本發明涉及光纜運維領域，具體是涉及一種結合光纜侵擾事件特征分析的光纜運維系統及方法。

背景技術：

1、隨著信息時代的發展，采用光纜技術是保障通信數據傳輸穩定性和可靠性，應對大數據和云計算時代對高速數據傳輸需求的重要手段，有效識別現有的光纜侵擾事件特征，及時檢測出光纜侵擾事件，保證光纜能夠正常運行，是維持通信網絡的重要內容，現有的光纜侵擾事件主要包括：人為破壞、施工損壞、自然因素以及非法占用，而這些光纜侵擾事件可以從振動信息、流量數據以及自然環境因素信息等特征進行確認和判別，因此，通過結合光纜侵擾事件特征對光纜運行信息進行分析具有非常重要的意義。

2、現有的光纜運維技術主要集中在實時監測光纜的溫度、濕度、拉力等關鍵參數以及采用電子標簽技術對光纜進行監測和分析，但對于這類技術對于光纜監測具有一定的延后性和無法識別光纜侵擾事件，缺乏準確應對不同光纜侵擾事件的有效針對性，不利于及時發現和響應光纜侵擾事件，可能導致光纜損壞或者被挖斷，從而引起通信異常和運營商面臨巨大的經濟損失。

技術實現思路

1、為解決上述技術問題，提供一種結合光纜侵擾事件特征分析的光纜運維系統及方法，本技術方案解決了上述背景技術中提出的但對于這類技術對于光纜監測具有一定的延后性和無法識別光纜侵擾事件，缺乏準確應對不同光纜侵擾事件的有效針對性，不利于及時發現和響應光纜侵擾事件，可能導致光纜損壞或者被挖斷，從而引起通信異常和運營商面臨巨大的經濟損失。

2、為達到以上目的，本發明采用的技術方案為：

3、一種結合光纜侵擾事件特征分析的光纜運維方法，其特征在于，包括：

4、在待監測區域合適的位置，設置相應的監測設備，用于采集待監測區域的光纜特征信息；

5、基于歷史數據和大數據分析，獲取光纜侵擾事件特征信息和光纜正常運行時的特征信息；

6、基于傅里葉變換公式，提取采集光纜特征信息中的頻域信息，并建立光纜特征信息頻域數據庫；

7、根據k-means聚類算法模型，對光纜特征信息頻域數據庫的光纜特征進行分類和識別；

8、根據d-s證據理論基礎，建立光纜侵擾判定模型，對不同類簇的信息進行判定，判斷待監測區域光纜是否受到侵擾，并判斷侵擾類型；

9、建立地面監測平臺，通過物聯網技術，對待監測區域光纜進行監測、存取和異常顯示。

10、優選的，所述基于歷史數據和大數據分析，獲取光纜侵擾事件特征信息和光纜正常運行時的特征信息具體包括：

11、基于歷史數據和大數據分析，獲取光纜侵擾事件特征信息，并建立光纜侵擾事件特征樣本集；

12、根據監測設備，獲取待監測區域的光纜信息，提取正常運行時光纜特征信息，并建立光纜正常運行特征樣本集；

13、其中，所述光纜特征信息主要包括：振動信號、流量數據以及自然環境因素信息。

14、優選的，所述基于傅里葉變換公式，提取采集光纜特征信息中的頻域信息，并建立光纜特征信息頻域數據庫具體包括：

15、根據光纜侵擾事件特征樣本集和光纜正常運行特征樣本集，對數據進行標準化和初步濾波處理；

16、利用傅里葉變換公式對處理后的光纜特征信息數據進行頻域轉換，并提取采集光纜特征信息中的頻域信息；

17、根據光纜特征信息中的頻域信息，獲取光纜特征信息的波形、振幅和頻率信息，并進行標記和分類；

18、根據標記和分類后的光纜特征信息，建立光纜特征信息頻域數據庫和光纜特征信息頻域數據矩陣；

19、所述傅里葉變換公式為：

20、

21、式中，f(u,v)為傅里葉變換后的頻域信息矩陣，g(x,y)為光纜特征信息頻域數據矩陣，n為光纜特征信息頻域數據個數，(x,y)為光纜特征信息頻域數據在坐標系中的位置信息。

22、優選的，所述根據k-means聚類算法模型，對光纜特征信息頻域數據庫的光纜特征進行分類和識別具體包括：

23、根據傅里葉變換后的頻域信息矩陣，按照其數據類型確認k值；

24、基于根據k-means聚類算法，建立各光纜特征頻域數據的損失函數；

25、根據各光纜特征頻域數據的損失函數，建立各光纜特征頻域數據的質心更新函數；

26、根據光纜特征信息頻域數據庫，對k-means聚類算法模型進行訓練和學習，通過對接收到的光纜特征頻域數據進行分類和識別；

27、所述各光纜特征頻域數據的損失函數表達式為：

28、

29、式中，bi(a)為第i個光纜特征頻域數據點到聚類中心的距離，k為聚類簇的個數，即光纜特征頻域數據類型，n為各光纜特征頻域數據的集合，ai為第i個光纜特征頻域數據，αj為光纜特征頻域數據第j個聚類中心；

