基于DyT-Transformer与CNN的Φ-OTDR事件识别方法

本发明涉及分布式光纤传感技术领域，具体公开了一种基于DyT‑Transformer与CNN结合的相敏光学时域反射(Phase‑Sensitive Optical Time Domain Reflectometer，Φ‑OTDR)事件识别方法，旨在提升复杂光纤传感事件的分类精度和计算效率。针对现有Φ‑OTDR识别方法在复杂光纤传感事件分类中存在的精度不足问题，本发明创新性地提出了一种结合DyT‑Transformer与CNN的深度学习框架。该方法对Φ‑OTDR原始信号进行预处理，利用DyT‑Transformer模块提取时间序列特征，其中DyT取代传统归一化层，提高训练稳定性和收敛速度，增强时序特征提取能力。利用CNN捕捉局部空间的特征，与DyT‑Transformer实现时空特征的融合，进行事件分类。结果表明，该方法显著提高了Φ‑OTDR事件识别的分类精度，同时加速了模型训练过程，适用于光纤传感场景事件识别。