CN102401667B - 具有扰动性质识别功能的光纤分布式扰动传感方法及*** - Google Patents
具有扰动性质识别功能的光纤分布式扰动传感方法及*** Download PDFInfo
- Publication number
- CN102401667B CN102401667B CN201110300756.4A CN201110300756A CN102401667B CN 102401667 B CN102401667 B CN 102401667B CN 201110300756 A CN201110300756 A CN 201110300756A CN 102401667 B CN102401667 B CN 102401667B
- Authority
- CN
- China
- Prior art keywords
- disturbance
- threshold value
- wavelet
- wavelet coefficient
- paths
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Alarm Systems (AREA)
Abstract
本发明为一种具有扰动性质识别功能的光纤分布式扰动传感方法,基于双马赫泽德干涉型分布式扰动传感器,该方法包括以下步骤:S1,将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;S2,对两路数字量信号进行小波多尺度分解,并从中提取特征分量;S3,将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并转入步骤S4;S4,对两路信号进行降噪处理;S5,对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;S6,对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来。
Description
技术领域
本发明涉及光电传感技术领域,具体涉及一种具有扰动性质识别功能的光纤分布式扰动传感方法及***。
背景技术
周界安防***在国防和民用以及工程领域都具有非常重要的应用。其国防应用主要包括边境线,军事基地,军工厂,军用机场,军用仓库,油库和营房等的周界入侵监测;其民用应用主要包括政府设施、机场、核电站、水库、大型水坝、化工厂、监狱等重要区域的周界入侵监测。
目前,已经研制了多种基于不同原理的周界安防***,如吸收电缆,微波对射,红外对射以及光纤传感技术等。其中,光纤传感器以其体积小,重量轻,灵敏度高,抗电磁干扰,易于组网,无需外场供电以及可以实现分布式测量等优良特性引起广泛关注,正逐步成为安防领域的主流技术方案。
根据工作原理的区别,光纤分布式传感器可以分为干涉仪型、光纤光栅型、光时域反射计型等三种。
光纤光栅型分布式传感器采用光纤光栅作为敏感元件,在一定长度的间隔之间铺设光纤光栅,实现准分布式传感。因此,光纤光栅型分布式扰动传感器的空间分辨率具有不连续性,其空间分辨率受到光纤光栅空间分布间隔的限制。同时,光纤光栅的集成基于波长复用,在一根光纤上可以复用的光纤光栅数量受到波长区分的限制,其测量长度的增加需要以增大光纤光栅间隔即降低空间分辨率为代价。除了空间分辨率和测量长度互相限制以外,光纤光栅型分布式传感器的成本也限制了其作为分布式扰动传感器在大范围环境中的应用。
光时域反射计型分布式传感器可以用来检测外界环境中温度或压力的变化,但其响应时间较长,对于外界扰动的实时定位比较困难,实时性限制了其作为分布式扰动传感器的应用。
双干涉仪型分布式传感器具有实现原理简单,灵敏度高,器件成本低,适于长距离传感用等优良特性,已经成为光纤分布式扰动传感器的主要技术方案。它能够检测到传感光缆上任意一点产生的入侵信号,同时给出入侵的空间位置信息,实现定位。
光纤围栏***在功能上已经实现了分布式测量。但是,由于进行长距离传感,光缆沿途可能穿越乡村、农田、河流、沼泽、沙漠、公路和铁路等各种不同的环境,因此穿越地区的背景噪声也十分复杂。这些噪声中,一部分是由自然因素引起的振动噪声,如风、雨、冰雹、小地震、牛羊的碰触等;另一部分是人为活动引起的噪声,如车辆的行驶、周围的施工等。这些非入侵事件的外界干扰一方面会导致***误报警,浪费警力;另一方面,这些外界噪声叠加进真实的入侵信号中,还会降低***的定位精度,严重影响***实际应用的可靠性和准确性。
降低光纤围栏***误警率的一个简便的方法是:计算采集信号的功率谱,并设定一个阈值,当功率谱大于这个阈值时,认为是外界入侵信号,发出警报;如果功率谱小于这个阈值时,认为是外界干扰,不予报警。为了提高该方法的适应性,还可以将阈值设置为动态阈值,即阈值能随环境变化,动态改变入侵的判定条件。该方法能有效的防止刮风、下雨等气候条件下的误报警,提高了光纤围栏***在恶劣天气条件下的性能。
设置功率谱阈值的方法有效的降低了光纤围栏***的误警率。但该方法仅仅削弱了自然环境噪声的影响,却没有有效区分人为活动引起的噪声,如车辆行驶、周围的施工等。这些人为活动的干扰依然会导致***误报警。此外,在极端恶劣环境条件下,如暴雨、冰雹等,该阈值将会设定的非常大,甚至可能大于某些入侵信号的功率谱密度,导致***出现漏报警。
