Ф-OTDR光纤预警系统模式识别方法研究

发布时间：2017-04-08 03:17

  本文关键词：Ф-OTDR光纤预警系统模式识别方法研究，由笔耕文化传播整理发布。

【摘要】：相干瑞利散射(Ф-OTDR)分布式光纤预警系统通过检测光纤各部分后向散射光的光强,实现对外部侵扰活动的检测及其定位。在光纤预警系统中,外部侵扰信号的分类识别至关重要。若产生误报,不但造成人力物力上的浪费,严重时可能延误处理时机甚至危及生命财产安全。因此如何准确识别入侵事件种类,及时报警,减少误报,避免不必要的资源浪费一直是光纤预警系统研究的关键问题,受到研究者的广泛关注。本文在课题组Ф-OTDR光纤预警系统研究的基础上针对传统模式识别方法应用到光纤预警系统中存在的缺陷和不足,重点研究管道外部入侵事件所激发的信号特征,提出了高精度、高效率的模式识别方法。分析Ф-OTDR分布式光纤传感原理及入侵信号产生机理,研究入侵信号传播过程,建立入侵信号传播模型以及光纤预警系统中信号转换模型,解释了外力作用于光纤预警系统时检测信号的产生和传递过程。由于Ф-OTDR光纤预警系统得到的散射曲线在空域上无法反应信号特征,因此将曲线在时域上连缀进行时-空重构。对时-空域信号重构过程进行建模仿真,分析不同类型事件在时-空域的特征,对于信号特征分析和模式识别方法设计提供了理论依据。针对先定位后提取信号特征的方法受初始相位的影响容易产生定位误差,造成特征向量可分性差,导致模式重叠,本文提出了脉冲扫描成像形态特征提取方法,首先将时-空域信号进行区域分割,然后提取事件区域的形态特征作为特征向量,并利用计算散布矩阵的方法进行特征选择,得到时-空域信号最优特征向量。在分类器设计环节,为了满足Ф-OTDR光纤预警系统在线实时监测的要求,针对三种典型入侵事件信号非线性、小样本的特点,本文提出了相关向量机分类识别方法。针对不同的特征向量分布选择不同的核函数。采用一对一的多分类决策满足相关向量机多分类的需求,并采用交叉验证的方法来测试分类器性能。通过三种典型的管道入侵事件对本文的方法进行验证,结果表明本文提出的脉冲扫描成像信号特征提取方法能够显著提高分类准确率以及识别效率,同时,本文提出的相关向量机分类识别方法相比传统的分类器具有更好的学习和泛化能力。对于Ф-OTDR光纤预警系统,本文提出的模式识别方法能够快速、精准的识别入侵事件种类,减少误报,满足现场实时监测的要求。
【关键词】：相位敏感光时域反射计 安全预警系统 特征提取 模式识别
【学位授予单位】：天津大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.4
【目录】：

• 中文摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-31
• 1.1 光纤预警传感技术9-20
• 1.1.1 干涉型光纤传感技术9-13
• 1.1.2 光纤光栅型传感技术13-15
• 1.1.3 OTDR光纤传感技术15-20
• 1.2 光纤传感系统建模20-21
• 1.3 光纤预警系统模式识别21-27
• 1.3.1 特征提取22-25
• 1.3.2 模式识别分类器25-27
• 1.4 论文的主要内容27-31
• 第二章 Φ-OTDR光纤预警系统模型31-51
• 2.1 地表振动32-35
• 2.2 光纤振动35-37
• 2.3 光纤形变37-39
• 2.4 相位调制39-42
• 2.5 光电转换42-45
• 2.6 仿真分析45-50
• 2.6.1 入侵事件作用力45-46
• 2.6.2 仿真模型46-50
• 2.7 小结50-51
• 第三章 Φ-OTDR光纤预警信号重构51-67
• 3.1 信号采集51-52
• 3.2 信号重构52-55
• 3.3 Ф-OTDR光纤预警信号时间-空间域描述55-66
• 3.4 小结66-67
• 第四章 光纤预警信号特征提取67-101
• 4.1 一维信号特征提取67-83
• 4.1.1 入侵事件定位68-69
• 4.1.2 小波特征提取69-73
• 4.1.3 经验模态特征提取73-77
• 4.1.4 特征评价77-83
• 4.2 脉冲成像形态特征提取83-99
• 4.2.1 信号阈值分割83-92
• 4.2.2 形态特征92-98
• 4.2.3 特征选择98-99
• 4.3 小结99-101
• 第五章 模式识别分类器101-123
• 5.1.相关向量机分类器102-108
• 5.1.1 相关向量机102-104
• 5.1.2 核函数104-107
• 5.1.3 一对一多分类决策107-108
• 5.2 分类器参数108-111
• 5.3 分类器评价111-116
• 5.4 现场应用116-121
• 5.5 小结121-123
• 第六章 总结与展望123-125
• 6.1 主要研究成果123-124
• 6.2 需要进一步研究的问题124-125
• 参考文献125-133
• 科研成果页133-134
• 致谢134-135

【相似文献】

中国期刊全文数据库 前10条

1 赵喜林,赵喜玲,江祥奎;模式识别方法及其比较分析[J];信阳农业高等专科学校学报;2004年03期

2 董j;李光军;贺仲雄;;复杂系统的集对模式识别方法[J];现代电子技术;2007年02期

3 卢洵,李世铮,张波涛;一种有效的模式识别方法[J];激光与光电子学进展;1999年S1期

4 李永武,叶志前,陆金芳;计算机辅助分子构效关系研究的模式识别方法[J];杭州医学高等专科学校学报;2002年Z1期

5 张春梅;田玉宝;王尚锦;;具有领域独立性的通用模式识别方法的研究[J];微电子学与计算机;2006年08期

6 钱宗华;周建军;;生物信息学模式识别方法研究[J];内江科技;2007年04期

7 姜楠;;模式识别方法在入侵检测中的应用[J];电子技术应用;2007年10期

8 梁添才;皮佑国;丘志文;王素利;;基于原型匹配的模式识别方法[J];华南理工大学学报(自然科学版);2008年05期

9 张植蓝宝;张建国;;基于新的模式识别方法和函数的研究[J];科技创新与生产力;2011年06期

10 崔卫国;李华祥;;用模式识别方法判别氧化物的溶解性[J];湛江水产学院学报;1989年Z1期

中国重要会议论文全文数据库 前6条

1 王庆人;;采用知识库的模式识别方法[A];IEEE北京分会第一届学术年会论文集[C];1987年

2 马超;方剑青;李红军;雷玉锦;周陆军;赵烨;;声学共振谱信号模式识别方法[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

3 朱孝开;杨德贵;;基于多层SVDD的模式识别方法[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

4 田高友;刘慧颖;;近红外光谱技术识别车用无铅汽油的应用研究[A];第三届科学仪器前沿技术及应用学术研讨会论文摘要集[C];2006年

5 崔建国;张大千;吕瑞;徐心和;;基于模糊聚类网络复杂信号的模式识别方法研究[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

6 刘南;王鹏;李宏;;光纤传感信号特性分析及模式识别方法[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

中国博士学位论文全文数据库 前5条

1 科纳提（Ahmed Amara KONATE）;在结晶岩中使用模式识别方法进行地球物理测井数据分类[D];中国地质大学;2015年

2 孙茜;Ф-OTDR光纤预警系统模式识别方法研究[D];天津大学;2015年

3 王彦，

本文编号：291962