一种振动事件识别方法、装置和计算机存储介质与流程

1.本技术涉及信息识别技术领域，特别涉及一种振动事件识别方法、装置和计算机存储介质。


背景技术：

2.光纤传感器是以光作为敏感信息的载体，光纤作为敏感信息的传递媒介的传感器；光纤传感器相比于其他种类的传感器，具备电绝缘性好，抗电磁干扰能力强、耐腐蚀、防爆，易实现远距离探测等优点；光纤传感器常用于安防监测、海底光缆、管道泄露监测以及入侵事件监测等场景。
3.现有技术中，在采用长距离的光纤传感器的情况下，为了实现振动事件的精准定位，以及振动事件分析，往往需要对大量数据进行处理，导致振动事件识别的识别复杂性较大，识别时间较长，以及识别成本较高。


技术实现要素：

4.针对现有技术的上述问题，本技术的目的在于对振动事件识别之前，对识别输入的数据进行筛选处理，进而降低识别数据处理量，提高振动事件处理效率，以及降低识别成本。
5.为了解决上述问题，本技术提供了一种振动事件识别方法，包括：
6.获取当前时间窗口对应的振动探测矩阵；所述当前时间窗口对应的振动探测矩阵表征目标光纤的多个识别通道对应的振动幅度信息与时间的关联信息；
7.基于所述当前时间窗口对应的振动探测矩阵进行通道特征提取，得到所述当前时间窗口下所述多个识别通道各自对应的通道特征；
8.基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及上一时间窗口的候选通道集合，确定所述当前时间窗口对应的候选通道集合；
9.将所述当前时间窗口的下一时间窗口作为所述当前时间窗口；
10.重复执行步骤：获取当前时间窗口对应的振动探测矩阵，至将所述当前时间窗口的下一时间窗口作为所述当前时间窗口；直至所述当前时间窗口为目标时间段内的最后一个时间窗口；
11.将所述当前时间窗口对应的候选通道集合，确定为所述目标时间段对应的有效通道集合；
12.基于所述有效通道集合在所述目标时间段对应的振动探测矩阵，进行振动事件识别，确定振动事件的类型。
13.在本技术实施例中，所述基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及上一时间窗口的候选通道集合，确定所述当前时间窗口对应的候选通道集合包括：
14.基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及所述第一
门限进行通道筛选，得到第一候选集合；
15.基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及所述第二门限进行通道筛选，得到第二候选集合；所述第二门限大于所述第一门限；
16.对所述第一候选集合，以及所述上一时间窗口的候选通道集合进行求交集处理，确定相交通道集合；
17.基于所述相交通道集合，以及所述第二候选集合，确定所述当前时间窗口对应的候选通道集合；所述当前窗口对应的候选通道集合中的识别通道存在于所述相交通道集合或第二候选集合中。
18.在本技术实施例中，所述振动事件识别方法还包括：
19.获取多个样本识别通道对应的样本通道特征；
20.基于所述多个样本识别通道对应的样本通道特征进行特征值统计，得到所述样本通道特征对应的特征最大值、以及特征最小值；
21.基于所述特征最小值以及所述特征最大值进行数值范围扩展处理，得到与所述特征最小值对应的第一门限，以及与所述特征最大值对应的第二门限；所述第一门限小于所述特征最小值，所述第二门限大于所述特征最大值。
22.在本技术实施例中，所述通道特征包括多种特征值，所述第一门限包括多种特征值各自对应的第一门限值，所述第二门限包括多种特征值各自对应的第二门限值；所述基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及所述第一门限进行通道筛选，确定第一候选集合包括：
23.在任一识别通道对应的多种特征值，均大于或等于所述多种特征值各自对应的第一门限值的情况下，确定所述任一识别通道为第一候选通道；
24.基于所述第一候选通道生成所述第一候选集合；
25.所述基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及所述第二门限进行通道筛选，确定第二候选集合包括：
26.在任一识别通道对应的多种特征值，均大于或等于所述多种特征值各自对应的第二门限值的情况下，确定所述任一识别通道为第二候选通道；
27.基于所述第二候选通道生成所述第二候选集合。
28.在本技术另一实施例中，所述通道特征包括多种特征标签对应的特征值，所述第一门限包括多种特征值各自对应的第一门限值，所述第二门限包括多种特征值各自对应的第二门限值；所述基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及所述第一门限进行通道筛选，确定第一候选集合包括：
29.遍历所述多种特征标签；
30.确定第一当前特征标签下所述多个识别通道各自对应的特征值；
31.确定所述第一当前特征标签对应的第一标签候选通道集合；所述第一标签候选通道集合中的识别通道在所述第一当前特征标签下的特征值，大于或等于所述第一当前特征标签对应的第一门限值；
32.基于所述多种特征标签各自对应的所述第一标签候选通道集合，确定所述第一候选集合。
33.在本技术另一实施例中，所述基于所述当前时间窗口下所述多个识别通道各自对
应的通道特征，以及所述第二门限进行通道筛选，确定第二候选集合包括：
34.遍历所述多种特征标签；
35.确定第二当前特征标签下所述多个识别通道各自对应的特征值；
36.确定所述第二当前特征标签对应的第二标签候选通道集合；所述第二标签候选通道集合中的识别通道在所述第二当前特征标签下的特征值，大于或等于所述第二当前特征标签对应的第二门限值；
37.基于所述多种特征标签各自对应的所述第二标签候选通道集合，确定所述第二候选集合。
38.在本技术另一实施例中，所述第一候选集合包括所述多种特征标签各自对应的所述第一标签候选通道集合，所述第二候选集合包括所述多种特征标签各自对应的第二标签候选通道集合；所述上一时间窗口的候选通道集合包括所述多种特征标签各自对应的第三标签候选通道集合；所述对所述第一候选集合，以及所述上一时间窗口的候选通道集合进行求交集处理，确定相交通道集合包括：
