本发明涉及光时域反射仪（otdr）技术领域，有关曲线数据事件检测的方法。
背景技术：
光时域反射仪（otdr）是光在光纤传输过程中的瑞利散射和菲涅尔反射所产生的背向散射而制成的光电一体化仪表，otdr通过向光纤中发射光脉冲，然后从otdr接收返回的信号。当光脉冲在光纤内传输时，在光纤前端、尾端、光纤之间的连接处、光纤弯曲处、光纤的破损处产生散射、反射，其中小部分的散射、反射返回到otdr中，通过otdr中的信号采集器，获取到光纤内不同时间片散射、反射信息，基于散射、反射信号和返回信号之间的时间差，再确定光在光纤中的传播速度，即能求出采集到的数据对应于光纤中的距离位置。目前，otdr作为一种非破坏性的光纤测量仪，在通信光纤的施工、维护、故障检测等方面得到广泛的应用。它可测定光纤首段、尾端、反射和非反射（衰减）等事件，也能测定光纤损耗、光纤长度等信息，是一种多功能的光纤测量仪器。
技术实现要素：
本发明提供一种对otdr曲线数据事件检测的方法。用时域频率域转换模块进行事件检测，转换模块中的小波分析对信号进行多尺度分析，可以聚焦到信号的任意细节，通过不同层级的小波分解，信号分解为不同层级的低频和高频系数，设置阈值将幅度大的高频系数保留出来，这些高频系数即为事件所在位置，再进行事件类型识别。本发明揭示的方法，能有效检测otdr曲线数据中的事件。
为了实现上述目的，本发明提出如下技术方案：一种otdr曲线数据事件检测的方法，其内容包括如下步骤：
s1，otdr数据用小波变换进行分解，分解为不同层级的低频和高频系数；
s2，对分解所得的高频系数，设置阈值，分离出幅度大的高频系数；
s3，根据分离出的高频系数对应位置，进行事件类型识别。
所述s1中用小波变换，使用haar小波基，
haar尺度函数定义为：
haar小波基函数定义为：
所述s1中用小波变换，使用daubechies小波基，
daubechies尺度函数定义为：
daubechies小波基函数定义为：
所述s1中用不同层级小波分解，小波分解层级根据一个脉宽时间内采集到的离散点数量决定，小波分解层级计算公式：
所述s2中分离出幅度大的高频系数，小波分解后的任一层级，存在大于该阈值的高频系数时，将这些高频系数及所在层级信息保留出来。
所述s2中分离出幅度大的高频系数，小波分解后的任一层级，不存在大于该阈值的高频系数，将所有层级的高频系数进行叠加，找出大于该阈值的叠加值。
所述s3中分离出的幅度大的高频系数对应位置，幅度大的高频系数来自小波分解的不同层级，再进行事件识别。
所述s3中分离出的幅度大的高频系数对应位置，幅度大的高频系数来自小波分解后不同层级的累加，再进行事件识别。
本发明提出了一种otdr曲线数据事件检测方法的装置，装置中的时域频率域转换模块，otdr数据能进行时域和频率域相互转换，将时域中的otdr事件转换到频率域进行检测。otdr数据通过小波分解为多层级的低频和高频系数，可以聚焦到信号的任意细节，能有效对弱信号事件进行检测，设置阈值将幅度大的高频系数提取出来，这些高频系数即为事件所在位置，再进行事件类型识别。
与现有技术相比，本发明揭示的方法，能有效检测otdr曲线数据中的事件。
附图说明
图1是原始otdr曲线数据。
图2是小波分解1级高频系数。
图3是小波分解2级高频系数。
图4是小波分解3级高频系数。
图5是小波分解4级高频系数。
图6是小波分解5级高频系数。
图7是小波分解6级高频系数。
图8是小波分解7级高频系数。
图9是小波分解8级高频系数。
图10是小波分解多层级高频系数累加。
图11是otdr事件检测结果。
具体实施方式
下面将结合本发明的附图，对本发明实施的技术方案进行详细描述。
本发明提出的otdr曲线数据事件检测的方法。用小波变换模块对信号进行处理，小波分析可对信号进行多尺度分析，可以聚焦到信号的任意细节，通过不同层级的小波分解，信号可分解为不同层级的低频和高频部分，事件位置在高频中有体现，设置阈值将幅度大的高频系数保留出来，这些高频系数即为事件所在位置，再进行事件类型识别。本发明揭示的方法，能有效检测otdr曲线数据中的事件，其具体方法包括：
s1，otdr数据用小波变换进行不同层级小波分解，分解为低频和高频系数；
s2，对分解所得的高频系数，设置阈值，分离出幅度大的高频系数；
s3，根据分离出的高频系数对应位置，进行事件类型识别。
s1，小波变换使用haar小波基，
haar尺度函数定义为：
haar小波基函数定义为：
s1，小波变换，或使用daubechies小波基
daubechies尺度函数定义为：
daubechies小波基函数定义为：
s1，用不同层级小波分解，小波分解层级根据一个脉宽时间内采集到的离散点数量决定，小波分解层级计算公式：
otdr事件在不同层级低频和高频系数中表现为不同的离散点数量，不同层级的离散点对应原始曲线数据的步长也不同。基于上述小波分解层级计算公式：
s2，分解所得高频系数，设置阈值，分离出幅度大的高频系数。otdr事件在不同层级的高频系数中表现为：事件奇异性显著，会在不同层级的高频系数中都有体现。事件奇异性较小，低层级的高频系数表现较弱，在高层级的高频系数适当加强。事件奇异性非常微弱，任一层级的高频系数都表现较弱，需将所有层级的高频系数进行累加，才会有体现。
s3，根据分离出的幅度大的高频系数对应位置，结合原始otdr曲线数据、分解后的各层级低频数据进行事件类型识别，完成otdr曲线数据的事件检测。
如图1所示为原始otdr曲线数据，通过本发明方法进行事件检测的结果如图11所示，图中序号1事件为“起始”，序号5事件为“结束”，序号2、3、4分别为检测到的“衰减”、“反射”、“衰减”事件。
对原始数据进行小波分解时，事件在高频系数中会有体现，如图2-图9，共8幅图，分别表示了小波分解后1级-8级的高频系数，序号2、3事件随着小波分解级数的上升，在高频系数中表现越明显，而对于序号4事件，1级-8级的高频系数都表现较弱，将所有1级-8级的高频系数进行累加，得到图10，序号4号事件才有体现，从而实现了事件的检测。
以上所述实施例仅阐述了本发明的几种实施方式，但并不能因此而解读为对本发明专利范围的限制。应当指出的是，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干替换和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围以所附权利要求为准。