基于条件对抗生成网络数据增强的相敏光时域反射仪模式识别
摘要
本文针对光纤传感技术中相敏光时域反射仪（Φ-OTDR）数据采集受限的问题，提出了一种基于条件对抗生成网络（CGAN）的数据增强方法，用于在少量数据基础上生成大量训练样本。实验中采用Φ-OTDR完成数据采集，将采集到的真实数据作为CGAN的输入，网络通过自动提取信号特征，并在输入条件的帮助下生成逼真的信号数据。将生成数据和原始数据分别输入决策树、支持向量机、卷积神经网络等模型进行分类，实验结果显示，生成数据在各个分类器中的检测结果都得到了显著提升，有效提高了分类器模型的检测能力和性能，实现了Φ-OTDR模式的目标识别，并解决了数据采集困难的问题。本文研究为小样本检测提供了新的思路和方法，对其他光纤传感技术的应用具有借鉴意义。
引用本文（GB/T 7714）
张印 Zhang Yin, 胡挺 Hu Ting, 李猷兴 Li Youxing, 等. 基于条件对抗生成网络数据增强的相敏光时域反射仪模式识别[J]. Acta Optica Sinica, 2024.
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。