39.分别对同一特征标签下的所述第一标签候选通道集合，以及所述同一特征标签下的所述第三标签候选通道集合进行求交集处理，得到所述同一特征标签对应的第四标签候选通道集合；
40.基于所述多种特征标签各自对应的第四标签候选通道集合，确定所述相交通道集合；
41.所述基于所述相交通道集合，以及所述第二候选集合，确定所述当前时间窗口对应的候选通道集合包括：
42.分别对同一特征标签下的所述第四标签候选通道集合，以及所述同一特征标签下的所述第二标签候选通道集合进行求并集处理，得到所述同一标签对应的第五标签候选通道集合；
43.对所述多种特征标签各自对应的第五标签候选通道集合中的每个候选通道的数量进行统计，得到所述每个候选通道的统计数量；
44.将所述统计数量大于等于预设数量的候选通道确定为目标通道；
45.基于所述目标通道生成所述当前时间窗口对应的候选通道集合。
46.在本技术实施例中，所述振动事件识别方法还包括：
47.在所述当前时间窗口不存在所述上一时间窗口的情况下，确定所述上一时间窗口的候选通道集合为空集。
48.在本技术实施例中，所述基于所述有效通道集合在所述目标时间段对应的振动探测矩阵，进行振动事件识别，确定振动事件的类型包括：
49.对所述有效通道集合中的多个有效识别通道各自对应的幅度波进行幅度滤波，得到所述多个有效识别通道各自对应的滤波信号；
50.分别对所述多个有效识别通道各自对应的滤波信号进行特征提取，得到所述多个有效识别通道各自对应的多种特征数据；
51.基于所述多个有效识别通道各自对应的多种特征数据进行归一化数据组合，得到多个有效识别通道各自对应的输入向量；
52.将所述多个有效识别通道各自对应的输入向量，输入振动事件识别模型进行事件
类型识别，得到所述多个有效识别通道各自对应的振动事件类型。
53.另一方面，本技术还提供一种振动事件识别装置，所述装置包括：
54.矩阵获取模块，用于获取当前时间窗口对应的振动探测矩阵；所述当前时间窗口对应的振动探测矩阵表征目标光纤的多个识别通道对应的振动幅度信息与时间的关联信息；
55.通道特征提取模块，用于基于所述当前时间窗口对应的振动探测矩阵进行通道特征提取，得到所述当前时间窗口下所述多个识别通道各自对应的通道特征；
56.候选通道集合确定模块，用于基于所述当前时间窗口下所述多个识别通道各自对应的通道特征，以及上一时间窗口的候选通道集合，确定所述当前时间窗口对应的候选通道集合；
57.当前时间窗口确定模块，用于将所述当前时间窗口的下一时间窗口作为所述当前时间窗口；
58.循环模块，用于重复执行步骤：获取当前时间窗口对应的振动探测矩阵，至将所述当前时间窗口的下一时间窗口作为所述当前时间窗口；直至所述当前时间窗口为目标时间段内的最后一个时间窗口；
59.有效通道集合确定模块，用于将所述当前时间窗口对应的候选通道集合，确定为所述目标时间段对应的有效通道集合；
60.事件识别模块，用于基于所述有效通道集合在所述目标时间段对应的振动探测矩阵，进行振动事件识别，确定振动事件的类型。
61.另一方面，本技术还提供一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述振动事件识别方法。
62.另一方面，本技术还提供一种计算机存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述振动事件识别方法。
63.由于上述技术方案，本技术所述的一种振动事件识别方法具有以下有益效果：
64.本技术实施例中的振动事件识别方法，通过基于时间窗口对应的振动探测矩阵，将目标时间段内中的有效通道进行提取，从而降低了事件识别的输入数据量，进而降低了识别数据处理量，提高振动事件识别效率，以及降低了事件识别成本；进一步地，通过采用时间窗口，将目标时间段内振动幅度信息与时间的关联信息，进行分片处理，从而降低数据处理复杂性，提高数据处理速度。
附图说明
65.为了更清楚地说明本技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
66.图1是本技术实施例提供的一种振动事件识别方法的流程示意图；
67.图2是本技术实施例提供的一种振动事件识别方法中候选通道集合获取流程示意
图；
68.图3是本技术实施例提供的一种振动事件识别方法中门限获取流程示意图；
69.图4是本技术实施例提供的一种振动事件识别方法中第一候选集合以及第二候选集合生成流程示意图；
70.图5是本技术实施例提供的一种振动事件识别方法对应的完整流程框架图一；
71.图6是本技术实施例提供的一种振动事件识别方法中第一候选集合生成流程示意图；
72.图7是本技术实施例提供的一种振动事件识别方法中第二候选集合生成流程示意图；
73.图8是本技术实施例提供的一种振动事件识别方法中候选通道集合获取流程示意图；
74.图9是本技术实施例提供的一种振动事件识别方法对应的完整流程框架图二；
75.图10是本技术实施例提供的一种振动事件识别方法中事件识别的流程示意图；
76.图11是本技术实施例提供的一种振动事件识别装置结构示意图；
77.图12是本技术实施例提供的一种振动事件识别方法的硬件结构框图。
具体实施方式
78.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
79.此处所称的“一个实施例”或“实施例”是指可包含于本技术至少一个实现方式中的特定特征、结构或特性。在本技术的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
80.结合图1，介绍本技术实施例提供的一种振动事件识别方法，该方法包括：
81.s1001、获取当前时间窗口对应的振动探测矩阵；当前时间窗口对应的振动探测矩阵表征目标光纤的多个识别通道对应的振动幅度信息与时间的关联信息；当前时间窗口为正在处理的时间窗口，当前时间窗口可以是历史时间窗口，也可以是实时时间窗口；识别通道是指能够定义事件发生位置的最小光纤段；具体的，目标光纤的多个识别通道是基于目标光纤的长度，以及目标光纤的空间分辨率确定的，例如，目标光纤的长度为40km，目标光纤的空间分辨率为10m，那么多个识别通道为4000个。
82.在本技术实施例中，目标光纤可以是分布式光纤传感器，也可以是其他基于瑞利