30、所述各光纜特征頻域數據的質心更新函數表達式為：

31、

32、式中，為更新后的光纜特征頻域數據第j個聚類中心。

33、優選的，所述根據d-s證據理論基礎，建立光纜侵擾判定模型，對不同類簇的信息進行判定，判斷待監測區域光纜是否受到侵擾，并判斷侵擾類型具體包括：

34、根據光纜侵擾事件特征樣本集數據，分析不同數據組合對應的光纜侵擾事件，并建立光纜侵擾事件確定庫；

35、基于大數據分析，確定待監測區域光纜受到侵擾的概率的閾值以及對應侵擾事件的概率閾值；

36、通過d-s證據理論基礎，結合k-means聚類算法模型，建立光纜侵擾判定模型；

37、該模型通過分析經過k-means聚類算法模型分類和識別后的數據，計算符合待監測區域光纜受到侵擾的概率和侵擾事件類型的概率；

38、通過對比光纜受到侵擾的概率閾值和侵擾事件類型的概率閾值，確定待監測區域光纜是否受到侵擾以及侵擾類型；

39、所述d-s證據理論表達式為：

40、

41、式中，d(a)為第a個光纜侵擾事件類型的可信度，k為常數，di(ai)為第a個光纜侵擾事件類型第i個光纜特征頻域數據的概率，m為第a個光纜侵擾事件的光纜特征頻域數據個數。

42、優選的，所述建立地面監測平臺，通過物聯網技術，對待監測區域光纜進行監測、存取和異常顯示具體包括：

43、建立地面監測平臺，用于內置本系統對光纜是否侵擾判斷的算法程序，運行并輸出光纜是否侵擾判斷結果；

44、通過云端技術和物聯網技術，基于地面監測平臺用于接收、存儲和分析光纜特征監測數據，并通過人機互動界面顯示和調控光纜特征數據；

45、根據光纜侵擾事件類型，設置相應的指示燈和警報信號，并通過地面監測平臺進行警告和提示。

46、進一步的，提出一種結合光纜侵擾事件特征分析的光纜運維系統，用于實現如上述的結合光纜侵擾事件特征分析的光纜運維方法，包括：

47、硬件采集模塊，所述硬件采集模塊用于在待監測區域合適的位置，設置相應的監測設備，用于采集待監測區域的光纜特征信息；

48、數據提取模塊，所述數據提取模塊用于基于歷史數據和大數據分析，獲取光纜侵擾事件特征信息和光纜正常運行時的特征信息；基于傅里葉變換公式，提取采集光纜特征信息中的頻域信息，并建立光纜特征信息頻域數據庫；

49、侵擾判斷模塊，所述侵擾判斷模塊用于根據k-means聚類算法模型，對光纜特征信息頻域數據庫的光纜特征進行分類和識別；根據d-s證據理論基礎，建立光纜侵擾判定模型，對不同類簇的信息進行判定，判斷待監測區域光纜是否受到侵擾，并判斷侵擾類型；

50、監測平臺模塊，所述監測平臺模塊用于建立地面監測平臺，通過物聯網技術，對待監測區域光纜進行監測、存取和異常顯示。

51、優選的，所述數據提取模塊具體包括：

52、特征提取單元，所述特征提取單元用于基于歷史數據和大數據分析，獲取光纜侵擾事件特征信息和光纜正常運行時的特征信息；

53、頻域轉換單元，所述頻域轉換單元用于基于傅里葉變換公式，提取采集光纜特征信息中的頻域信息，并建立光纜特征信息頻域數據庫。

54、優選的，所述侵擾判斷模塊具體包括：

55、特征分類單元，所述特征分類單元用于根據k-means聚類算法模型，對光纜特征信息頻域數據庫的光纜特征進行分類和識別；

56、侵擾判斷單元，所述侵擾判斷單元用于根據d-s證據理論基礎，建立光纜侵擾判定模型，對不同類簇的信息進行判定，判斷待監測區域光纜是否受到侵擾，并判斷侵擾類型。

57、與現有技術相比，本發明的有益效果在于：

58、通過分析光纜侵擾事件特征信息和光纜正常運行時的特征信息，利用傅里葉變換公式將獲取的特征數據轉換為頻域信息，通過光纜的頻域數據獲取特征信息的波形、振幅和頻率信息，從而可以從更為細致的數據去進行分析，其次，通過k-means聚類算法模型對頻域的光纜特征數據分別進行分類和識別，并得到光纜特征信息頻域數據庫，最后，利用d-s證據理論基礎，建立光纜侵擾判定模型，通過分析經過k-means聚類算法模型分類和識別后的數據，計算符合待監測區域光纜受到侵擾的概率和侵擾事件類型的概率，并根據計算值與光纜受到侵擾的概率閾值和侵擾事件類型的概率閾值的對比結果，確定待監測區域光纜是否受到侵擾以及侵擾類型，從而實現有效識別和判斷待監測區域光纜是否受到侵擾和侵擾類型，提高光纜運維的可靠性和穩定性，并及時采取措施，提高響應效率。