论文部分内容阅读
随着科学技术的发展,光纤传感技术与机器学习算法也在不断地得到完善。其中基于相位敏感光时域反射仪(Phase-sensitive Optical Time Domain Reflectometer,Φ-OTDR)的分布式光纤传感系统由于设计结构简单、监测的距离较长、可实现多点定位等优点,在长距离机场安防、油气管道检测、涵洞隧道检测等环境中得到了广泛的应用。基于Φ-OTDR分布式光纤传感系统扰动事件的多分类逐渐成为了重要的研究方向,而本文就是基于AdaBoost(Adaptive Boosting)算法对五种扰动事件进行识别,完成的主要工作包括:(1)研究分析Φ-OTDR分布式光纤传感技术理论,对输出信号进行了简单的理论分析,提取五种情况(浇水、攀爬、敲击、碾压、无扰动)下的扰动信号。对采集到的样本信号进行数据归一化、数据分组、数据差分等预处理操作,可以消除原始数据之间的相互影响,为后续的特征提取提供便利;然后提取了扰动信号在时域方面的三十维特征值,为扰动信号的识别分类奠定了基础。(2)提出基于投票的扰动信号分类方法,并对其实现和验证。结果表明所提出的识别方法能够有效识别五种扰动事件,对五种扰动事件的召回率分别达到91.93%、98.20%、91.57%、90.83%、99.23%,平均识别召回率达到94.35%;五种模式的识别精确率分别为94.85%、87.54%、97.76%、95.83%、99.21%,平均识别精确率为95.04%。(3)提出基于二进制编码的扰动信号分类方法,对其实现和验证。结果表明该方法能够有效的对五种扰动事件进行区分,但相比于基于投票法的扰动事件识别方法,识别率有一定的下降,对五种扰动事件的召回率分别达到89.43%、97.70%、90.90%、88.30%、99.13%,平均识别召回率为93.09%;五种模式的识别精确率分别为93.28%、87.35%、96.23%、92.75%、99.64%,平均识别精确率为93.85%。此外,由于二分类器个数的减少,所以识别的时间相对于投票法有一定的下降。(4)提出基于二进制编码与二叉树的扰动信号分类方法,对其实现和验证。结果表明该方法能够有效的对五种扰动事件进行识别,而且相比于前两种识别方法,识别率有一定的提升,对五种扰动事件的召回率分别达到92.27%、97.83%、94.47%、90.33%、98.73%,平均识别召回率为94.73%,五种模式的识别精确率分别为92.95%、90.90%、97.05%、95.67%、99.76%,平均识别精确率为95.27%。该方法的识别召回率和精确率都较优于前两种识别方法,但是识别的时间却有一定的增加,100次试验的平均识别时间为0.2325s。