散射的光纤传感器；具体的，可以是基于φ-otdr(相位敏感光时域反射仪)的分布式光纤传感器，也可以是基于c-otdr(相干光时域反射仪)的分布式光纤传感器。
83.s1002、基于当前时间窗口对应的振动探测矩阵进行通道特征提取，得到当前时间窗口下多个识别通道各自对应的通道特征；通道特征提取是指对振动探测矩阵中的元素列进行特征提取；具体的，通道特征包括时域特征或频域特征中的一种或多种特征。
84.s1003、基于当前时间窗口下多个识别通道各自对应的通道特征，以及上一时间窗口的候选通道集合进行通道筛选，确定当前时间窗口对应的候选通道集合；通道筛选是指对多个识别通道中符合预设条件的通道进行筛选；例如，预设条件可以是通道特征大于预设阈值和/或在上一时间窗口的候选通道集合中，也可以是小于预设阈值和/或在上一时间窗口的候选通道集合中；候选通道集合中可以包括至少一个识别通道，也可以是不包括任何识别通道的空集。
85.s1004、将当前时间窗口的下一时间窗口作为当前时间窗口；具体的，时间窗口随着时间变化而进行滑动，时间窗口的时间长度大于或等于滑动步长。
86.在本技术实施例中，时间窗口的时间长度小于或等于滑动步长的两倍，例如，时间窗口的时间长度为600ms，那么滑动步长需要大于或等于300ms；通过将时间窗口的时间长度小于或等于滑动步长的两倍，保障了相邻时间窗口的重叠区域大于或等于时间窗口的一半时间长度，从而最大程度的保留了信号中平稳的部分，以及能够使得时间窗口能够覆盖目标时间段，进而保障了特征提取的全面性，提高了通道筛选精度。
87.s1005、重复执行步骤：获取当前时间窗口对应的振动探测矩阵，至将当前时间窗口的下一时间窗口作为当前时间窗口；直至当前时间窗口为目标时间段内的最后一个时间窗口；目标时间段大于每个时间窗口的时间长度，滑动步长可以随目标时间段做适应性变化，以使得目标时间段能够被多个时间窗口完全覆盖；例如，目标时间段为3s，那么时间窗口的时间长度可以是600ms，滑动步长可以是300ms，从而以使得时间窗口能够完全覆盖目标时间段；再例如，目标时间段为1000ms，那么时间窗口的时间长度为600ms的情况下，滑动步长为400ms，从而以两个时间窗口能够完全覆盖目标时间段；目标时间段可以基于实际应用场景进行适应性修改。
88.在本技术另一实施例中，多个时间窗口对应的时间总长度可以略大于目标时间的长度，例如，时间窗口的时间长度为600ms，滑动步长为300ms，目标时间段为1000ms，那么可以将目标时间段分为三个时间窗口：0-600ms、300-900ms、以及900ms-1200ms，目标时间内的最后一个时间窗口为900-1200ms对应的时间窗口；即在目标时间段无法获取整数个时间窗口的情况下，自适应增加目标时间段的时间长度，以更新目标时间段。
89.s1006、将当前时间窗口对应的候选通道集合，确定为目标时间段对应的有效通道集合；有效通道集合包括有效通道，有效通道是指在目标时间段内，有效通道在事件起始时发生的振动，且持续保持振动。
90.s1007、基于有效通道集合在目标时间段对应的振动探测矩阵，进行振动事件识别，确定振动事件的类型；振动事件识别是指基于输入的振动探测矩阵进行分析，得到输入数据对应的振动事件类型；振动事件类型包括自然振动事件和人为振动事件；例如，自然振动事件是指风、雨的打击振动事件等，人为振动事件是指划、脚踢、靠、拍、敲、攀爬等动作振动事件。
91.在本技术实施例中，振动事件识别方法具备如下有益效果：
92.本技术实施例中的振动事件识别方法，通过基于时间窗口对应的振动探测矩阵，将目标时间段内中的有效通道进行提取，从而降低了事件识别的输入数据量，进而降低了识别数据处理量，提高振动事件识别效率，以及降低了事件识别成本；进一步地，通过采用时间窗口，将目标时间段内振动幅度信息与时间的关联信息，进行分片处理，从而降低数据处理复杂性，提高数据处理速度。
93.在本技术实施例中，s1001之前，振动事件识别方法还包括：
94.获取目标光纤采集的光纤振动数据；光纤振动数据是指目标光纤基于瑞利散射光进行干涉后的光强信号。
95.基于预设分解条件，将光纤振动数据进行分解，得到多个识别通道各自对应的振动幅度信息；预设分解条件是指将光纤振动数据进行解耦的条件，具体的，预设分解条件可以是以高信噪比以及低干涉衰落的光强信号进行输出。
96.基于预设存储时间，将多个识别通道各自对应的振动幅度信息进行数据存储；具体的，将多个识别通道各自对应的振动幅度信息存储在数据存储模块，数据存储模块可以是数据存储磁盘；预设存储时间是指将振动幅度信息进行存储的时间。
97.在本技术实施例中，预设存储时间远大于目标光纤的数据采集时间，例如，目标光纤的数据采集时间为1ms，那么预设存储时间可以是100ms。
98.在本技术实施例中，振动探测矩阵的大小与时间窗口的时间长度、多个识别通道的数量、以及目标光纤的数据采集时间有关；例如，时间窗口的时间长度为600ms，多个识别通道的数量为4000个，目标光纤的数据采集时间为1ms，那么振动探测矩阵的大小为600
×
4000，其中，振动探测矩阵的列表示任一识别通道的振动幅度信息随时间的变化关系，振动探测矩阵的行表示任一采集时间节点下，振动幅度信息随距离的变化，距离采用通道号进行表述。
99.参考图2，在本技术实施例中，s1003包括：
100.s2001、基于当前时间窗口下多个识别通道各自对应的通道特征，以及第一门限进行通道筛选，得到第一候选集合；优选的，第一候选集合中识别通道对应的通道特征大于第一门限。
101.s2002、基于当前时间窗口下多个识别通道各自对应的通道特征，以及第二门限进行通道筛选，得到第二候选集合；第二门限大于第一门限；优选的，第二候选集合中识别通道对应的通道特征大于第二门限。
102.s2003、对第一候选集合，以及上一时间窗口的候选通道集合进行求交集处理，确定相交通道集合。
103.s2004、基于相交通道集合，以及第二候选集合，确定当前时间窗口对应的候选通道集合；当前窗口对应的候选通道集合中的识别通道存在于相交通道集合或第二候选集合中；具体的，可以对相交通道集合、以及第二候选集合进行求并集处理，得到当前时间窗口对应的候选通道集合；也可以对求并集后的并集通道集合进行过滤处理，得到当前时间窗口对应的候选通道集合。
