论文部分内容阅读
相位敏感光时域反射计(Phase-sensitive Optical Time Domain Reflectometer,Φ-OTDR)对于振动信号能够实现高灵敏度的连续分布式测量和多点定位,在周界安防、油气管道泄漏监测等领域具有很高的应用价值。与点式测量相比,Φ-OTDR可以实现分布式远距离测量,具有较高的分辨率和测量灵敏度。基于这些优点,Φ-OTDR光纤传感系统的研究成为目前光纤传感监测系统研究的主要方向之一,主要包括传感信号解调方法研究、扰动事件定位方法研究和振动信号模式识别研究。振动信号的识别技术是监测系统的重要组成部分,可以有效区分干扰事件和有害入侵事件,减少误报和漏报,及时反馈准确的状况信息,有助于监测人员做出应对措施。本文对Φ-OTDR光纤传感系统中振动信号的模式识别问题进行了研究,提出了融合一维信号特征和时空二维图像特征的基于两级特征选择的模式识别算法,分别从一维信号和时空二维图像两个角度对Φ-OTDR光纤传感系统中的振动信号进行处理,并提取融合特征,利用支持向量机(Support Vector Machine,SVM)进行模式识别。在信号预处理方面,对一维信号,首先利用小波包分解的方法去除低频趋势项干扰,然后进行小波包阈值降噪,最后借鉴语音端点检测的双门限法,结合Φ-OTDR光纤传感系统中振动信号的特点,计算每帧信号的短时能量,提取振动信号的有效片段;对时空二维图像,首先对Φ-OTDR光纤传感系统采集到的时空二维信号做短时方差处理,得到短时方差时空二维图像,然后利用二值图像连通域标记的方法提取特征区域,图像处理过程包括灰度变换、闭运算、二值化、连通域标记和去除较小的噪点。在特征提取方面,提取振动信号有效片段的时域、时频域、奇异值、奇异谱特征和时空二维图像特征区域的形态学特征,组成初始特征集。在特征选择方面,采用Fisher准则与遗传算法相结合的两级特征选择方法选出分类准确率高,且特征规模小的特征子集。将选出的特征子集对应的特征向量输入到SVM分类器中进行训练,得到最终的Φ-OTDR振动信号模式识别SVM模型。在实验室环境下获取了铲子挖掘、敲击沙箱、跳跃、橡皮锤敲击和音箱振动5类振动信号作为实验数据,经过验证,算法的平均识别准确率达到99.22%。实验结果表明,对于Φ-OTDR光纤传感系统中振动信号的模式识别,融合一维信号特征和时空二维图像特征的基于两级特征选择的模式识别算法能够降低特征子集规模,并且具有较高的识别准确率。