基于深度神经网络的光纤传感识别算法
摘要
为解决光纤传感过程中不同类型事件信号混叠造成识别概率降低的问题，搭建了一种采用差分相关计算的双光纤传感结构，并在此基础上提出了基于深度神经网络的信号识别算法。首先利用双光纤回波信号计算相关系数，再通过不同事件类型信号特征设置阈值范围，从而通过相关计算与阈值滤波提高信噪比。设计了包含三个隐藏层的深度神经网络模型，以分离输入层与相关运算层的形式完成低频噪声抑制与信号混叠解调的目的。实验分别对三种常见入侵事件进行测试，并在此基础上分析了不同算法对组合事件的识别概率。结果显示三种事件的回波谱形具有显著特征。三种算法对单一触发事件的识别概率均在95%以上，该算法的识别均值为98.5%。当两个事件同时触发时，三种算法的平均识别概率分别为73.4%、 84.5%和96.4%。当三个事件同时触发时，三种算法的平均识别概率分别为65.2%、78.3%和93.5%。可见，该算法在光纤传感中信号存在干扰及混叠时具有更好的识别效果。
引用本文（GB/T 7714）
李东亮 Li Dongliang, 卢贝 Lu Bei. 基于深度神经网络的光纤传感识别算法[J]. Infrared and Laser Engineering, 2022.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。