104.在本技术实施例中，在第一候选集合，或上一时间窗口的候选通道集合中任一集合为空集的情况下，相交通道集合为空集。
105.在本技术实施例中，通过采用第一门限和第二门限对多个识别通道进行筛选，得到第一候选集合以及第二候选集合，并基于第一候选集合、第二候选集合、以及上一时间窗口的候选通道集合确定当前时间窗口对应的候选通道集合，采用门限筛选当前时间窗口对应的候选通道集合，进而提高了信号提取的完整性，例如，在事件发生后，识别通道从采集到光纤振动数据后，会在一定时间内持续保持振动。
106.在本技术实施例中，在识别通道对应的通道特征通过第一门限的情况下，认为该识别通道所处的时间窗口为事件正在发生；在识别通道对应的通道特征通过第二门限的情况下，认为该识别通道所处的事件窗口为事件发生的初始阶段，通过对第一候选集合，以及上一时间窗口的候选通道集合进行求交集处理，从而保障了事件发生的持续性；通过基于相交通道集合以及第二候选集合，确定当前窗口对应的候选通道集合，从而保障了进入事件发生的初始阶段的识别通道能够被筛选出来，即提高了当前窗口对应的候选通道集合的筛选精度，以及筛选完整性。
107.参考图3，在本技术实施例中，振动事件识别方法还包括：
108.s3001、获取多个样本识别通道对应的样本通道特征；样本识别通道是指事件测试过程中的通道，例如，对识别通道进行拍击，得到拍击对应的样本通道特征；多个样本识别通道可以是1000个样本识别通道，也可以是4000个样本识别通道；样本通道特征包括事件的起始特征，以及事件结束的特征；优选的，可以对样本通道特征进行初步筛选，例如，将无效信号、受到干扰的信号、以及质量差的信号进行排除。
109.s3002、基于多个样本识别通道对应的样本通道特征进行特征值统计，得到样本通道特征对应的特征最大值、以及特征最小值；优选的，可以对经过初步筛选后的样本特征进行特征统计；特征统计可以是指对样本通道特征进行排序处理，进而得到样本通道特征对应的特征最大值、以及特征最小值。
110.s3003、基于特征最小值以及特征最大值进行数值范围扩展处理，得到与特征最小值对应的第一门限，以及与特征最大值对应的第二门限；第一门限小于特征最小值，第二门限大于特征最大值；具体的，特征最小值与第一预设调整系数进行乘积运算，得到第一门限，第一预设调整系数大于零且小于一；特征最大值与第二预设调整系数进行乘积运算，得到第二门限，第二预设调整系数大于一，且小于特征最大值与特征最小值的比值；第一预设调整系数以及第二预设调整系数均可以基于实际场景、以及事件进行调整。
111.在本技术实施例中，可以提前计算第一门限和第二门限。
112.在本技术具体实施例中，例如，多个样本识别通道对应的样本通道特征集合为δ＝{s1，s2，
……
sm}，那么第一门限可以采用下述公式进行计算：
113.x1＝k
×
min(s1，s2，
……
sm)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
114.其中，x1为第一门限，k为预设第一调整系数，且0《k《1，min(s1，s2，
……
sm)表示特征最小值，即δ＝{s1，s2，
……
sm}中的最小值。
115.第二门限可以采用下述公式进行计算：
116.x2＝q
×
max(s1，s2，
……
sm)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
117.其中，x2为第二门限，q为预设第二调整系数，且max(s1，s2，
……
sm)表示特征最大值，即δ＝{s1，s2，
……
sm}中的最大值。
118.在本技术实施例中，通过对样本识别通道中特征的最大值和最小值进行范围拓展，降低第一门限，以及提高第二门限，从而能够降低筛选要求，进而使得符合要求的通道尽可能的涵盖，提高振动事件识别的精度。
119.在本技术实施例中，通道特征包括多种特征值，第一门限包括多种特征值各自对应的第一门限值，第二门限包括多种特征值各自对应的第二门限值；具体的，通道特征包括时域特征和频域特征，时域特征包括短时能量，绝对值均值、方根幅度、均方根幅度、标准差、平均幅差、过零率、过门限率、峭度、偏度，峰值因子等特征，频域特征包括频率方差、频率标准差、均方频率，均方根频率等特征。以短时能量和频率方差等特征；多种特征值可以是上述任意数量种特征对应的特征值，具体的，多种特征值的种类可以基于事件的类型进行确定。
120.参考图4，在本技术实施例中，s2001包括：
121.s4001、在任一识别通道对应的多种特征值，均大于或等于多种特征值各自对应的第一门限值的情况下，确定任一识别通道为第一候选通道；
122.s4002、基于第一候选通道生成第一候选集合；
123.s2002包括：
124.s4003、在任一识别通道对应的多种特征值，均大于或等于多种特征值各自对应的第二门限值的情况下，确定任一识别通道为第二候选通道；
125.s4004、基于第二候选通道生成第二候选集合。
126.在本技术实施例中，通过在识别通道对应的多种特征值均通过第一门限和第二门限的情况下，确定该识别通道为候选通道，进而提高了候选通道的筛选精度，从而降低振动事件识别过程中数据处理复杂性，提高数据处理速度。
127.在本技术具体实施例中，部分通道特征值的提取公式如下：
128.短时能量特征提取公式：
[0129][0130]
其中，e是指任一时间窗口下，第m个识别通道对应的短时能量；n是指时间窗口的时间长度与数据采集时间的比值，也就是振动探测矩阵的行数；si是指第m个识别通道与第i行对应的振动幅度信息，其中，0≤i≤n。
[0131]
峰值因子提取公式：
[0132][0133]
其中，peakm是指第m个识别通道的峰值因子，si是指第m个识别通道与第i行对应的振动幅度信息，其中，0≤i≤n。
[0134]
脉冲因子提取公式：
[0135][0136]
其中，impulsem是指第m个识别通道的脉冲因子，si是指第m个识别通道与第i行对应的振动幅度信息，其中，0≤i≤n。
[0137]
裕度因子提取公式：
[0138][0139]
其中，maginm是指第m个识别通道的裕度因子，si是指第m个识别通道与第i行对应的振动幅度信息，其中，0≤i≤n。
[0140]
