APP下载

一种适用于φ-OTDR 系统的光纤振动信号快速模式识别算法

2021-07-26严爱博宛立君吴梦实

声学与电子工程 2021年2期
关键词:振动分类信号

严爱博 宛立君 吴梦实

(第七一五研究所,杭州,310023)

近年来,φ-OTDR 已在长距离的周界安防[1,2]、管道预警[3,4]、船舶管道泄漏[5]、铁路安全监测[6]等领域中得到了高度的重视和广泛的应用。光纤振动信号是一种典型的非线性非平稳信号,加之光纤布局复杂,室外风雨等自然环境干扰,这些都导致了光纤信号特征提取和识别的精准度、稳定性难度增加[7-9]。

目前光纤振动信号识别可分为基于统计学的光纤振动信号识别算法和基于机器学习/深度学习的光纤振动信号识别算法。前者提取光纤信号在时域、频域及时频域中的某一个或某几个特征参数(如短时平均能量等),结合统计学方法进行入侵信号的检测和识别。S Mahmoud[10]、H Zhu[11]、卢娜[12]等先后提出基于时域包络特征、过阈值率、短时能量和短时过阈值的光纤信号识别算法,实现初步的干扰和入侵行为分类。此类算法的实现依赖于手动的特征提取,步骤较为复杂,且易受外界环境干扰,不适用于复杂环境下的光纤信号识别。

基于机器学习/深度学习的光纤振动信号识别算法首先利用一定的样本训练来学习入侵信号与入侵行为间的特征关系,找到最优的分类器或网络结构;再用训练好的识别模型对新的入侵信号进行识别。C Xu 等提出了基于谱减法-支持向量机( Support Vector Machines, SVM )[13]、基于卷积神经网络[14]的入侵信号检测,实现了93.8%的识别率。2019 年,Y Wang 等结合小波能量谱分析和相关矢量机,对三个干扰事件进行检测,识别率超过88.6%,但对其中的撞击和行人干扰难以区分,准确率略低于85%[15]。……

登录APP查看全文

猜你喜欢

振动分类信号
振动的思考
分类算一算
信号
完形填空二则
振动与频率
基于FPGA的多功能信号发生器的设计
中立型Emden-Fowler微分方程的振动性
教你一招:数的分类
基于LabVIEW的力加载信号采集与PID控制
UF6振动激发态分子的振动-振动驰豫