另一种方法是利用人行走的形态学特征来识别一个光纤围栏***检测到的信号是否由人为入侵引起。人行走的形态学特征为:人行走的步态周期,其平均值为1.2秒,人行走时的跨步周期平均为0.6秒,其中脚接触地面的时间大约为0.2秒,而脚离地时间大约为0.4秒。如果一个扰动引起的传感器变化是以平均0.5-0.7秒的周期出现的,且其持续时间为平均0.2-0.3秒,则可以判定该扰动是一个行人入侵,***发出警报,否则不报警。该方法可以通过做光纤围栏***输出信号的自相关运算实现,自相关曲线最高峰的周期即为入侵信号的周期,自相关峰的持续时间即为入侵者的脚接触地面引起的振动信号的持续时间,算法简便。
该方法的缺点在于,它只关注了行人行走的入侵行为,而忽略了其它入侵行为,如攀爬等,导致***的漏警率较高。此外,在气象条件比较恶劣的时候,采集到的信号会参杂大量的噪声,使自相关曲线的峰值模糊,甚至出现多个峰值,导致算法失效。
发明内容
(一)要解决的技术问题
为了解决目前光纤围栏***在外界干扰下存在的误报的问题以及光纤围栏***在复杂背景噪声下定位精度下降的问题,必须对不同事件引起的扰动信号进行性质的识别,做出准确的入侵报警判断,最终实现低误报率,并且必须对采集信号进行降噪处理,提高采集信号的信噪比,进而提高***的定位精度,本发明提出一种具有扰动性质识别功能的光纤分布式扰动传感方法及其***。
(二)技术方案
为了解决上述技术问题,本发明提供一种具有扰动性质识别功能的光纤分布式扰动传感方法,基于双马赫泽德干涉型分布式扰动传感器,该方法包括以下步骤:
S1,将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;
S2,对两路数字量信号进行小波多尺度分解,并从中提取特征分量;
S3,将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并转入步骤S4;
S4,对两路信号进行降噪处理;
S5,对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;
S6,对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来。
优选地,所述步骤S4中的降噪处理方法为:同时对每层的小波系数采用阈值选取技术进行阈值选取并估算全局阈值;保留低频分量的小波系数,使用全局阈值对各高频分量的小波系数进行硬阈值处理,获得新的小波系数。
优选地,所述阈值选取的方法为:对信号进行分解时将得到各高频分量的小波系数wj(1,2,…,n),求取各层的噪声标准差式中Nj为第j层小波系数的个数;然后,根据式获取各层小波系数的阈值。
优选地,所述阈值选取的方法还包括但不限于:使用无偏估计准则或极大极小准则来估计阈值。
优选地,所述估算全局阈值的方法包括但不限于:取各层小波阈值的最大值、最小值或者是平均值作为最终降噪的全局阈值,或者将各个阈值分别作为每层小波系数处理的阈值。
优选地,所述步骤S2中进行小波多尺度分解时可以使用的小波基包括但不限于:DB5小波、DB4小波、Haar小波。
优选地,所述步骤S2中进行小波多尺度分解的层数包括但不限于:4层、7层、9层。
本发明还提供了一种具有扰动性质识别功能的光纤分布式扰动传感***,包括双马赫泽德干涉型分布式扰动传感器,还包括:与双马赫泽德干涉型分布式扰动传感器的两光电探测器连接的扰动定位模块;该扰动定位模块将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;对两路数字量信号进行小波多尺度分解,并从中提取特征分量;将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并对两路信号进行降噪处理;对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来。
(三)有益效果
(1)通过引入小波多尺度分析工具,实现了对扰动性质的识别,使***能够准确区分出刮风、冰雹、车辆行驶等外界噪声和攀爬光缆等入侵信号,有效降低了***的误警率。
(2)使用小波降噪降低了外界环境的噪声,提高了***的定位精度。
附图说明
图1是现有技术中基于双马赫泽德干涉型分布式扰动传感器的光纤围栏***的原理示意图;
图2是本发明具有扰动性质识别功能的光纤分布式扰动传感方法的流程图;
图3是小波多尺度分解示意图。
图4是本发明具有扰动性质识别功能的光纤分布式扰动传感***的结构示意图;
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不是限制本发明的范围。
如图1所示,为现有的基于双马赫-泽德干涉仪型光纤分布式扰动传感器的光纤围栏的光路原理图。光源发出的光波经由耦合器1分光,一部分经过耦合器2注入传感臂L1和L2,在耦合器3处发生干涉,通过光纤L4传输,由光电探测器2接收,构成了第一个干涉仪。耦合器1输出的另一路光波经过光纤L3传输,从耦合器3处注入传感臂L1和L2,在耦合器2处发生干涉,由光电探测器1接收,构成了第二个干涉仪。光电探测器1,2接收到的光强I1,I2为
式中,I0为激光器输出光强,为干涉仪的初始相位差,K为光纤L1和L2对外界振动波响应的幅值差异,有0<K<1,为外界扰动引起的相位差,分别为扰动信号传递至光电探测器1和光电探测器2的时间延迟,n为光纤纤芯的有效折射率,c为光在真空中的传播速度。
从式(1)和式(2)可以看出,I1,I2仅存在时间上的延迟,其时延差为
因此,扰动位置z是时延Δτ的函数
由上式可知,通过计算干涉信号I1,I2之间的时间延迟即可得到扰动的空间位置。
本发明传感原理与现有双马赫泽德干涉仪型分布式扰动传感器一致。