在本技术实施例中，通道特征的提取公式存储于预设配置文件，在需要进行某一特征值运算的情况下，对某一特征值对应的提取公式从预设配置文件中提取。
[0141]
在本技术实施例中，提取频域特征之前，需要对同一识别通道下的数据进行快速傅里叶变换，在进行快速傅里叶变换之前可以采用窗函数对数据进行处理，进而使得数据更符合快速傅里叶变换的要求。
[0142]
在本技术具体实施例中，可以采用多线程，分别对多个识别通道各自对应的多种特征值进行特征提取，从而提高特征提取速率，进而提高振动时间识别速率。
[0143]
具体的，参考附图5：
[0144]
获取多个识别通道各自对应的多种特征值，以及上一时间窗口对应的候选通道集合；选取任一种类特征值对应的多个识别通道；分别基于任一种类特征值对应的第一门限值、以及第二门限值确定任一特征值对应的第一候选集合、以及第二候选集合；判断第一候选集合、以及第二候选集合是否为空集，具体的：在第一候选集合以及第二候选集合为空集的情况下，输出当前时间窗口的候选通道集合为空集。
[0145]
在第一候选集合以及第二候选集合不为空集的情况下，判断是否为第一种特征值，即任一特征值是否为第一次进行处理，具体的：在任一特征值不为第一次进行处理的情况下，第一候选集合、第二候选集合分别进行对应的求交处理，以更新第一候选集合、以及第二候选集合，即第一候选集合与上一次特征值筛选后的第一候选集合进行求交集处理，以更新第一候选集合，第二候选集合与上一次的特征值筛选后的第二候选集合进行求交集处理，以更新第二候选集合。
[0146]
在任一特征值未第一次进行处理，或已经历遍所有特征值的情况下，缓存并输出第一候选集合，以及第二候选集合；判断上一时间窗口对应的候选通道集合是否为空集；在上一时间窗口对应的候选通道集合为空集的情况下，确定第二候选集合为当前时间窗口对应的候选通道集合，进行输出和缓存。
[0147]
在上一时间窗口对应的候选通道集合不为空集的情况下，第一候选集合与上一时间窗口对应的候选通道进行求交集处理，确定相交通道集合；相交通道集合与第二候选集合进行求并集处理，得到当前时间窗口对应的候选通道集合，进行输出和缓存。
[0148]
在本技术实施例中，通过采用图5所述的振动事件识别方法，通过多次判断，从而能够提高特征提取速率，进而提高振动时间识别速率。
[0149]
在本技术具体实施例中，假设目标时间段内有三个时间窗口，以及三个识别通道：通道1、通道2、以及通道3；第一门限中包括第一种特征对应的第一门限值a，以及第一种特征对应的第二门限b，其中a小于b；第二门限中包括第一种特征对应的第一门限值c，以及第二种特征对应的第二门限值d，其中c小于d。
[0150]
在第一个时间窗口中，三个识别通道各自对应的第一种特征的特征值均大于a，三个识别通道各自对应的第二种特征的特征值均大于c，则第一候选集合为(通道1，通道2，通
道3)；三个识别通道各自对应的第一种特征的特征值均大于b，通道1和通道3各自对应的第二种特征的特征值均大于d，那么第二候选集合为(通道1，通道3)；由于第一个时间窗口前并无其他时间窗口，因此，输出第二候选集合为第一个时间窗口对应的候选通道集合，即第一个时间窗口对应的候选通道集合为(通道1，通道3)。
[0151]
在第二个时间窗口中，和第一个时间窗口判定规则相同：第一候选集合中，识别通道各自对应的多种特征值均大于多种特征值各自对应的第一门限值；第二候选集合中，识别通道各自对应的多种特征值均大于多种特征值各自对应的第二门限值；具体的，通道1和通道2各自对应的第一种特征的特征值均大于a，通道1和通道2各自对应的第二种特征的特征值均大于c；通道2对应的第一种特征的特征值大于b，通道2对应的第二种特征的特征值大于d，进而得到第一候选集合为(通道1，通道2)；第二候选集合为(通道2)；那么第二个时间窗口对应的候选通道集合为：第一候选集合与第一个时间窗口对应的候选通道集合的交集，然后与第二候选集合的并集，即第二个时间窗口对应的候选通道集合为(通道1，通道2)。
[0152]
在第三个时间窗口中，和第一个时间窗口判定规则相同，具体的，通道2和通道3各自对应的第一种特征的特征值均大于a且小于b，通道2和通道3各自对应的第二种特征的特征值均大于c且小于d，得到第一候选集合为(通道2，通道3)；第二候选集合为空集；那么第三个时间窗口对应的候选通道集合为：第一候选集合与第二个时间窗口对应的候选通道集合的交集，然后与第二候选集合的并集，即第二个时间窗口对应的候选通道集合为(通道2)。
[0153]
则，目标时间段内的有效通道集合为(通道2)。
[0154]
参考附图6，在本技术另一实施例中，通道特征包括多种特征标签对应的特征值，第一门限包括多种特征值各自对应的第一门限值，第二门限包括多种特征值各自对应的第二门限值。
[0155]
s2001包括：
[0156]
s6001、遍历多种特征标签；特征标签可以是编号，也可以是特殊符号，特征标签与特征值一一对应。
[0157]
s6002、确定第一当前特征标签下多个识别通道各自对应的特征值；
[0158]
s6003、确定第一当前特征标签对应的第一标签候选通道集合；第一标签候选通道集合中的识别通道在第一当前特征标签下的特征值，大于或等于第一当前特征标签对应的第一门限值；
[0159]
s6004、基于多种特征标签各自对应的第一标签候选通道集合，确定第一候选集合。
[0160]
参考图7，s2002包括：
[0161]
s7001、遍历多种特征标签；
[0162]
s7002、确定第二当前特征标签下多个识别通道各自对应的特征值；
[0163]
s7003、确定第二当前特征标签对应的第二标签候选通道集合；第二标签候选通道集合中的识别通道在第二当前特征标签下的特征值，大于或等于第二当前特征标签对应的第二门限值；
[0164]
s7004、基于多种特征标签各自对应的第二标签候选通道集合，确定第二候选集
合。
[0165]
在本技术另一实施例中，通过对当前特征标签对应的多个识别通道进行通道筛选，从而能够历遍所有多个识别通道各自对应的多种特征值，进而提高了筛选精度。
[0166]
参考图8，在本技术另一实施例中，第一候选集合包括多种特征标签各自对应的第一标签候选通道集合，第二候选集合包括多种特征标签各自对应的第二标签候选通道集合；上一时间窗口的候选通道集合包括多种特征标签各自对应的第三标签候选通道集合。
