CN116026449A - 一种基于单芯光纤传感的振动定位监测*** - Google Patents
一种基于单芯光纤传感的振动定位监测*** Download PDFInfo
- Publication number
- CN116026449A CN116026449A CN202310323931.4A CN202310323931A CN116026449A CN 116026449 A CN116026449 A CN 116026449A CN 202310323931 A CN202310323931 A CN 202310323931A CN 116026449 A CN116026449 A CN 116026449A
- Authority
- CN
- China
- Prior art keywords
- vibration
- module
- signal
- optical fiber
- core optical
- 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.)
- Granted
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于单芯光纤传感的振动定位监测***及方法,包括信号接收模块、信号处理模块、信号分析模块、特征提取模块、信号记录模块、振动识别模块、定位模块、显示模块和预警模块;对振动信号进行去噪处理和时频分析处理,大大提高了时频谱的分辨率,能够有效且准确地提取出振动信号的特征;通过构建特征识别神经网络模型,建立振动原因识别算法,达到预警无漏报、低误报,从而进行精准定位报警,锁定进入源;本发明有效解决了现有技术存在检测慢、误差较大等问题,实现了提高振动信号分辨率,有效提取振动信号特征,精确诊断振动原因和振动位置,提高光纤振动的预警监测效率。
Description
技术领域
本发明涉及光纤振动传感技术,尤其涉及一种基于单芯光纤传感的振动定位监测***。
背景技术
光纤振动传感以光纤作为传感器进行振动感知,由于具有灵敏度高、响应快、结构简单、分布均匀等优点,在结构健康监测、油气管道泄漏监测、周界防护和地震监测等工程领域具有广泛应用前景。目前将光纤作为传感器来采集传送信息手段的技术并应用于安全防范领域还远远未被大量开发。
现有光纤振动传感技术大多是基于双马赫-曾德尔干涉结构的分布式光纤振动定位***,具有检测距离长、不受电磁干扰等优点。很多研究者对此技术进行开发并已取得一定成果,但仍存在检测慢、误差较大等问题。国外常用的双MZI技术,利用三根光纤进行监测,数据不同步,且受温度、噪音等环境影响大。
现有技术中,有基于FFT的分布式光纤振动传感定位方法,通过收集多个脉冲的后向瑞利散射信号,对每个位置积累的信号做FFT,根据该位置的幅频特性,确定此位置振动信号频率,以频率为判决条件进行筛选,将符合判决条件的频率结果进行相邻时刻对应位置差值处理,在光缆受到外界环境影响下准确识别出真实有效振动位置。现有技术还提供了一种基于FFT的分布式光纤振动传感定位装置,用于执行前述定位方法,通过将不同振动形式的振动频率特征和真实振动突发性的特征相结合来判定振动位置,算法实现简单,具有良好的工程实用性。
但上述技术至少存在如下问题:现有技术存在检测慢、误差较大等问题,对于感知到的振动信号无法清楚分辨干扰类型,从而无法精确诊断振动原因,影响预警准确性,导致光纤传感的振动定位监测不够智能化。
发明内容
本申请实施例通过提供一种基于单芯光纤传感的振动定位监测***,解决了现有技术存在检测慢、误差较大等问题,对于感知到的振动信号无法清楚分辨干扰类型,从而无法精确诊断振动原因,影响预警准确性,导致光纤传感的振动定位监测不够智能化。实现了提高振动信号分辨率,有效提取振动信号特征,精确诊断振动原因和振动位置,提高光纤振动的预警监测效率。
本申请具体包括以下技术方案:
一种基于单芯光纤传感的振动定位监测***,包括以下部分:
信号接收模块、信号处理模块、信号分析模块、特征提取模块、信号记录模块、振动识别模块、定位模块、显示模块和预警模块;
所述信号接收模块,用于接收单芯光纤传输的振动信号,信号接收模块通过数据传输的方式与信号处理模块和定位模块相连;
所述信号处理模块,用于确定去噪系数,对振动信号进行去噪处理,信号处理模块通过数据传输的方式与信号分析模块相连;
所述信号分析模块,用于对去噪后的振动信号进行时频分析,得到振动信号的时间-频率分布函数,信号分析模块通过数据传输的方式与特征提取模块相连;
