發(fā)布時(shí)間：2020-04-29 23:26

【摘要】：相位敏感光時(shí)域反射儀(Φ-OTDR)具有靈敏度高和響應(yīng)速度快的優(yōu)點(diǎn),適用于探測微弱振動(dòng)事件,在周界安防入侵監(jiān)測、油氣管道泄漏監(jiān)測、周邊非法施工警戒等領(lǐng)域具有很大的潛在應(yīng)用價(jià)值。但在現(xiàn)場條件下,僅僅發(fā)現(xiàn)或定位入侵事件已不能夠滿足需求,因此需要通過一定的數(shù)據(jù)處理方法來精準(zhǔn)地識(shí)別事件類型,及時(shí)報(bào)警,減少誤報(bào)漏報(bào),使Φ-OTDR傳感系統(tǒng)能夠更好地滿足工程應(yīng)用中的實(shí)際需求。目前Φ-OTDR的信號處理方法仍然存在一些問題:一方面Φ-OTDR傳感信號會(huì)受各種噪聲的干擾,雖然以滑動(dòng)平均和小波閾值為代表的去噪算法在很多場合能夠取得較好的效果,但在噪聲種類繁多復(fù)雜的Φ-OTDR工程應(yīng)用環(huán)境中,尚存在一些問題沒有徹底解決,例如算法中最優(yōu)參數(shù)難以確定、對低信噪比信號去噪效果不理想、去除噪聲的同時(shí)會(huì)使信號丟失大量高頻特征。此外,需要檢測的入侵事件一般是瞬態(tài)事件,其對光纖造成的擾動(dòng)只持續(xù)一段時(shí)間,在整個(gè)時(shí)域信號中所占的比重極低,如果不加區(qū)分地將所有數(shù)據(jù)用作后續(xù)的事件識(shí)別,會(huì)因大量冗余數(shù)據(jù)的存在而嚴(yán)重影響識(shí)別算法的效率和準(zhǔn)確率。另一方面,在特征提取時(shí)通常會(huì)提取到一些對分類貢獻(xiàn)比較小或者沒有貢獻(xiàn)的特征,且對于不同的目標(biāo)事件,其最具代表性的特征也會(huì)不盡相同,因此必須選擇合適的特征評價(jià)與選擇方法,對每一個(gè)特征的貢獻(xiàn)值進(jìn)行評價(jià),在去除對分類沒有貢獻(xiàn)或貢獻(xiàn)比較小的特征的同時(shí)盡量保留具有代表性的特征,這樣有助于提高入侵事件的分類準(zhǔn)確率。針對噪聲干擾和數(shù)據(jù)冗余問題,本文提出一套信號預(yù)處理流程,首先采用去趨勢值方法消除激光器頻漂引起的低頻干擾。然后引入語音信號處理中的譜減法去除寬帶背景噪聲,并通過實(shí)驗(yàn)確定了算法中過減因子和增益補(bǔ)償因子的最佳選取范圍。譜減法只需要評估出噪聲譜的特性,就能對低信噪比的信號取的很好的去噪效果,信噪比可提高20dB以上。最后提出有效片段提取算法,能夠完好地保留只含有擾動(dòng)信息的片段,去除冗余數(shù)據(jù),降低數(shù)據(jù)量,為后續(xù)模式識(shí)別階段使用復(fù)雜的算法提供了保障。在模式識(shí)別方面,本文引入過濾法(Filter)作為特征評價(jià)與選擇的方法,確定了各種擾動(dòng)事件對應(yīng)的最優(yōu)特征組合,并建立最優(yōu)特征組合查找表。通過特征選擇前后平均分類準(zhǔn)確率的對比實(shí)驗(yàn),驗(yàn)證了該方法的有效性。為解決以單一類型特征作為識(shí)別依據(jù)的算法中存在的魯棒性差、分類準(zhǔn)確率低等問題,本文提出一種基于復(fù)合最優(yōu)特征和支持向量機(jī)(SVM)的模式識(shí)別算法,其中選取時(shí)域和頻域(8頻段)經(jīng)特征選擇得到的最優(yōu)特征進(jìn)行復(fù)合,使用SVM分類,能夠基于普通埋地光纜,對人員走動(dòng)、木棒夯擊、挖掘機(jī)挖掘等四類事件實(shí)現(xiàn)準(zhǔn)確率為99.2%的精準(zhǔn)分類識(shí)別�；贚abVIEW和MATLAB完成了與Φ-OTDR振動(dòng)監(jiān)測系統(tǒng)相配套的軟件平臺(tái)開發(fā),并通過此平臺(tái)開展外場入侵事件的檢測實(shí)驗(yàn),對本文提出的信號預(yù)處理和模式識(shí)別方法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明這些方法能夠顯著提高入侵事件的分類準(zhǔn)確率,對Φ-OTDR技術(shù)的工程化應(yīng)用起到技術(shù)支撐作用。
【圖文】：

攏希，

本文編號：2645112