[0167]
s2003包括：
[0168]
s8001、分别对同一特征标签下的第一标签候选通道集合，以及同一特征标签下的第三标签候选通道集合进行求交集处理，得到同一特征标签对应的第四标签候选通道集合；
[0169]
s8002、基于多种特征标签各自对应的第四标签候选通道集合，确定相交通道集合。
[0170]
s2004包括：
[0171]
s8003、分别对同一特征标签下的第四标签候选通道集合，以及同一特征标签下的第二标签候选通道集合进行求并集处理，得到同一标签对应的第五标签候选通道集合；
[0172]
s8004、对多种特征标签各自对应的第五标签候选通道集合中的每个候选通道的数量进行统计，得到每个候选通道的统计数量；
[0173]
s8005、将统计数量大于等于预设数量的候选通道确定为目标通道；
[0174]
s8006、基于目标通道生成当前时间窗口对应的候选通道集合。
[0175]
在本技术另一实施例中，通过对候选通道进行数量统计，在候选通道的统计数量大于等于预设数量的情况下，表征候选通道通过双门限的特征值种类大于预设种类，从而能够降低通道筛选标准，进而使得符合要求的通道尽可能的涵盖，提高振动事件识别的精度。
[0176]
在本技术另一实施例中，在每个候选通道的数量小于预设数量的情况下，确定当前时间窗口对应的候选通道集合为空集。
[0177]
在本技术另一具体实施例中，参考图9：
[0178]
获取多种特征值各自对应的多个识别通道，以及上一时间窗口对应的候选通道集合；将多个识别通道各自对应的投票数值初始化，即置0；选取任一特征值对应的多个识别通道，并获取在上一时间窗口中，任一特征值对应的候选通道集合；基于任一特征值对应的第一门限值，以及第二门限值，分别确定任一特征值对应的第一候选集合、以及第二候选集合；判断第一候选集合、以及第二候选集合是否为空集，具体的，在任一特征值对应的第一候选集合，以及第二候选集合为空集的情况下，确定任一特征值对应的候选通道集合为空集。
[0179]
在第一候选集合，以及第二候选集合不为空集的情况下，判断上一时间窗口中，任一特征值对应的候选通道集合是否为空集，具体的，在上一时间窗口中，任一特征值对应的候选通道集合为空集的情况下，当前时间窗口中，任一特征值对应的候选通道集合为对应的第二候选集合，并进行输出和缓存；对任一特征值对应的候选通道集合中的识别通道对应的投票值加一。
[0180]
在上一时间窗口中，任一特征值对应的候选通道集合不为空集的情况下，任一特
征值对应的第一候选集合与上一时间窗口中，任一特征值对应的候选通道集合进行求交集处理，确定任一特征值对应的相交通道集合；相交通道集合与任一特征值对应的第二候选通道集合进行求并集处理，确定并缓存当前时间窗口中，任一特征值对应的候选通道集合；任一特征值对应的候选通道集合中的识别通道对应的投票值加一。
[0181]
在进行投票计算后，判断是否存在其他未处理的特征值，具体的：在不存在其他未处理的特征值的情况下，缓存多种特征值各自对应的候选通道集合并选取识别通道投票值大于或等于预设阈值的识别通道组成目标通道集合；反之，在存在其他未处理特征值的情况下，对下一特征值进行处理。
[0182]
在得到目标通道集合的情况下，判断目标通道集合是否为空集，具体的，在目标通道集合不为空集的情况下，将目标通道集合确定为当前时间窗口对应的候选通道集合；反之，在目标通道集合为空集的情况下，确定当前时间窗口对应的候选通道集合为空集。
[0183]
在本技术另一实施例中，通过多次判断，以及通过采用投票制实现数据统计，从而提高筛选速率，提高振动事件识别的速率。
[0184]
在本技术具体实施例中，假设目标时间段内有三个时间窗口，以及三个识别通道：通道1、通道2、以及通道3；第一门限中包括第一种特征对应的第一门限值a，以及第一种特征对应的第二门限b，其中，a小于b；第二门限中包括第一种特征对应的第一门限值c，以及第二种特征对应的第二门限值d，其中，c小于d。
[0185]
在第一个时间窗口中，第一种特征对应的三个识别通道中，三个识别通道各自对应的特征值均大于a，三个识别通道各自对应的特征值均大于b；那么第一种特征对应的第一候选集合为(通道1，通道2，通道3)；第一种特征对应的第二候选集合为(通道1，通道2，通道3)；第一种特征对应的候选通道集合为第二候选集合，即(通道1，通道2，通道3)；第二种特征对应的三个识别通道中，通道1和通道2对应的特征值大于c，通道1对应的特征值大于d；那么第二种特征对应的第一候选集合为(通道1，通道2)；第二种特征对应的第二候选集合为(通道1)；第二种特征值对应的候选通道集合为第二候选集合，即(通道1)；其中，通道1的投票值为2，通道2的投票值为1，通道3的投票值为1，若预设投票值为2，那么第一个时间窗口对应的候选通道集合为(通道1)。
[0186]
在第二个时间窗口中，和第一个时间窗口判定规则相同：在任一种特征对应的第一候选通道集合中，识别通道对应的任一种特征值大于任一种特征对应的第一门限值；在任一种特征对应的第二候选通道集合中，识别通道对应的任一种特征值大于任一种特征对应的第二门限值；第一种特征对应的第一候选集合为(通道1，通道3)；第一种特征对应的第二候选集合为(通道1)；那么第一种特征对应的候选通道集合为第一种特征对应的第一候选集合与第一种特征对应的候选通道集合取交集后，再与第一种特征对应的第二候选集合取并集，即(通道1，通道3)；第二种特征对应的第一候选集合为(通道1，通道2)，第二种特征对应的第二候选集合为(通道1)，同理得到第二种特征值对应的候选通道集合为(通道1)；其中，通道1的投票值为2，通道2的投票值为0，通道3的投票值为1，那么第二个时间窗口对应的候选通道集合为(通道1)。
[0187]
在第三个时间窗口中，和第一个时间窗口判定规则相同，第一种特征对应的第一候选集合为(通道3)；第一种特征对应的第二候选集合为(通道3)；那么第一种特征对应的候选通道集合为(通道3)；第二种特征对应的第一候选集合为(通道3)，第二种特征对应的
第二候选集合为(通道3)，第二种特征值对应的候选通道集合为(通道3)，其中通道1的投票值为0，通道2的投票值为0，通道3的投票值为2，那么第三个时间窗口对应的候选通道集合为通道3。
