光纖預(yù)警系統(tǒng)的定位識(shí)別技術(shù)研究
發(fā)布時(shí)間:2025-04-27 03:26
分布式光纖預(yù)警系統(tǒng)具有體積小、重量輕、成本低、壽命長、耐高溫、隱蔽性好、抗電磁干擾等突出優(yōu)點(diǎn),廣泛應(yīng)用于周界安全、管道安全監(jiān)測(cè)等領(lǐng)域;谙辔幻舾泄鈺r(shí)域反射技術(shù)的分布式光纖預(yù)警系統(tǒng)同時(shí)又具有結(jié)構(gòu)簡(jiǎn)單、系統(tǒng)穩(wěn)定、靈敏度高、可同時(shí)定位多點(diǎn)振動(dòng)等優(yōu)點(diǎn),因此成為分布式光纖預(yù)警系統(tǒng)領(lǐng)域的研究熱點(diǎn)。本文基于相位敏感光纖預(yù)警系統(tǒng)的檢測(cè)原理,對(duì)振動(dòng)入侵定位、特征提取及類型識(shí)別的信號(hào)處理方法進(jìn)行了實(shí)驗(yàn)研究。首先,針對(duì)光纖振動(dòng)信號(hào)易淹沒于背景噪聲及系統(tǒng)入侵定位虛警率高的問題,本文提出了一種定位檢測(cè)方法,用改進(jìn)的分離平均與差分算法提高信噪比,提取有用振動(dòng)信號(hào),信噪比達(dá)到20.4366dB,然后結(jié)合單元平均恒虛警檢測(cè)算法設(shè)置自適應(yīng)門限,同時(shí)檢測(cè)多點(diǎn)振動(dòng),再找到多個(gè)連續(xù)振動(dòng)段,取其中間位置作為該段的代表,用實(shí)測(cè)數(shù)據(jù)來驗(yàn)證該定位檢測(cè)算法的有效性。結(jié)果表明,該定位檢測(cè)方法可以有效的檢測(cè)到振動(dòng)入侵,并減小后續(xù)識(shí)別模塊的計(jì)算量。然后,為了完備表征振動(dòng)信號(hào)信息,本文提出了一種多維特征提取及特征選擇的方法,對(duì)振動(dòng)信號(hào)使用多項(xiàng)式最小二乘法和小波閾值降噪法來降低系統(tǒng)對(duì)信號(hào)造成的零線漂移和噪聲干擾,引入時(shí)域的短時(shí)分析方法和小波域的...
【文章頁數(shù)】:68 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景
1.2 國內(nèi)外研究和發(fā)展現(xiàn)狀
1.3 論文主要研究內(nèi)容
第2章 光纖振動(dòng)信號(hào)定位檢測(cè)技術(shù)
2.1 Φ-OTDR系統(tǒng)檢測(cè)原理
2.2 光纖振動(dòng)信號(hào)檢測(cè)預(yù)處理
2.2.1 小波高頻分量定位算法
2.2.2 改進(jìn)的分離平均與差分算法
2.3 光纖振動(dòng)信號(hào)檢測(cè)定位算法
2.4 實(shí)驗(yàn)結(jié)果
2.5 本章小結(jié)
第3章 光纖振動(dòng)信號(hào)特征提取技術(shù)
3.1 時(shí)域信號(hào)預(yù)處理
3.1.1 最小二乘法消除趨勢(shì)項(xiàng)
3.1.2 小波閾值法降噪
3.2 時(shí)域特征提取
3.2.1 方差和最大能量段
3.2.2 短時(shí)平均幅度
3.3 小波域特征提取
3.4 特征評(píng)價(jià)
3.5 本章小結(jié)
第4章 光纖振動(dòng)信號(hào)模式識(shí)別技術(shù)
4.1 基于PNN的識(shí)別方法
4.2 基于LIBSVM的識(shí)別方法
4.2.1 SVM模型
4.2.2 LIBSVM模型
4.3 PSO優(yōu)化分類器參數(shù)
4.4 現(xiàn)場(chǎng)實(shí)驗(yàn)
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):4041800
【文章頁數(shù)】:68 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景
1.2 國內(nèi)外研究和發(fā)展現(xiàn)狀
1.3 論文主要研究內(nèi)容
第2章 光纖振動(dòng)信號(hào)定位檢測(cè)技術(shù)
2.1 Φ-OTDR系統(tǒng)檢測(cè)原理
2.2 光纖振動(dòng)信號(hào)檢測(cè)預(yù)處理
2.2.1 小波高頻分量定位算法
2.2.2 改進(jìn)的分離平均與差分算法
2.3 光纖振動(dòng)信號(hào)檢測(cè)定位算法
2.4 實(shí)驗(yàn)結(jié)果
2.5 本章小結(jié)
第3章 光纖振動(dòng)信號(hào)特征提取技術(shù)
3.1 時(shí)域信號(hào)預(yù)處理
3.1.1 最小二乘法消除趨勢(shì)項(xiàng)
3.1.2 小波閾值法降噪
3.2 時(shí)域特征提取
3.2.1 方差和最大能量段
3.2.2 短時(shí)平均幅度
3.3 小波域特征提取
3.4 特征評(píng)價(jià)
3.5 本章小結(jié)
第4章 光纖振動(dòng)信號(hào)模式識(shí)別技術(shù)
4.1 基于PNN的識(shí)別方法
4.2 基于LIBSVM的識(shí)別方法
4.2.1 SVM模型
4.2.2 LIBSVM模型
4.3 PSO優(yōu)化分類器參數(shù)
4.4 現(xiàn)場(chǎng)實(shí)驗(yàn)
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):4041800
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/4041800.html
最近更新
教材專著