本文關鍵詞：光纖振動信號的CFAR檢測算法性能研究

  更多相關文章： 光纖預警 ΦOTDR 振動信號 恒虛警 自適應檢測

【摘要】：針對光纖預警系統(tǒng)的應用需求,為了能夠從非平穩(wěn)噪聲背景中有效地檢測出振動信號,通過控制虛警率對噪聲進行濾除,深入研究了廣泛應用于雷達目標檢測的恒虛警檢測技術。以發(fā)展實用化的光纖預警系統(tǒng)為目的,在大量現(xiàn)場實驗數(shù)據(jù)的支持下,采用理論分析和實驗驗證的研究方法,對光纖振動信號統(tǒng)計特性建模、非平穩(wěn)干擾下光纖振動信號二維二級檢測算法、光纖振動信號自適應CFAR檢測等關鍵技術進行了深入研究。首先研究了光纖振動信號CFAR檢測算法,目的是解決光纖振動信號檢測過程中虛警概率不穩(wěn)定的問題。詳細介紹了已有經典CFAR檢測算法,指出了經典檢測算法應用到光纖振動信號檢測中存在的檢測性能不穩(wěn)定及實時性差等主要問題。針對這些問題,提出二維二級CFAR檢測算法,該算法充分綜合了已有CFAR算法的優(yōu)點,在非平穩(wěn)干擾噪聲背景下保持了虛警率穩(wěn)定,既提高了運算速度,也改善了參考單元中存在多個目標的檢測性能。接著研究了光纖振動信號自適應檢測技術,目的是解決由于環(huán)境及地質結構不同使檢測性能不穩(wěn)定的問題。以構建光纖振動信號自適應檢測過程為目的,深入研究了自適應檢測算法。通過對原有Ⅵ-CFAR檢測算法的改進,利用第三章提出的基于CFAR檢測典型算法的二級檢測算法,實現(xiàn)了自適應恒虛警檢測,能夠根據(jù)噪聲背景自適應選擇檢測算法,有效避免由于環(huán)境及地質結構對檢測性能的影響,改善了光纖預警系統(tǒng)的檢測性能,且自適應CFAR檢測算法對于光纖振動信號檢測具有理論檢測性能好,工程實用性強等特點。最后介紹了利用前幾章提出的原理構建的光纖振動信號自適應檢測技術在山東威海乳山供電公司實驗基地條件下做的現(xiàn)場實驗及應用情況,模擬了大量的敲擊光纜、砸地兩種典型振動信號,對分布式光纖振動檢測及預警技術的異常事件類型識別性能進行測試。通過現(xiàn)場實驗,進一步驗證了本文算法的有效性及實用性,能夠準確檢測出振動信號,達到預警目的。
【關鍵詞】：光纖預警 ΦOTDR 振動信號 恒虛警 自適應檢測
【學位授予單位】：北方工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TE973.6
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-18
• 1.1 研究背景及意義8-9
• 1.2 國內外研究現(xiàn)狀及發(fā)展動態(tài)分析9-14
• 1.2.1 光纖預警技術9-11
• 1.2.2 恒虛警檢測研究現(xiàn)狀11-14
• 1.3 本文的工作及內容14-18
• 第二章 光纖預警系統(tǒng)18-24
• 2.1 引言18
• 2.2 系統(tǒng)簡介18-19
• 2.3 系統(tǒng)組成19-22
• 2.4 系統(tǒng)工作原理22-23
• 2.5 本章小結23-24
• 第三章 光纖振動信號二維二級CFAR檢測算法24-38
• 3.1 引言24
• 3.2 光纖振動信號模型分析24-26
• 3.3 二維恒虛警參考滑窗26-29
• 3.4 CFAR檢測典型算法綜述29-35
• 3.4.1 CA-CFAR29-33
• 3.4.2 OS-CFAR33-35
• 3.5 基于CFAR檢測典型算法的二級檢測35-37
• 3.6 本章小結37-38
• 第四章 光纖振動信號自適應CFAR檢測算法38-46
• 4.1 引言38
• 4.2 典型自適應CFAR檢測算法38-41
• 4.3 基于自適應背景選擇的光纖振動信號檢測算法41-43
• 4.4 性能分析43-45
• 4.4.1 算法效率分析43-44
• 4.4.2 算法性能驗證及分析44-45
• 4.5 本章小結45-46
• 第五章 現(xiàn)場實驗與應用研究46-53
• 5.1 引言46
• 5.2 實驗基地線路情況46-48
• 5.3 測試方案48-49
• 5.4 現(xiàn)場實驗49-52
• 5.4.1 敲擊光纜49-50
• 5.4.2 砸地實驗50-52
• 5.5 本章小結52-53
• 第六章 總結與展望53-55
• 6.1 工作總結53-54
• 6.2 研究展望54-55
• 參考文獻55-60
• 在學期間的研究成果60-61
• 致謝61

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 Xianxiang Qin;Huanxin Zou;Shilin Zhou;Yun Ren;;A Generalized Gamma Distributed CFAR Algorithm for Layover and Shadow Detection in InSAR Images[A];2013年中國智能自動化學術會議論文集（第二分冊）[C];2013年

2 Dang Ling;Wang Pingjun;Wang Zhikai;;A Method for Determining Scale Factor of CFAR Detector Based on BP Neural Networks[A];2012年計算機應用與系統(tǒng)建模國際會議論文集[C];2012年

3 邢相薇;陳振林;鄒煥新;周石琳;;一種基于兩級CFAR的SAR圖像艦船目標快速檢測算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

4 Ho-Hsuan Chang;;The Statistical Properties of GLR in Nonhomogeneous Clutter[A];2005年海峽兩岸三地無線科技學術會論文集[C];2005年

5 孫長生;柳曉鳴;;VTS雷達子系統(tǒng)有序統(tǒng)計類CFAR檢測器的設計和實現(xiàn)[A];中國航海學會通信導航專業(yè)委員會2006年學術年會論文集[C];2006年

6 田巳睿;王超;張紅;;Envisat AP圖像P-CFAR艦船檢測方法研究[A];第二屆微波遙感技術研討會摘要全集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 龔樹鳳;不確定條件下的機會陣雷達信號處理技術研究[D];南京航空航天大學;2015年

2 王明宇;復雜環(huán)境下雷達CFAR檢測與分布式雷達CFAR檢測研究[D];西北工業(yè)大學;2002年

3 魏璽章;分布式CFAR檢測理論研究[D];中國人民解放軍國防科學技術大學;2002年

4 關鍵;多傳感器分布式恒虛警率（CFAR）檢測算法研究[D];清華大學;2000年

5 杜海明;雷電信號檢測方法及相關問題研究[D];華中科技大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳星忠;基于多層CFAR算法的超高分辨率SAR圖像目標檢測[D];西安電子科技大學;2014年

2 姜R，

本文編號：967328