[0188]
则，目标时间段内的有效通道集合为(通道3)。
[0189]
在本技术实施例中，振动事件识别方法还包括：
[0190]
在当前时间窗口不存在上一时间窗口的情况下，确定上一时间窗口的候选通道集合为空集；在上一时间窗口的候选通道集合为空集的情况下，可以直接确定第二候选集合为当前时间窗口对应的候选通道集合。
[0191]
在本技术实施例中，可以增加对第一候选集合、第二候选集合、以及上一时间窗口的候选通道集合的判断，在第一候选集合或上一时间窗口的候选通道集合为空集的情况下，确定第二候选集合为当前时间窗口对应的候选通道集合；在第一候选集合或上一时间窗口的候选通道集合为空集、且第二候选集合为空集的情况下，确定当前时间窗口对应的候选通道集合为空集。
[0192]
在本技术实施例中，可以判断第一候选集合、第二候选集合、以及上一事件窗口对应的候选通道集合是否为空集，从而能够避免过多筛选操作，从而提高通道筛选速率，提高振动事件识别速率。
[0193]
在本技术另一实施例中，在第一候选集合或上一时间窗口对应的候选通道集合为空集的情况下，对第二候选集合中的每个候选通道的数量进行统计。
[0194]
参考图10，在本技术实施例中，s1007包括：
[0195]
s10071、对有效通道集合中的多个有效识别通道各自对应的幅度波进行幅度滤波，得到多个有效识别通道各自对应的滤波信号；幅度波是指振动幅度信息随时间变换而形成的波形；幅度滤波具体可以是低通滤波，例如，将每个有效识别通道通过巴特沃斯(butterworth)滤波器进行滤波，以去除存在的高频噪声分量。
[0196]
s10072、分别对多个有效识别通道各自对应的滤波信号进行特征提取，得到多个有效识别通道各自对应的多种特征数据；特征数据包括时域特征、频域特征、以及小波阈特征。
[0197]
s10073、对于多个有效识别通道各自对应的多种特征数据进行归一化数据组合，得到多个有效识别通道各自对应的输入向量；具体的，对多个有效通道各自对应的多种特征数据进行归一化处理之后，以预设顺序进行排序，得到多个有效识别通道各自对应的输入向量。
[0198]
s10074、将多个有效识别通道各自对应的输入向量，输入振动事件识别模型进行事件类型识别，得到多个有效识别通道各自对应的振动事件类型；具体的，振动事件识别模型是基于样本输入向量和对应的振动事件类型进行智能识别训练得到的模型。
[0199]
在本技术实施例中，通过筛选有效识别通道进行识别，降低了输入振动事件识别模型的输入数据，降低了振动事件识别模型的训练难度，以及提高了振动事件识别模型识别结果的精确性。
[0200]
在本技术实施例中，光纤振动数据的采集以及存储、有效通道集合的提取、以及振动事件的识别相互独立，从而可以进行多进程并行运算，提高振动事件识别速率。
[0201]
本技术实施例中的振动事件识别方法具备如下有益效果：
[0202]
本技术实施例中的振动事件识别方法，通过基于时间窗口对应的振动探测矩阵，将目标时间段内中的有效通道进行提取，从而降低了事件识别的输入数据量，进而降低了识别数据处理量，提高振动事件识别效率，以及降低了事件识别成本；进一步地，通过采用时间窗口，将目标时间段内振动幅度信息与时间的关联信息，进行分片处理，从而降低数据处理复杂性，提高数据处理速度。
[0203]
参考图11，本技术实施例还提供一种振动事件识别装置，该装置包括：
[0204]
矩阵获取模块101，用于获取当前时间窗口对应的振动探测矩阵；当前时间窗口对应的振动探测矩阵表征目标光纤的多个识别通道对应的振动幅度信息与时间的关联信息；
[0205]
通道特征提取模块102，用于基于当前时间窗口对应的振动探测矩阵进行通道特征提取，得到当前时间窗口下多个识别通道各自对应的通道特征；
[0206]
候选通道集合确定模块103，用于基于当前时间窗口下多个识别通道各自对应的通道特征，以及上一时间窗口的候选通道集合，确定当前时间窗口对应的候选通道集合；
[0207]
当前时间窗口确定模块104，用于将当前时间窗口的下一时间窗口作为当前时间窗口；
[0208]
循环模块105，用于重复执行步骤：获取当前时间窗口对应的振动探测矩阵，至将当前时间窗口的下一时间窗口作为当前时间窗口；直至当前时间窗口为目标时间段内的最后一个时间窗口；
[0209]
有效通道集合确定模块106，用于将当前时间窗口对应的候选通道集合，确定为目标时间段对应的有效通道集合；
[0210]
事件识别模块107，用于基于有效通道集合在目标时间段对应的振动探测矩阵，进行振动事件识别，确定振动事件的类型。
[0211]
候选通道集合确定模块包括：
[0212]
第一候选单元，用于基于当前时间窗口下多个识别通道各自对应的通道特征，以及第一门限进行通道筛选，得到第一候选集合；
[0213]
第二候选单元，用于基于当前时间窗口下多个识别通道各自对应的通道特征，以及第二门限进行通道筛选，得到第二候选集合；第二门限大于第一门限；
[0214]
相交处理单元，用于对第一候选集合，以及上一时间窗口的候选通道集合进行求交集处理，确定相交通道集合；
[0215]
候选通道集合确定单元，用于基于相交通道集合，以及第二候选集合，确定当前时间窗口对应的候选通道集合；当前窗口对应的候选通道集合中的识别通道存在于相交通道集合或第二候选集合中。
[0216]
振动事件识别装置还包括：
[0217]
样本获取模块，用于获取多个样本识别通道对应的样本通道特征；
[0218]
特征统计模块，用于基于多个样本识别通道对应的样本通道特征进行特征值统计，得到样本通道特征对应的特征最大值、以及特征最小值；
[0219]
范围拓展模块，用于基于特征最小值以及特征最大值进行数值范围扩展处理，得到与特征最小值对应的第一门限，以及与特征最大值对应的第二门限；第一门限小于特征最小值，第二门限大于特征最大值。
[0220]
第一候选单元包括：
[0221]
第一通道确定单元，用于在任一识别通道对应的多种特征值，均大于或等于多种特征值各自对应的第一门限值的情况下，确定任一识别通道为第一候选通道；
[0222]
第一候选集合确定单元，用于基于第一候选通道生成第一候选集合；
[0223]
第一遍历单元，用于遍历多种特征标签；
[0224]
第一确定单元，用于确定第一当前特征标签下多个识别通道各自对应的特征值；