本发明的创新之处在于引入小波分析对采集信号进行模式识别与降噪,在降低***误警率的同时提高***的定位精度。小波分析是八十年代以后发展起来的应用数学分支,它具有频带倍频程划分、很好的时频分辨率等十分优异的性能,是分析突变信号、非平稳信号的有效工具,已经广泛应用于信号处理、图像处理、语音识别与合成、雷达、分形等领域。
本发明方法的流程图如图2所示,将采集到的两路信号进行模数转换得到数字量,然后进行小波多尺度分解,并从中提取特征分量用于识别扰动的性质。若判定扰动是由外界噪声引起的,如风霜雨雪,冰雹,周围施工等,则不报警;若判定扰动是由外界入侵引起的,则发出警报,同时对每层的小波系数采用阈值选取技术进行阈值选取,并估算全局阈值对小波系数进行处理,得到新的小波系数。利用处理过后的小波系数对信号进行重构,就能得到降噪后的原始信号。最后对两路降噪后的原始信号进行互相关运算,得到扰动发生的位置,并通过液晶屏显示出来。
在发明一实例中,采用DB5小波将信号分解为7阶,如图3所示。其中a7为低频分量,d1~d7为高频分量。对信号各频带进行时域分析并求取各频带信号的能量。设dj层对应的能量为Ej,则有
式中dj(k)(k=1,2,…,n)表示小波分析第j层尺度上的各离散点的值。
当有异常事件激励光缆时,分布式光纤传感***测得相应振动信号,探测器将此振动信号转换为电信号送至计算机。因此,通过小波各尺度上的能量构造特征向量,不同原因引起的振动信号及其变化就会反映到各频带的能量上,造成特征向量的不同。我们将信号分解为7阶,则特征向量T可以表示为T=[E1,E2,...,E7],并通过试验统计的方法确定信号与各种噪声的特征值。进行监测时,以该特征值作为阈值,将测量得到的特征分量与阈值进行比对,以确定该扰动是由什么事件引起的。这样,就实现了对扰动性质的识别。
当判定扰动是由人员入侵引起时,需要对采集的两路信号进行降噪处理,以提高定位精度。具体的步骤如下。首先,将前面利用DB5小波对信号进行分解时将得到各高频分量的小波系数wj(j=1,2,...,7),求取各层的噪声标准差
式中Nj为第j层小波系数的个数。
然后,根据式获取各层小波系数的阈值,并取各阈值的最大值作为最终降噪的全局阈值,即λ=max(λj)(j=1,2,...,7)。然后,保留低频分量的小波系数,使用全局阈值λ对各高频分量的小波系数wj(j=1,2,...,7)进行硬阈值处理,获得新的小波系数。
最后,由所有低频尺度系数,以及经由阈值处理后的小波系数做逆小波变换进行重构,得到恢复的原始信号的估计值。并使用该降噪后的信号进行互相关运算,得到扰动点的位置。
进行小波多尺度分析时使用的小波基除了DB5小波还可以使用别的小波基,如DB4小波,Haar小波等。
对信号进行多尺度分解时,除了进行7层分解,也可以进行其它任意层数的分解,如4层,9层等。
求取各层小波的阈值时,除了使用本发明提供的公式计算外,还可以使用无偏估计准则,极大极小准则等办法来估计阈值,其实现的功能是一致的。
估算最终降噪的全局阈值时,既可以取各层小波阈值的最大值,也可以取最小值或者是平均值作为最终降噪的全局阈值,还可以将各个阈值分别作为每层小波系数处理的阈值,以及其它估算全局阈值的方法,其实现的功能是一致的。
如图4所示,本发明所述的具有扰动性质识别功能的光纤分布式扰动传感***的结构示意图,可以应用于光纤围栏***,包括双马赫泽德干涉型分布式扰动传感器,还包括:与双马赫泽德干涉型分布式扰动传感器的两光电探测器连接的扰动定位模块;该扰动定位模块将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;对两路数字量信号进行小波多尺度分解,并从中提取特征分量;将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并对两路信号进行降噪处理;对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (7)
1.一种具有扰动性质识别功能的光纤分布式扰动传感方法,基于双马赫泽德干涉型分布式扰动传感器,其特征在于,该方法包括以下步骤:
S1,将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;
S2,对两路数字量信号进行小波多尺度分解,并从中提取特征分量;
S3,将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并转入步骤S4;
S4,对两路信号进行降噪处理;
S5,对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;
S6,对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来;
所述步骤S4中的降噪处理方法为:同时对每层的小波系数采用阈值选取技术进行阈值选取并估算全局阈值;保留低频分量的小波系数,使用全局阈值对各高频分量的小波系数进行硬阈值处理,获得新的小波系数。
2.如权利要求1所述的扰动传感方法,其特征在于,所述阈值选取的方法为:对信号进行分解时将得到各高频分量的小波系数wj(1,2,…,n),求取各层的噪声标准差 式中Nj为第j层小波系数的个数;然后,根据式获取各层小波系数的阈值。
3.如权利要求1所述的扰动传感方法,其特征在于,所述阈值选取的方法还包括但不限于:使用无偏估计准则或极大极小准则来估计阈值。
