共查询到20条相似文献,搜索用时 15 毫秒
1.
相位光时域反射链路监测系统是一种利用光纤作为传感介质的传感系统, 能够监测、定位、识别入侵信号.模式识别模块是其重要组成部分, 实时智能区分安全扰动和危险入侵.本文提出一种用于光纤链路振动信号模式识别的复合特征提取方法.利用改进的双门限方法确定有效信号段的起止位置, 结合最大能量与最高信噪比挑选出采样周期内主要入侵扰动的特征段.综合利用特征段时域持续时间和小波包能量谱提取复合特征向量, 使用支持向量机进行模式识别.实验表明, 基于本文提出的规整化特征提取方法的模式识别准确率有了显著提高. 相似文献
2.
针对分布式光纤入侵监测系统在室外复杂环境下误报率过高的问题,提出了一种基于时/频域综合特征提取的入侵事件识别方法。使用自适应幅值门限信号切分算法找出有效振动信号片段,在此基础上提取平均片段间隔特征。选取最大能量片段作为主要研究对象,提取片段长度和峰均比特征,并对其进行小波包分解,生成频域能量分布特征,组成时/频域复合特征向量,使用高性能的支持向量机多分类算法进行模式识别。实验结果表明:该方法对行人脚踩、自行车轧过、拍击围栏和剪切光缆这4种典型入侵事件的平均识别正确率达到了98.33%,相比于仅提取时域或频域特征方法的识别正确率均有显著提高。该方法对光路光功率变化不敏感,能有效提升系统的实用性。 相似文献
3.
4.
在光纤周界安防系统中,急需对入侵事件实现准确而高效的识别,对事件特征做简练而恰当的描述是其关键所在.本文提出一种基于综合特征的入侵事件识别方法,该方法引入全相位滤波器组将输入信号并行分解为多个频率通道,以提取这些通道的归一化功率值;进而与信号过零率相结合,构成包含时域信息、频域信息的综合特征向量;最后将该特征向量馈入径向基函数神经网络即可准确识别出攀爬、敲击、晃动、剪切四种常见的入侵动作.实验证明,本文方法相比于现有的经验模态分解方法,不仅提高了精度,而且显著加快了识别速度. 相似文献
5.
一种基于光纤布喇格光栅振动传感器的光纤围栏入侵监测系统及其模式识别 总被引:1,自引:1,他引:0
基于高灵敏度光纤布喇格光栅振动传感器,提出了一种光纤围栏入侵监测系统及其模式识别方法.该方法通过具有自适应动态阈值的时域统计特征提取算法对异常事件信号进行特征提取,将特征矢量输入到一个基于三层BP神经网络而设计的分类器中对目标事件进行识别和分类.通过仿真目标信号和实际采样数据进行测试,对系统的报警识别率进行了验证,结果表明:对于仿真信号,系统的平均正确识别率达到了100%;对于实际采样数据,系统的平均正确识别率可以达到96.83%. 相似文献
6.
7.
8.
9.
10.
《光学学报》2016,(1)
采用传统单路传感光纤实现对信息特征的测量,常由于交叉敏感等不可控因素使测量数据出现异常值,导致信息分析偏差较大,识别准确度低。因此,提出了一种基于双相干谱、样本熵和奇异值分解(BSS)和反向传播神经网络(BPNNDS)算法的多路光纤入侵传感系统信息的特征提取与识别方法。针对含3路传感光纤的布里渊光时域反射(BOTDR)传感入侵检测系统,该方法利用BSS算法分别对不同入侵类型的多路信号进行特征提取;采用BPNN算法对不同入侵振动特征矢量进行分类;经Dempster Shafer(DS)证据理论算法对多路传感光纤的时空信息进行融合。数值分析与仿真实验结果表明,提出的信息提取方法可以有效提取出多路传感网络的信息特征,且使用BPNN-DS证据理论的多路信息融合方法能够准确识别多路入侵传感网络的信号类型,具有较高的准确度和可信度。 相似文献
11.
提出了以长短期记忆网络(LSTM)与卷积神经网络(CNN)为主要框架的深度学习网络,基于该网络实现模式识别。LSTM-CNN以时域曲线及其短时傅里叶变换(STFT)结果作为网络输入,LSTM提取输入信号的时序特征,CNN提取时域曲线的轮廓特征及能量特征。实验中以相敏光时域反射仪(φ-OTDR)为传感系统完成数据采集。将LSTMCNN与传统的人工神经网络(ANN)及CNN对比,LSTM-CNN在各项评价指标中均处于最优状态,实现了φ-OTDR模式识别的既定目标,为实际的工程产品开发提供了概念证明与演示示例。 相似文献
12.
13.
14.
15.
《光学技术》2013,(6):488-495
针对长输管道的实时监测和周界的安全预警,建立基于双Sagnac干涉仪的分布式光纤传感安全预警系统,包括双Sagnac干涉仪的光路系统和基于LabVIEW平台的控制与检测软件。分析了管道破坏和周界入侵等产生的外界扰动信号对光相位信号的调制原理和利用频域幅值法的定位原理,并研究了脉冲扰动信号和连续扰动信号的过零数分布情况。基于以上原理,开发了报警算法、定位算法和外界扰动类型判别算法软件,并进行了实验研究。实验结果表明,该安全预警系统可实现外扰动的实时监测、定位和扰动类型判别功能,具有定位精度较高、运行稳定可靠、操作便捷等优点,在工程中具有良好的应用前景。 相似文献
16.
沈隆翔封皓沙洲曾周末 《光学学报》2017,(8):81-90
基于模拟下变频器、数字IQ解调和反向传播(BP)神经网络,采用现场可编程门阵列结合数字信号处理器(FPGA+DSP)的数据采集和处理架构,提出了一种全嵌入式高信噪比(SNR)、高分辨率和低成本的外差型相位敏感光时域反射(Φ-OTDR)技术模式识别方法。针对外差型Φ-OTDR技术,使用DSP、FPGA及其外围硬件电路替代原有的GHz级高速采集卡和信号发生器,减小了系统的体积和成本。在此基础上,设计了基于时空域二维图提取形态学特征的方法,并采用BP神经网络进行分类识别;所提方法相对于传统的针对一维信号进行模式识别的方法误报率更低、识别率更高。实验结果表明,所设计的基于FPGA+DSP全嵌入式并行信号处理架构满足实时监测的要求,SNR高达12.43dB,事件识别准确率达到97.78%。 相似文献
17.
针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。 相似文献
18.
《光学学报》2017,(8)
基于模拟下变频器、数字IQ解调和反向传播(BP)神经网络,采用现场可编程门阵列结合数字信号处理器(FPGA+DSP)的数据采集和处理架构,提出了一种全嵌入式高信噪比(SNR)、高分辨率和低成本的外差型相位敏感光时域反射(Φ-OTDR)技术模式识别方法。针对外差型Φ-OTDR技术,使用DSP、FPGA及其外围硬件电路替代原有的GHz级高速采集卡和信号发生器,减小了系统的体积和成本。在此基础上,设计了基于时空域二维图提取形态学特征的方法,并采用BP神经网络进行分类识别;所提方法相对于传统的针对一维信号进行模式识别的方法误报率更低、识别率更高。实验结果表明,所设计的基于FPGA+DSP全嵌入式并行信号处理架构满足实时监测的要求,SNR高达12.43dB,事件识别准确率达到97.78%。 相似文献
19.
20.
针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSA-SVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响; 其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量; 最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。 相似文献