买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉汕头大学申请的专利基于双重数据扩增的光纤振动事件分类方法及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115935236B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211605625.1，技术领域涉及：G06F18/24；该发明授权基于双重数据扩增的光纤振动事件分类方法及存储介质是由施羿;戴尚玮;刘瀚放;张文韬;魏楚亮设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本基于双重数据扩增的光纤振动事件分类方法及存储介质在说明书摘要公布了：本发明公开了基于双重数据扩增的光纤振动事件分类方法及存储介质，方法包括通过光纤数据获取系统获取振动事件数据样本；根据事件类别将数据样本分为少样本类别数据样本和多样本类别数据样本；先后通过时域转移数据扩增方法和CycleGAN数据扩增方法对少样本数据样本进行样本扩增；扩增后的数据样本和原数据样本构成总训练集，结合深度卷积网络得到光纤分类模型，通过光纤分类模型实现当前振动事件的分类。本申请降低了光纤的振动事件数据的获取难度，通过双重数据扩增方法增加了数据样本数量，扩增数据和真实数据的拟真程度高，仅需使用数量较少的数据样本即可完成光纤的振动事件分类模型的训练，保证模型准确率的同时降低训练难度。

本发明授权基于双重数据扩增的光纤振动事件分类方法及存储介质在权利要求书中公布了：1.基于双重数据扩增的光纤振动事件分类方法，其特征在于，包括如下步骤： 构建光纤数据获取系统，通过所述光纤数据获取系统检测历史传感光纤发生振动事件时的若干个瑞利散射光强信号； 将若干个所述瑞利散射光强信号制作为振动事件数据样本，所述振动事件数据样本包括RGB图像和TS时域数据，并将所述振动事件数据样本分为少样本类别数据样本和多样本类别数据样本； 其中，所述少样本类别数据样本的采集难度比所述多样本类别数据样本的采集难度高，所述多样本类别数据样本包括属于背景噪声类的振动事件数据样本； 根据所述背景噪声类的振动事件数据样本，结合基于时域转移的数据扩增方法，对所述少样本类别数据样本中的TS时域数据进行数据扩增，得到扩增后的TS时域数据； 根据特定数据样本，通过循环对抗生成网络对所述扩增后的TS时域数据进行扩增，得到扩增数据样本，将所述扩增数据样本转换为RGB格式后添加至所述振动事件数据样本中，得到总训练集； 其中，所述特定数据样本为所述多样本类别数据样本中，不属于背景噪声类的振动事件数据样本； 预训练深度卷积网络，将所述总训练集输入至预训练后的深度卷积网络并对其进行训练，得到光纤分类模型； 检测当前发生振动事件的传感光纤的当前瑞利散射光强信号并将其输入至所述光纤分类模型中，获得振动事件的分类结果； 其中，所述根据所述背景噪声类的振动事件数据样本，结合基于时域转移的数据扩增方法，对所述少样本类别数据样本中的TS时域数据进行数据扩增，得到扩增后的TS时域数据，包括: 从所述少样本类别数据样本中提取i个TS时域数据，生成时域数据集；其中，时域数据集中第i个所述TS时域数据为； 从所述多样本类别数据样本中提取j个所述背景噪声类的TS时域数据，生成扩增数据集；其中，所述扩增数据集中第j个所述背景噪声类的TS时域数据为； 通过所述扩增数据集对所述时域数据集进行数据扩增，得到扩增后的TS时域数据； 其中，所述扩增后的TS时域数据满足： 为扩增后的TS时域数据； 其中，所述根据特定数据样本，通过循环对抗生成网络对所述扩增后的TS时域数据进行扩增，得到扩增数据样本，包括： 将所述扩增后的TS时域数据进行时频变换处理，得到所述扩增后的TS时域数据对应的扩展RGB图像，生成少样本数据集； 筛选出所述特定数据样本中的RGB图像，生成多样本数据集； 构建循环对抗生成网络，所述循环对抗生成网络包括：生成器G、生成器F、判别器和判别器，使用所述少样本数据集和所述多样本数据集对循环对抗生成网络进行训练，得到数据扩增网络； 将所述多样本类别数据样本中的RGB图像输入至所述数据扩增网络进行数据扩增，得到扩增数据样本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人汕头大学，其通讯地址为：515063 广东省汕头市大学路汕头大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。