摘要
为解决分布式相位敏感光时域反射计系统现有事件识别方法对于相似振动信号识别困难这一问题,本文提出了一种基于多尺度特征融合的相似信号识别方法。在该方法中,原始信号首先通过经验模态分解和小波包分解被分解为不同频率范围内的子信号。随后,分别提取原始信号和子信号的时频特征和近似熵特征,并应用主成分分析法对所提取的特征进行融合。最后,通过构建一个6层轻量BP神经网络分类器,训练分类模型并利用测试集验证模型分类度。该方法对小车经过和行走等相似信号的识别准确率可分别达到98.5%和98%,对于敲击和摇晃差异性大的信号的识别准确率可达100%。相比于直接从原始信号提取特征与时频图结合卷积神经网络方式,本文所提出的方法综合识别率分别提高8.4%与9.0%,相似信号识别率分别提高13.5%与12.4%。结果表明,该方法在保证差异性大的信号高识别率的基础上,显著提高了相似信号的识别率,对于拓展分布式光纤传感的应用领域有重要价值。
-
单位光学与电子科技学院; 中国计量大学