分布式光纖傳感器以光纖作為傳感元件與傳感信號(hào)傳輸媒質(zhì),能夠?qū)崿F(xiàn)遠(yuǎn)距離、大范圍的傳感,在缺乏通信、電力等復(fù)雜環(huán)境下也能以低成本實(shí)現(xiàn)高質(zhì)量的傳感,具有其它傳感器不可替代的優(yōu)勢(shì)。但由于檢測(cè)距離長(zhǎng)、激光器光源噪聲、外界環(huán)境干擾問(wèn)題,分布式光纖傳感信號(hào)伴隨著大量非入侵的信號(hào),導(dǎo)致系統(tǒng)虛警率高,因此分離出傳感信號(hào)中的入侵信號(hào)是系統(tǒng)關(guān)鍵之一,有效的入侵信號(hào)提取算法,能夠精準(zhǔn)快速的從伴隨非入侵信號(hào)的傳感信號(hào)中分離出入侵信號(hào),降低系統(tǒng)后期對(duì)入侵信號(hào)識(shí)別時(shí)的計(jì)算量,提升系統(tǒng)后期對(duì)入侵信號(hào)的識(shí)別率。入侵傳感信號(hào)識(shí)別是系統(tǒng)另一關(guān)鍵點(diǎn),是指對(duì)入侵傳感信號(hào)種類進(jìn)行識(shí)別。光纖傳感系統(tǒng)對(duì)外界的傳感反應(yīng)在對(duì)光信號(hào)的相位調(diào)制上,這些傳感信號(hào)波形往往極為相似,增加了種類識(shí)別的難度,也增加了系統(tǒng)的誤報(bào)率。如何用綜合性強(qiáng)的特征來(lái)表征光纖入侵信號(hào),以及選擇合適的分類器對(duì)入侵信號(hào)分類也是近年來(lái)的研究難點(diǎn)。本文從多方面對(duì)分布式光纖傳感進(jìn)行了研究,主要內(nèi)容如下:1、分析光纖作為敏感元件的基本傳感原理,研究了Sagnac型與其它幾種常用的分布式光纖傳感結(jié)構(gòu)的傳感原理,總結(jié)當(dāng)前Sagnac型分布式光纖傳感系統(tǒng)入侵信號(hào)模式識(shí)別現(xiàn)狀。2、針對(duì)分布式光纖入侵信號(hào)提取不精確,常導(dǎo)致分離出的入侵信號(hào)含有多余信號(hào),增加特征提取與模式識(shí)別計(jì)算量,降低系統(tǒng)對(duì)入侵信號(hào)的識(shí)別率,提出利用融合短時(shí)過(guò)電平和短時(shí)對(duì)數(shù)能量的LC(Level Crossing,LC)算法對(duì)入侵信號(hào)提取、分析了CA-CFAR計(jì)算自適應(yīng)閾值的算法。3、在分布式光纖振動(dòng)信號(hào)提取方面,采用小波變換、EMD分解,提取分布式光纖振動(dòng)信號(hào)的峭度、能量、能量占比等頻域特征,聯(lián)合傳統(tǒng)時(shí)域特征形成多維聯(lián)合特征表征光纖入侵信號(hào)。4、構(gòu)建支持向量機(jī)(support vector machine,SVM)與極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)對(duì)入侵信號(hào)進(jìn)行識(shí)別,對(duì)比了不同入侵信號(hào)特征組合在不同分類算法中的識(shí)別率與識(shí)別穩(wěn)定性。
【學(xué)位單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP212
【部分圖文】：

圖 4-8 敲擊信號(hào)的 EMD 分解信號(hào)與對(duì)應(yīng)的傅立葉頻譜示為跑動(dòng)信號(hào)的典型信號(hào)，對(duì)跑動(dòng)信號(hào)進(jìn)行 EMD 分解頻譜如圖 4-9 所示，可見(jiàn)跑動(dòng)信號(hào)的分解信號(hào)主要集時(shí)因?yàn)榕軇?dòng)信號(hào)的 EMD 分解信號(hào)分量個(gè)數(shù)少，成為跑擊信號(hào)的區(qū)別點(diǎn)。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃自橋;呂霞;;談“模式識(shí)別”在提升學(xué)生解題能力方面的應(yīng)用[J];中學(xué)數(shù)學(xué)教學(xué)參考;2016年33期

