基于经验模态分解的马赫-曾德尔干涉仪事件识别方案优化
摘要
事件识别是分布式光纤传感的重要应用，现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象，从样本来源的角度改善传统的分类器，以时域信号经经验模态分解所得的本征模态函数构建训练样本，使用卷积算子提取信号的波形特征、频域特征、时频域特征，构建深度学习网络，并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%，泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s，具备良好的可行性与发展前景。
引用本文（GB/T 7714）
王鸣 Wang Ming, 封皓 Feng Hao, 沙洲 Sha Zhou, 等. 基于经验模态分解的马赫-曾德尔干涉仪事件识别方案优化[J]. Acta Optica Sinica, 2023.
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。