分布式Sagnac光纤传感系统的振动信号模式识别研究

发布时间：2020-11-03 19:54

　　 分布式光纤传感器以光纤作为传感元件与传感信号传输媒质,能够实现远距离、大范围的传感,在缺乏通信、电力等复杂环境下也能以低成本实现高质量的传感,具有其它传感器不可替代的优势。但由于检测距离长、激光器光源噪声、外界环境干扰问题,分布式光纤传感信号伴随着大量非入侵的信号,导致系统虚警率高,因此分离出传感信号中的入侵信号是系统关键之一,有效的入侵信号提取算法,能够精准快速的从伴随非入侵信号的传感信号中分离出入侵信号,降低系统后期对入侵信号识别时的计算量,提升系统后期对入侵信号的识别率。入侵传感信号识别是系统另一关键点,是指对入侵传感信号种类进行识别。光纤传感系统对外界的传感反应在对光信号的相位调制上,这些传感信号波形往往极为相似,增加了种类识别的难度,也增加了系统的误报率。如何用综合性强的特征来表征光纤入侵信号,以及选择合适的分类器对入侵信号分类也是近年来的研究难点。本文从多方面对分布式光纤传感进行了研究,主要内容如下:1、分析光纤作为敏感元件的基本传感原理,研究了Sagnac型与其它几种常用的分布式光纤传感结构的传感原理,总结当前Sagnac型分布式光纤传感系统入侵信号模式识别现状。2、针对分布式光纤入侵信号提取不精确,常导致分离出的入侵信号含有多余信号,增加特征提取与模式识别计算量,降低系统对入侵信号的识别率,提出利用融合短时过电平和短时对数能量的LC(Level Crossing,LC)算法对入侵信号提取、分析了CA-CFAR计算自适应阈值的算法。3、在分布式光纤振动信号提取方面,采用小波变换、EMD分解,提取分布式光纤振动信号的峭度、能量、能量占比等频域特征,联合传统时域特征形成多维联合特征表征光纤入侵信号。4、构建支持向量机(support vector machine,SVM)与极限学习机(extreme learning machine,ELM)对入侵信号进行识别,对比了不同入侵信号特征组合在不同分类算法中的识别率与识别稳定性。
【学位单位】：新疆大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP212
【部分图文】：

图 4-8 敲击信号的 EMD 分解信号与对应的傅立叶频谱示为跑动信号的典型信号，对跑动信号进行 EMD 分解频谱如图 4-9 所示，可见跑动信号的分解信号主要集时因为跑动信号的 EMD 分解信号分量个数少，成为跑击信号的区别点。
【相似文献】

相关期刊论文 前10条

1 黄自桥;吕霞;;谈“模式识别”在提升学生解题能力方面的应用[J];中学数学教学参考;2016年33期

2 李振义;;模式识别函数组合,巧解函数不等式[J];中学数学教学参考;2017年12期

3 孙明辉;;重视“模式识别”的作用 提高“变式教学”的效率[J];数学通讯;2016年20期

4 易李平;;精彩优质课堂我做主——《模式识别快乐学习之旅》磨课体会[J];发明与创新(教育信息化);2017年01期

5 左延金;;模式识别学习“激趣”学习任务[J];中小学电教(下半月);2017年07期

6 郝冬梅;吴水才;;医学模式识别课程建设的探索[J];医学信息;2010年03期

7 史海成;王春艳;张媛媛;;浅谈模式识别[J];今日科苑;2007年22期

8 严红平;潘春洪;;模式识别简述[J];自动化博览;2006年01期

9 郑士贵;R&D项目中止决策的Fuzzy模式识别[J];管理科学文摘;1998年06期

10 ;模式识别[J];电子科技文摘;1999年08期

相关博士学位论文 前10条

1 丁世飞;基于信息理论的数字模式识别及应用研究[D];山东科技大学;2004年

2 王緌;企业核心能力的湍流挖掘模型及挖掘实验[D];四川大学;2005年

3 金涛;非对称神经网在模式识别中的应用[D];兰州大学;2006年

4 万海平;模式识别中核方法若干问题研究[D];北京邮电大学;2006年

5 朱永宣;基于模式识别的入侵检测关键技术研究[D];北京邮电大学;2006年

6 任海萍;医学图像配准和模式识别研究[D];中国协和医科大学;2003年

7 徐立祥;模式识别核方法的理论研究及其应用[D];安徽大学;2017年

8 薛洋;基于单个加速度传感器的人体运动模式识别[D];华南理工大学;2011年

9 罗颂荣;基于变量预测模型模式识别的旋转机械故障诊断研究[D];湖南大学;2015年

10 颜学峰;高维复杂模式识别的新方法[D];浙江大学;2002年

相关硕士学位论文 前10条

1 于发硕;分布式Sagnac光纤传感系统的振动信号模式识别研究[D];新疆大学;2019年

2 黄靖婷;基于小波包的脑电波信号模式识别研究[D];兰州大学;2019年

3 许可;生机电一体化仿人假手动作模式识别及控制系统研究[D];上海交通大学;2017年

4 张志浩;基于代码克隆检测的重构模式识别[D];齐鲁工业大学;2019年

5 尉茜茜;基于模式识别的频谱数据压缩方法研究[D];西华大学;2018年

6 施纯源;基于RGB-D深度学习的假手抓取模式识别及控制研究[D];哈尔滨工业大学;2018年

7 顾绍玲;基于表面肌电信号的磨牙症精准模式识别基础研究[D];南京航空航天大学;2018年

8 胡晓明;基于人体肌肉电信号的下肢运动模式识别[D];重庆大学;2018年

9 李林峰;基于腕部三轴加速度的运动模式识别[D];燕山大学;2018年

10 杨光垚;基于特征寻优与深度学习的高压电缆局部放电模式识别研究[D];华中科技大学;2018年

本文编号：2869029