2 李振義;;模式識(shí)別函數(shù)組合,巧解函數(shù)不等式[J];中學(xué)數(shù)學(xué)教學(xué)參考;2017年12期

3 孫明輝;;重視“模式識(shí)別”的作用 提高“變式教學(xué)”的效率[J];數(shù)學(xué)通訊;2016年20期

4 易李平;;精彩優(yōu)質(zhì)課堂我做主——《模式識(shí)別快樂(lè)學(xué)習(xí)之旅》磨課體會(huì)[J];發(fā)明與創(chuàng)新(教育信息化);2017年01期

5 左延金;;模式識(shí)別學(xué)習(xí)“激趣”學(xué)習(xí)任務(wù)[J];中小學(xué)電教(下半月);2017年07期

6 郝冬梅;吳水才;;醫(yī)學(xué)模式識(shí)別課程建設(shè)的探索[J];醫(yī)學(xué)信息;2010年03期

7 史海成;王春艷;張媛媛;;淺談模式識(shí)別[J];今日科苑;2007年22期

8 嚴(yán)紅平;潘春洪;;模式識(shí)別簡(jiǎn)述[J];自動(dòng)化博覽;2006年01期

9 鄭士貴;R&D項(xiàng)目中止決策的Fuzzy模式識(shí)別[J];管理科學(xué)文摘;1998年06期

10 ;模式識(shí)別[J];電子科技文摘;1999年08期

相關(guān)博士學(xué)位論文 前10條

1 丁世飛;基于信息理論的數(shù)字模式識(shí)別及應(yīng)用研究[D];山東科技大學(xué);2004年

2 王緌;企業(yè)核心能力的湍流挖掘模型及挖掘?qū)嶒?yàn)[D];四川大學(xué);2005年

3 金濤;非對(duì)稱神經(jīng)網(wǎng)在模式識(shí)別中的應(yīng)用[D];蘭州大學(xué);2006年

4 萬(wàn)海平;模式識(shí)別中核方法若干問(wèn)題研究[D];北京郵電大學(xué);2006年

5 朱永宣;基于模式識(shí)別的入侵檢測(cè)關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2006年

6 任海萍;醫(yī)學(xué)圖像配準(zhǔn)和模式識(shí)別研究[D];中國(guó)協(xié)和醫(yī)科大學(xué);2003年

7 徐立祥;模式識(shí)別核方法的理論研究及其應(yīng)用[D];安徽大學(xué);2017年

8 薛洋;基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D];華南理工大學(xué);2011年

9 羅頌榮;基于變量預(yù)測(cè)模型模式識(shí)別的旋轉(zhuǎn)機(jī)械故障診斷研究[D];湖南大學(xué);2015年

10 顏學(xué)峰;高維復(fù)雜模式識(shí)別的新方法[D];浙江大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 于發(fā)碩;分布式Sagnac光纖傳感系統(tǒng)的振動(dòng)信號(hào)模式識(shí)別研究[D];新疆大學(xué);2019年

2 黃靖婷;基于小波包的腦電波信號(hào)模式識(shí)別研究[D];蘭州大學(xué);2019年

3 許可;生機(jī)電一體化仿人假手動(dòng)作模式識(shí)別及控制系統(tǒng)研究[D];上海交通大學(xué);2017年

4 張志浩;基于代碼克隆檢測(cè)的重構(gòu)模式識(shí)別[D];齊魯工業(yè)大學(xué);2019年

5 尉茜茜;基于模式識(shí)別的頻譜數(shù)據(jù)壓縮方法研究[D];西華大學(xué);2018年

6 施純?cè)?基于RGB-D深度學(xué)習(xí)的假手抓取模式識(shí)別及控制研究[D];哈爾濱工業(yè)大學(xué);2018年

7 顧紹玲;基于表面肌電信號(hào)的磨牙癥精準(zhǔn)模式識(shí)別基礎(chǔ)研究[D];南京航空航天大學(xué);2018年

8 胡曉明;基于人體肌肉電信號(hào)的下肢運(yùn)動(dòng)模式識(shí)別[D];重慶大學(xué);2018年

9 李林峰;基于腕部三軸加速度的運(yùn)動(dòng)模式識(shí)別[D];燕山大學(xué);2018年

10 楊光垚;基于特征尋優(yōu)與深度學(xué)習(xí)的高壓電纜局部放電模式識(shí)別研究[D];華中科技大學(xué);2018年

本文編號(hào)：2869029