[0225]
第一标签候选确定单元，用于确定第一当前特征标签对应的第一标签候选通道集合；第一标签候选通道集合中的识别通道在第一当前特征标签下的特征值，大于或等于第一当前特征标签对应的第一门限值；
[0226]
第三候选集合确定单元，用于基于多种特征标签各自对应的第一标签候选通道集合，确定第一候选集合。
[0227]
第二候选单元包括：
[0228]
第二通道确定单元，用于在任一识别通道对应的多种特征值，均大于或等于多种特征值各自对应的第二门限值的情况下，确定任一识别通道为第二候选通道；
[0229]
第二候选集合确定单元，用于基于第二候选通道生成第二候选集合；
[0230]
第二遍历单元，用于遍历多种特征标签；
[0231]
第二确定单元，用于确定第二当前特征标签下多个识别通道各自对应的特征值；
[0232]
第二标签候选确定单元，用于确定第二当前特征标签对应的第二标签候选通道集合；第二标签候选通道集合中的识别通道在第二当前特征标签下的特征值，大于或等于第二当前特征标签对应的第二门限值；
[0233]
第四候选集合确定单元，用于基于多种特征标签各自对应的第二标签候选通道集合，确定第二候选集合。
[0234]
相交处理单元包括：
[0235]
分别相交单元，用于分别对同一特征标签下的第一标签候选通道集合，以及同一特征标签下的第三标签候选通道集合进行求交集处理，得到同一特征标签对应的第四标签候选通道集合；
[0236]
相交集合确定单元，用于基于多种特征标签各自对应的第四标签候选通道集合，确定相交通道集合；
[0237]
候选通道集合确定单元包括：
[0238]
分别并集处理单元，用于分别对同一特征标签下的第四标签候选通道集合，以及同一特征标签下的第二标签候选通道集合进行求并集处理，得到同一标签对应的第五标签候选通道集合；
[0239]
数量统计单元，用于对多种特征标签各自对应的第五标签候选通道集合中的每个候选通道的数量进行统计，得到每个候选通道的统计数量；
[0240]
目标通道确定单元，用于将统计数量大于等于预设数量的候选通道确定为目标通道；
[0241]
候选通道集合确定单元，用于基于目标通道生成当前时间窗口对应的候选通道集合。
[0242]
振动事件识别装置还包括：
[0243]
空集确定模块，用于在当前时间窗口不存在上一时间窗口的情况下，确定上一时
间窗口的候选通道集合为空集。
[0244]
事件识别模块包括：
[0245]
滤波单元，用于对有效通道集合中的多个有效识别通道各自对应的幅度波进行幅度滤波，得到多个有效识别通道各自对应的滤波信号；
[0246]
特征提取单元，用于分别对多个有效识别通道各自对应的滤波信号进行特征提取，得到多个有效识别通道各自对应的多种特征数据；
[0247]
向量生成单元，用于基于多个有效识别通道各自对应的多种特征数据进行归一化数据组合，得到多个有效识别通道各自对应的输入向量；
[0248]
事件识别单元，用于将多个有效识别通道各自对应的输入向量，输入振动事件识别模型进行事件类型识别，得到多个有效识别通道各自对应的振动事件类型。
[0249]
本技术实施例还提供一种电子设备，该电子设备包括处理器和存储器，储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述的振动事件识别方法。
[0250]
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个硬盘存储器件、闪存器件或其他易失性固态存储器件。相应的，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
[0251]
本技术实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置等电子设备中执行。图12是本技术实施例提供的电子设备。如图12所示，该电子设备900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，cpu)910(处理器910可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器930，一个或一个以上存储应用程序923或数据922的存储介质920(例如一个或一个以上海量存储设备)。其中，存储器930和存储介质920可以是短暂存储或持久存储。存储在存储介质920的程序可以包括一个或一个以上模块，每个模块可以包括对电子设备中的一系列指令操作。更进一步地，中央处理器910可以设置为与存储介质920通信，在电子设备900上执行存储介质920中的一系列指令操作。电子设备900还可以包括一个或一个以上电源960，一个或一个以上有线或无线网络接口950，一个或一个以上输入输出接口940，和/或，一个或一个以上操作系统921，例如windows servertm，mac os xtm，unixtm，linuxtm，freebsdtm等等。
[0252]
输入输出接口940可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备900的通信供应商提供的无线网络。在一个实例中，输入输出接口940包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口940可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
[0253]
本领域普通技术人员可以理解，图12所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备900还可包括比图12中所示更多或者更少的组件，或者具有与图12所示不同的配置。
[0254]
本技术的实施例还提供一种存储介质，该存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述的振动事件识别方法。
[0255]
上述说明已经充分揭露了本技术的具体实施方式。需要指出的是，熟悉该领域的技术人员对本技术的具体实施方式所做的任何改动均不脱离本技术的权利要求书的范围。相应地，本技术的权利要求的范围也并不仅仅局限于前述具体实施方式。