分布式光纤传感周界安防系统的入侵信号处理研究

发布时间：2021-07-17 10:02

　　提出了一种基于相位敏感光时域反射计Φ-OTDR的分布式光纤传感周界安防系统的扰动信号处理算法,先对信号进行降噪和加窗分帧处理,然后采用三层小波包分解实现信号能量特征提取,最终基于BP神经网络实现扰动信号分类.通过Matlab实验分析,本识别方法能够有效的区分风雨、电钻等机械振动、汽车碾压、人为攀爬不同类型的扰动事件,准确率分别达到85.7%,94.3%,91.4%和90%,系统稳定性高、误报率低,有效节约了人力资源成本,提高了工作效率. 

【文章来源】：枣庄学院学报. 2020,37(05)

【文章页数】：8 页

【部分图文】：

Φ-OTDR原理图

分布式光纤传感周界安防系统的外界扰动信号主要为两大类，一类是风雨等环境因素导致的非入侵扰动，另一类是人为的入侵扰动或蓄意入侵，例如人为攀爬、汽车碾压以及电钻或机车挖掘施工导致的机械振动等.如何区分扰动信号是环境噪声干扰还是人为入侵以及入侵信号的分类是工程应用中重点考虑的问题，尤其是第一步判断扰动信号是否为入侵信号是降低误报率的有效手段.经过光电探测和前置放大后的扰动信号被采集后送入上位机进行处理，图2为具体处理流程.本文设计的方案为首先将采集的信号进行降噪和加窗分帧等预处理，然后通过三层小波包分解实现信号能量特征提取，最后以BP神经网络为分类器实现对扰动信号分类．2.1 预处理

传感光纤中的后向瑞利弹性散射信号非常微弱，这就要求光电探测器的灵敏度非常高，上位机采集到的信号会夹带大量的背景噪声，如何尽可能去除噪声是信号进行模式识别之前面对的首要问题.背景噪声主要有三类，第一类是分布式光纤传感周界安防系统可能穿越山区、河流、道路等不同地质环境而引起的低频地质振动噪声以及环境温度变化引起的相位漂移噪声，第二类是系统探测器等电学元器件产生的近似为白噪声的电噪声，第三类是光信号在传感传输过程中存在的光强噪声和瑞利噪声等.采用数字信号滤波器是目前信号预处理阶段的首选，FIR滤波器相较于IIR滤波器能得到线性的相位，在满足幅频响应要求下扰动信号能够进行无失真的通过，且应用灵活并容易实现，FIR数字滤波器最常用的设计办法是频率采样法和窗函数法.所以，本文设计了基于汉明窗的FIR滤波器对扰动信号进行低通滤波，上限截止频率设定为fH=20KHz,FIR滤波器幅频增益响应如图3所示，滤波后的风雨、电钻等机械振动、汽车碾压、人为攀爬四种扰动事件的信号波形如图4所示．2.1.2 加窗分帧

【参考文献】：
期刊论文
[1]基于小波包的分布式光纤信号降噪方法[J]. 吴亚明.  激光杂志. 2018(10)
[2]基于SVM算法的φ-OTDR分布式光纤扰动传感系统模式识别研究[J]. 张俊楠,娄淑琴,梁生.  红外与激光工程. 2017(04)
[3]分布式光纤传感器周界安防入侵信号的多目标识别[J]. 喻骁芒,罗光明,朱珍民,叶剑.  光电工程. 2014(01)

硕士论文
[1]Ф-OTDR分布式光纤扰动传感系统模式识别研究[D]. 张颜.北京交通大学 2016
[2]采用BP神经网络的分布式入侵检测模型构建[D]. 周贵旺.山西大学 2011



本文编号：3287957