4.如权利要求1所述的扰动传感方法,其特征在于,所述估算全局阈值的方法包括但不限于:取各层小波阈值的最大值、最小值或者是平均值作为最终降噪的全局阈值,或者将各个阈值分别作为每层小波系数处理的阈值。
5.如权利要求1-4中任意一项所述的扰动传感方法,其特征在于,所述步骤S2中进行小波多尺度分解时可以使用的小波基包括但不限于:DB5小波、DB4小波、Haar小波。
6.如权利要求1-4中任意一项所述的扰动传感方法,其特征在于,所述步骤S2中进行小波多尺度分解的层数包括但不限于:4层、7层、9层。
7.一种具有扰动性质识别功能的光纤分布式扰动传感***,包括双马赫泽德干涉型分布式扰动传感器,其特征在于,还包括:
与双马赫泽德干涉型分布式扰动传感器的两光电探测器连接的扰动定位模块;该扰动定位模块将双马赫泽德干涉型分布式扰动传感器的两光电探测器采集到的两路信号分别进行模数转换得到数字量信号;对两路数字量信号进行小波多尺度分解,并从中提取特征分量;将提取的特征分量与阈值进行对比,以确定扰动是由什么事件引起的;若判定扰动是由外界噪声引起的,则不报警;若判定扰动是由外界入侵引起的,则发出警报,并对两路信号进行降噪处理;对降噪后的两路信号做逆小波变换进行重构,得到恢复的原始信号;对两路恢复的原始信号进行相关运算,得到扰动发生的位置并显示出来;
所述降噪处理方法为:同时对每层的小波系数采用阈值选取技术进行阈值选取并估算全局阈值;保留低频分量的小波系数,使用全局阈值对各高频分量的小波系数进行硬阈值处理,获得新的小波系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110300756.4A CN102401667B (zh) | 2011-09-29 | 2011-09-29 | 具有扰动性质识别功能的光纤分布式扰动传感方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110300756.4A CN102401667B (zh) | 2011-09-29 | 2011-09-29 | 具有扰动性质识别功能的光纤分布式扰动传感方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102401667A CN102401667A (zh) | 2012-04-04 |
CN102401667B true CN102401667B (zh) | 2016-03-30 |
Family
ID=45884111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110300756.4A Active CN102401667B (zh) | 2011-09-29 | 2011-09-29 | 具有扰动性质识别功能的光纤分布式扰动传感方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102401667B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281118B (zh) * | 2013-05-31 | 2015-11-25 | 合肥融讯电子科技有限公司 | 基于光纤干涉互相关算法的光缆识别物理定位仪的识别定位方法 |
CN103578086B (zh) * | 2013-11-14 | 2016-08-17 | 北京航空航天大学 | 一种基于小波分析的干涉图数据光谱复原方法 |
CN103617685B (zh) * | 2013-12-09 | 2016-02-24 | 中国船舶重工集团公司第七〇五研究所 | 一种基于光纤振动传感报警***的自学习算法 |
CN103940363B (zh) * | 2014-04-30 | 2017-01-18 | 中国科学院半导体研究所 | 基于小波互相关技术的高精度光纤应变低频传感解调方法 |
CN104240455B (zh) * | 2014-08-07 | 2016-08-17 | 北京航天控制仪器研究所 | 一种分布式光纤管线安全预警***中的扰动事件识别方法 |
CN104298153B (zh) * | 2014-09-29 | 2017-10-31 | 许继电气股份有限公司 | 一种用于智能变电站的信号采集方法 |
CN104467955A (zh) * | 2014-12-24 | 2015-03-25 | 北京奥普科达科技有限公司 | 一种高灵敏度和高精度的光纤识别标定方法及*** |
CN104482858B (zh) * | 2014-12-24 | 2017-09-15 | 北京奥普科达科技有限公司 | 一种高灵敏度和高精度的光纤识别标定方法及*** |
CN105023379B (zh) * | 2015-08-13 | 2017-11-14 | 中国民航大学 | 一种机场光纤周界预警***的信号识别方法 |
CN106226845B (zh) * | 2016-08-11 | 2018-08-28 | 国家电网公司 | 一种从opgw振动信号中识别冰雹分布区域的方法 |
CN106798554A (zh) * | 2017-01-12 | 2017-06-06 | 安徽大学 | 一种含噪imf分量及心电信号的去噪方法 |
CN107270952B (zh) * | 2017-07-27 | 2020-03-31 | 天津求实飞博科技有限公司 | 基于光频域反射长距离光纤分布式扰动传感信号处理方法 |
