1.分布式电力光纤振动信号降噪与时序特征提取的识别方法，其特征是：该方法由以下步骤实现：步骤一、采集光纤振动事件的时空矩阵信号，并对所述矩阵信号进行裁剪，保留有效空间采样点的数据；然后对所述采样点的数据标记事件类型标签，构建光纤振动事件数据集；

步骤二、采用步骤一所述的光纤振动事件数据集构建ASVD模型并进行训练，并对训练后的ASVD模型进行测试，获得光纤振动事件的分类结果；

具体训练过程为：

设定ASVD模型中的深度残差网络作为主干模型，在每层卷积操作后对该层卷积层获得的特征图按通道进行降噪处理，获得降噪后的特征序列X；具体为：设某一卷积层的输出为Z；

Z＝[z1,…,zk,…,zc]

其中，zk为卷积后第k个的特征图；

首先，对各通道输出的特征图元素取绝对值，再对各通道输出的特征图进行GAP操作，获得每个特征图的元素平均值，采用MLP对所述元素平均值进行仿射变换，获得一个在(0,

1)范围的放缩参数μk；

式中，γk为第k个的特征图的特征值，μk为第k个特征图的放缩参数，放缩参数μ＝[μ1,...,μk,...,μc],按下述公式计算软阈值为：式中，c，w，h分别为特征图的通道数、宽和高，xc,w,h为第c个通道的特征图元素，θk为第k个特征图的软阈值；

采用第k个通道的软阈值θk对第k个通道的所有特征图元素xk进行降噪，输出降噪后的特征图z'k，用下式表示为：z′k＝sign(xk)·max(|xk|‑θk，0)式中，sign(.)为符号函数，xk为第k个通道的所有特征图元素，每个通道对应一个软阈值，对各个通道进行软阈值操作获得降噪后的特征图Z'＝[z'1,…,z'k…,z'c]，并将其作为下一卷积层的输入；

在最后一层卷积层，将降噪后的特征图按时间重新分配获得降噪后的特征序列X；

采用长短时记忆网络对所述降噪后的特征序列X进行时序状态特征提取，获得振动信号时域特征，完成ASVD模型的训练；具体为：所述长短时记忆网络采用两个双向长短时记忆网络和一个单向长短时记忆网络的结构；

在t时刻，输入特征序列Xt，前向隐状态 和反向隐状态 更新为：式中，LSTM为递归层；将前向隐状态和反向隐状态连接，在t时刻双向长短时记忆网络的输出值Ot，用下式表示为：Ot＝HtWhq+bq

式中，Ht为输出层的隐状态，q为输出层单元的数目，Whq为权重参数，bq为偏置参数；

将第一个双向长短时记忆网络的输出值O作为下一个双向长短时记忆网络的输入，重final复上述操作，获得第二个双向长短时记忆网络的输出O ；

采用单向长短时记忆网络捕捉序列状态的顺序模式，获得输出序列为：s＝hT

式中， 为在t时刻下的输入，ot为在t时刻下的输出，ht，ct为在t时刻下的隐状态，ht，ct为t‑1时刻下的隐状态，T表示序列长度，s为最后一个时间步的隐藏状态；

根据状态向量s，多层感知机的分类输出为：

g＝σ(sw1+b1)

P＝φ(σ(gw2+b2))

式中，w1、b1为隐藏层权重和偏置，w2、b2为输出层权重和偏置，g为隐藏层输出，σ为激活函数Relu，φ为激活函数Softmax；最终获得对应样本在K类下的推测概率值P。

2.根据权利要求1所述的分布式电力光纤振动信号降噪与时序特征提取的识别方法，其特征在于：步骤一中，利用分布式光纤振动传感系统采集在光纤振动事件发生时各个空间点的信号，对空间点的信号累计后构成时空矩阵信号；对所述信号进行裁剪，保留光纤尾部的12个空间采样点，获得有效空间采样点的二维时空矩阵；

按事件类型设定标签后，根据二维时空矩阵，构建含括六种不同类型的光纤振动事件数据集。