传到上位机进行处理与分析，实时性较差。未来在工程应用中需要完善数据的实时采集与分析处理。另外，本文通过比对有敲击和无敲击2种情况下的处理结果，初步说明了该方法应用于光缆识别的有效性。后续有待增加实验样本量，模拟更加多样的环境噪声，以提供更为有效的y计分析结果。
参考文献/References：
[1]沈冰冰，谢书鸿，缪斌，等.基于RFID的光缆自动识别技术研究[C]//中国通信学会2020年通信线路学术年会论文集，2020：281-286.
[2]王璐，杨帆.非接触识别技术在二次回路电（光）缆信息管理中的应用[J].电力与能源，2014，35（6）：776-777.WANG Peilu，YANG Fan.Application on radio frequency identification technology of secondary circuit cable of information management[J].Power & Energy，2014，35（6）：776-777.
[3]金磊明，何一帆.新型可识别介质光缆在干线运维中的应用[J].通讯世界，2017（2）：39-40.
nlc202211161025
[4]鞠涛，唐玉春.一种新型的光纤光缆识别设备[J].光传感，2018，42（12）：6-9.JU Tao，TANG Yuchun.New fiber optic cable identification equipment[J].Optical Communication Technology，2018，42（12）：6-9.
[5]桂林聚联科技有限公司.光缆普查仪TK100[EB/OL].（2021-11-07）.http：//www.g-link.net.cn/product/138.html.
[6]法柏有限公司.光缆识别装置及其识别方法：CN200880011237.2[P].2012-01-11.
[7]桂林聚联科技有限公司.一种基于热致光纤偏振态变化原理的光缆识别的方法：CN201610593798.4[P].2016-12-07.
[8]王胜军，杨家田，李德莉.基于Sagnac环光缆识别系统的开发[J].铁道通信信号，2017，53（7）：49-52.
[9]孙晶华，陈聪.基于白光干涉的光缆无损伤识别方法[J].发光学报，2011，32（5）：493-498.SUN Jinghua，CHEN Cong.Lossless cable identification method based on white-light interference[J].Chinese Journal of Luminescence，2011，32（5）：493-498.
[10]丁红波，王珍珠，刘东.激光雷达信号去噪方法的对比研究[J].光学学报，2021，41（24）：9-18.DING Hongbo，WANG Zhenzhu，LIU Dong.Comparison of de-noising methods of LiDAR signal[J].Acta Optica Sinica，2021，41（24）：2401001.
[11]贾广飞，孙师泽，武哲.经验模态分解在切削振动信号分析中的应用[J].河北工业科技，2018，35（3）：215-219.JIA Guangfei，SUN Shize，WU Zhe.Application of empirical mode decomposition in analyzing cutting vibration signal[J].Hebei Journal of Industrial Science and Technology，2018，35（3）：215-219.
[12]单宝琛，陈晔，郑宾，等.基于HHT的激光超声缺陷检测分析[J].应用激光，2020，40（4）：745-750.SHAN Baochen，CHEN Ye，ZHENG Bin，et al.Laser ultrasonic flaw detection analysis based on HHT[J].Applied Laser，2020，40（4）：745-750.
[13]HUANG N E，SHEN Z，LONG S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings Mathematical Physical & Engineering Sciences，1998，454（1971）：903-995.
[14]王自平，费跃，钱磊，等.基于HHT的复合板非接触冲击损伤定位研究[J].稀有金属材料与工程，2021，50（2）：469-474.WANG Ziping，FEI Yue，QIAN Lei，et al.Non-contact detecting impact damage location for composite plate based on HHT[J].Rare Metal Materials and Engineering，2021，50（2）：469-474.
[15]费凯，李红月.基于HHT的故障电缆定位[J].电子世界，2020（17）：114-115.
[16]李茂，杨录，张艳花.基于EMD及主成分分析的缺陷超声信号特征提取研究[J].中国测试，2018，44（2）：118-121.LI Mao，YANG Lu，ZHANG Yanhua.Research on feature extraction of ultrasonic flaw signal based on EMD and principal component analysis[J].China Measurement & Testing Technology，2018，44（2）：118-121.
[17]唐贵基，李楠楠，王晓龙.综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法[J].中国机械工程，2020，31（24）：2988-2996.TANG Guiji，LI Nannan，WANG Xiaolong.Fault feature extraction method for gears based on ISSD and SVD[J].China Mechanical Engineering，2020，31（24）：2988-2996.
[18]段萍，王旭，丁承君，等.基于IMF奇异值熵和t-SNE的滚动轴承故障识别[J].传感器与微系统，2021，40（3）：134-137.DUAN Ping，WANG Xu，DING Chengjun，et al.Rolling bearing fault identification based on IMF singular value entropy and t-SNE[J].Transducer and Microsystem Technology，2021，40（3）：134-137.
[19]秦毅，秦树人，毛永芳.改进的Hilbert-Huang变换在信号瞬态特征提取中的应用[J].振动与冲击，2008，27（11）：129-133.QIN Yi，QIN Shuren，MAO Yongfang.Application of improved Hilbert-Huang Transform in transient feature extraction[J].Journal of Vibration and Shock，2008，27（11）：129-133.
[20]杜云，璐璐，潘涛.基于改进的主成分分析法的矿工表情识别[J].河北科技大学学报，2019，40（1）：45-50.DU Yun，ZHANG Lulu，PAN Tao.Miner expression recognition based on improved principal component analysis[J].Journal of Hebei University of Science and Technology，2019，40（1）：45-50.
[21]梁江海.基于经验模态分解的通信信号细微特征分析[D].长沙：国防科学技术大学，2013.LIANG Jianghai.Analysis to Communication Signal Subtle Features Based on Empirical Mode Decomposition[D].Changsha：National University of Defense Technology，2013.
nlc202211161025
转载注明来源:https://www.xzbu.com/1/view-15442191.htm