CN107493132B (zh) * | 2017-09-27 | 2019-10-22 | 武汉光谷互连科技有限公司 | 光缆故障点精确定位方法及*** |
WO2020217160A1 (en) * | 2019-04-22 | 2020-10-29 | King Abdullah University Of Science And Technology | Signal processing algorithm for detecting red palm weevils using optical fiber |
CN110160569B (zh) * | 2019-04-24 | 2021-09-24 | 国网浙江省电力有限公司信息通信分公司 | 用于分布式光纤传感信号的降噪方法、***及存储介质 |
CN110146116B (zh) * | 2019-06-19 | 2021-04-27 | 南昌航空大学 | 一种多点扰动下Sagnac光纤传感的定位方法 |
CN110806259A (zh) * | 2019-11-18 | 2020-02-18 | 中国电子科技集团公司第五十四研究所 | 一种用于光纤传感高频扰动定位与检测的装置 |
CN111341049B (zh) * | 2020-03-31 | 2021-04-20 | 华中科技大学 | 一种隧道异物入侵识别与定位方法及装置 |
CN113627374A (zh) * | 2021-08-17 | 2021-11-09 | 中广核工程有限公司 | 周界入侵的判断方法、监控服务器及存储介质 |
CN115060184A (zh) * | 2022-05-18 | 2022-09-16 | 武汉迪信达科技有限公司 | 一种基于递归图的光纤周界入侵检测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6166815A (en) * | 1992-09-02 | 2000-12-26 | Raytheon Company | Constantly high sensitivity fiber optic interferometer sensor |
CN101008583A (zh) * | 2006-12-31 | 2007-08-01 | 北京航空航天大学 | 基于双向马赫-泽德干涉仪的扰动信号检测*** |
CN101183899A (zh) * | 2007-12-19 | 2008-05-21 | 天津大学 | 基于bp网络用于光纤管道泄漏监测装置的管道安全识别方法 |
CN101464166A (zh) * | 2009-01-08 | 2009-06-24 | 北京航空航天大学 | 光纤分布式扰动传感器及其实现扰动定位的方法 |
-
2011
- 2011-09-29 CN CN201110300756.4A patent/CN102401667B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6166815A (en) * | 1992-09-02 | 2000-12-26 | Raytheon Company | Constantly high sensitivity fiber optic interferometer sensor |
CN101008583A (zh) * | 2006-12-31 | 2007-08-01 | 北京航空航天大学 | 基于双向马赫-泽德干涉仪的扰动信号检测*** |
CN101183899A (zh) * | 2007-12-19 | 2008-05-21 | 天津大学 | 基于bp网络用于光纤管道泄漏监测装置的管道安全识别方法 |
CN101464166A (zh) * | 2009-01-08 | 2009-06-24 | 北京航空航天大学 | 光纤分布式扰动传感器及其实现扰动定位的方法 |
Non-Patent Citations (2)
Title |
---|
基于POTDR的分布式光纤传感技术及其应用;李建中;《中国优秀硕士学位论文全文数据库工程科技辑》;20090415;I140-100页 * |
长途油气管道破坏预警的干涉型分布式光纤传感***定位技术研究;吴俊;《中国优秀硕士学位论文全文数据库工程科技I辑》;20071105;B019-033 * |
Also Published As
Publication number | Publication date |
---|---|
CN102401667A (zh) | 2012-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102401667B (zh) | 具有扰动性质识别功能的光纤分布式扰动传感方法及*** | |
Liu et al. | Vehicle detection and classification using distributed fiber optic acoustic sensing | |
Wu et al. | A dynamic time sequence recognition and knowledge mining method based on the hidden Markov models (HMMs) for pipeline safety monitoring with Φ-OTDR | |
Wu et al. | Feature extraction and identification in distributed optical-fiber vibration sensing system for oil pipeline safety monitoring | |
CN101556724B (zh) | 光纤周界安全管理***及其模式识别方法 | |
CN113049084B (zh) | 一种基于注意力机制的Resnet的分布式光纤传感信号识别方法 | |
CN103196465B (zh) | 一种相敏光时域反射仪传感信号噪声分离及信号提取方法 | |
CN102045120B (zh) | 光纤周界***的振动信号识别方法 | |
CN103116957B (zh) | 一种光纤周界安防***屏蔽气候影响的方法 | |
Yang et al. | Long-distance pipeline safety early warning: a distributed optical fiber sensing semi-supervised learning method | |
CN109470352A (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
CN103226028B (zh) | 一种相敏光时域反射仪扰动信号检测与识别方法 | |
Yang et al. | Pipeline safety early warning by multifeature-fusion CNN and LightGBM analysis of signals from distributed optical fiber sensors | |
CN102879081A (zh) | 一种分布式光纤振动***中的数据处理方法 | |
Sun et al. | Target location method for pipeline pre-warning system based on HHT and time difference of arrival | |
Huang et al. | Building safety monitoring based on extreme gradient boosting in distributed optical fiber sensing | |
CN109120336B (zh) | 基于相位敏感光时域反射传感器的防误警漏警方法 | |
CN103994784A (zh) | 一种基于过零点分析的分布式光纤传感定位方法 | |
Zhu et al. | A comprehensive bibliometric analysis of signal processing and pattern recognition based on distributed optical fiber | |
van den Ende et al. | Deep deconvolution for traffic analysis with distributed acoustic sensing data | |
Qu et al. | A new two-dimensional method to detect harmful intrusion vibrations for optical fiber pre-warning system | |
Chen et al. | Vehicle identification based on Variational Mode Decomposition in phase sensitive optical time-domain reflectometer | |
Liu et al. | Response analysis of rainfall–runoff processes using wavelet transform: a case study of the alpine meadow belt | |
CN110987151A (zh) | 一种通讯光缆状态实时监测*** | |
He et al. | High-speed train localization algorithm via cooperative multi-classifier network using distributed heterogeneous signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211022 Address after: 421000 Hengshan Science City mangrove R & D Innovation Zone, group 12, Dongfeng Village, Yueping Town, Yanfeng District, Hengyang City, Hunan Province Patentee after: HUNAN SHUAIWEI CONTROL TECHNOLOGY Co.,Ltd. Address before: 100191 Institute of optoelectronic technology, Beijing University of Aeronautics and Astronautics, Haidian District, Beijing Patentee before: BEIHANG University |
|
TR01 | Transfer of patent right |