所述特征提取模块,用于将时频分布函数映射到高阶时频域,计算高阶时频分布因子,然后基于高阶时频分布因子构造提取算子,基于提取算子提取出振动信号的特征;特征提取模块通过数据传输的方式与振动识别模块相连;
所述信号记录模块,用于记录不同振动信号的特征信息,并对应出每个振动信号的产生原因,信号记录模块通过数据传输的方式与振动识别模块相连;
所述振动识别模块,用于构建特征识别神经网络模型,将振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前振动信号对应的振动产生原因类型,振动识别模块通过数据传输的方式与信号记录模块、显示模块和预警模块相连;
所述定位模块,用于获取单芯光纤传感器位置信息,定位模块通过数据传输的方式与显示模块和预警模块相连;
所述显示模块,用于展示振动位置和原因;
所述预警模块,用于发出未知原因的预警。
一种基于单芯光纤传感的振动定位监测方法包括以下步骤:
S1. 对振动信号进行去噪处理和时频分析处理,将时频分布函数映射到高阶时频域,得到高阶时频分布因子,基于高阶时频分布因子构造提取算子,提取振动信号的特征;
S2. 构建特征识别神经网络模型,将振动信号特征与已知的振动产生原因进行匹配,根据振动信号特征输出振动产生原因,获取传感器位置信息,对于为记录的振动产生原因发出未知原因预警和定位信息。
进一步,所述步骤S1具体包括:
获得一个门限值,由门限值确定对所述振动信号的去噪系数,根据去噪系数对所述振动信号进行去噪处理。
进一步,所述步骤S1具体包括:
对去噪后的所述振动信号进行时频分析,得到所述振动信号的时间-频率分布函数,将时频分布函数映射到高阶时频域,计算高阶时频分布因子。
进一步,所述步骤S1具体包括:
构造所述振动信号的提取算子,基于提取算子提取出所述振动信号的特征。
进一步,所述步骤S2具体包括:
构建所述特征识别神经网络模型,将所述振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前所述振动信号对应的振动产生原因类型,所述特征识别神经网络模型包括输入层、N个隐含层和输出层。
进一步,所述步骤S2具体包括:
将特征点的匹配程度用距离进行表示,所述输入层将每个特征点利用深度学习函数进行泰勒展开。
进一步,所述步骤S2具体包括:
若当前所述振动信号的特征与信号记录模块中记录的特征均相差较大,则所述特征识别神经网络模型输出结果0,并向预警模块发出未知原因的预警,则需通过查看传感器位置附近的摄像头或由工作人员去现场进行原因确认,在得到当前所述振动信号的发生原因后,存入信号记录模块中,并由当前所述振动信号特征和发生原因对所述特征识别神经网络模型进行学习训练,从而使所述特征识别神经网络模型能够及时识别已知的所有振动原因,确保振动定位监测***的智能性和高效性。
本申请至少具有如下技术效果或优点:
1、通过单芯光纤传感和自主研发的模块化分析器,实现微振动感测、信号处理、信号分析和识别功能,检测分析振动信号的频率、时域等特征,对目标特征量比如频域、时域等特征进行有效优化和分析,大大提高了时频谱的分辨率,能够有效且准确地提取出振动信号的特征,从而实现振动原因的精确诊断。
2、率先采用光纤单芯感应技术,突破大温差、长距离场景,实现长时间、无死角、不间断防范,智能识别不同类型的干扰,提高预警准确性:通过特征识别神经网络模型,建立振动原因识别算法,达到预警无漏报、低误报,从而进行精准定位报警,锁定进入源。
3、本申请的技术方案能够有效解决现有技术存在检测慢、误差较大等问题,对于感知到的振动信号无法清楚分辨干扰类型,从而无法精确诊断振动原因,影响预警准确性,导致光纤传感的振动定位监测不够智能化。并且,上述***或方法经过了一系列的效果调研,通过验证,最终能够提高振动信号分辨率,有效提取振动信号特征,精确诊断振动原因和振动位置,提高光纤振动的预警监测效率。
附图说明
图1为本申请所述的一种基于单芯光纤传感的振动定位监测***结构图;
图2为本申请所述的一种基于单芯光纤传感的振动定位监测方法流程图。
具体实施方式
本申请实施例通过提供一种基于单芯光纤传感的振动定位监测***,解决了现有技术存在检测慢、误差较大等问题,对于感知到的振动信号无法清楚分辨干扰类型,从而无法精确诊断振动原因,影响预警准确性,导致光纤传感的振动定位监测不够智能化。
本申请实施例中的技术方案为解决上述问题,总体思路如下:
通过单芯光纤传感和自主研发的模块化分析器,实现微振动感测、信号处理、信号分析和识别功能,检测分析振动信号的频率、时域等特征,对目标特征量比如频域、时域等特征进行有效优化和分析,大大提高了时频谱的分辨率,能够有效且准确地提取出振动信号的特征,从而实现振动原因的精确诊断;率先采用光纤单芯感应技术,突破大温差、长距离场景,实现长时间、无死角、不间断防范,智能识别不同类型的干扰,提高预警准确性:通过特征识别神经网络模型,建立振动原因识别算法,达到预警无漏报、低误报,从而进行精准定位报警,锁定进入源。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照附图1,本申请所述的一种基于单芯光纤传感的振动定位监测***包括以下部分:
信号接收模块10、信号处理模块20、信号分析模块30、特征提取模块40、信号记录模块50、振动识别模块60、定位模块70、显示模块80和预警模块90;
所述信号接收模块10,用于接收单芯光纤传输的振动信号,信号接收模块10通过数据传输的方式与信号处理模块20和定位模块70相连;
所述信号处理模块20,用于确定去噪系数,对振动信号进行去噪处理,信号处理模块20通过数据传输的方式与信号分析模块30相连;
所述信号分析模块30,用于对去噪后的振动信号进行时频分析,得到振动信号的时间-频率分布函数,信号分析模块30通过数据传输的方式与特征提取模块40相连;
所述特征提取模块40,用于将时频分布函数映射到高阶时频域,计算高阶时频分布因子,然后基于高阶时频分布因子构造提取算子,基于提取算子提取出振动信号的特征;特征提取模块40通过数据传输的方式与振动识别模块60相连;
所述信号记录模块50,用于记录不同振动信号的特征信息,并对应出每个振动信号的产生原因,信号记录模块50通过数据传输的方式与振动识别模块60相连;
所述振动识别模块60,用于构建特征识别神经网络模型,将振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前振动信号对应的振动产生原因类型,振动识别模块60通过数据传输的方式与信号记录模块50、显示模块80和预警模块90相连;
所述定位模块70,用于获取单芯光纤传感器位置信息,定位模块70通过数据传输的方式与显示模块80和预警模块90相连;
所述显示模块80,用于展示振动位置和原因。
所述预警模块90,用于发出未知原因的预警。
参照附图2,本申请所述的一种基于单芯光纤传感的振动定位监测方法包括以下步骤:
S1. 对振动信号进行去噪处理和时频分析处理,将时频分布函数映射到高阶时频域,得到高阶时频分布因子,基于高阶时频分布因子构造提取算子,提取振动信号的特征;
光纤振动传感以光纤作为传感器进行振动感知,具有灵敏度高、响应快、结构简单、分布均匀等优点,本发明公开的单芯光纤传感振动定位监测***及方法可以广泛应用于桥梁隧道、公路铁路、山体应力变化探测、城市地下管网等区域探测;港口、水岸设施等水域探测;以及边境线,军事基地等重点区域的监控。
将单芯光纤铺设到待监测区域,单芯光纤即感知器件,当单芯光纤传感器收到外界干扰影响时,单芯光纤中传输光的部分特性将会改变,使得检测到的光的特征发生变化,所述光的特性包括衰减、相位、波长、极化、模场分布和传播时间;则干涉光的输出波形发生变化,从而单芯光纤传感器可以感知到待监测区域的振动信号,采用先进的光纤混合技术,利用单芯光纤实现一体化传感,把感知到的振动信号传输至自主研发的模块化分析器。
模块化分析器上的信号接收模块10接收单芯光纤传输的振动信号,信号处理模块20对振动信号进行预处理,设立单芯光纤感知到的振动信号为,表示第n组振动信号,表示转置,对于任意一组振动信号用表示,。由于单芯光纤在信号采集过程中难免存在噪声,因此需要对振动信号进行去噪处理。
根据专家经验法或者实验获得一个门限值,由门限值确定对振动信号的去噪系数,所述去噪系数的计算公式为:
其中,表示去噪系数,表示尺度系数,表示低通滤波器,表示高通滤波器,,,表示分解尺度数。根据去噪系数对振动信号进行去噪处理,具体公式为:
其中,表示去噪后的振动信号,表示的共轭,表示的共轭。
信号分析模块30对去噪后的振动信号进行时频分析,得到振动信号的时间-频率分布函数:
其中,表示时频分布函数,t表示时间,表示振动频率,和分别表示振动信号的开始时间和结束时间,表示振动信号,表示参考点位置,表示时间定位,表示窗函数。
特征提取模块40基于时频分析提取振动信号的特征,首先将时频分布函数映射到高阶时频域,计算高阶时频分布因子,然后基于高阶时频分布因子构造提取算子,基于提取算子提取出振动信号的特征,所述特征提取的具体步骤如下:
其中,表示高阶时频分布因子,是对时频分布函数中的t求偏导,表示虚数单位。基于高阶时频分布因子构造提取算子,提取振动信号的特征:
其中,表示振动信号的特征。
S2. 构建特征识别神经网络模型,将振动信号特征与已知的振动产生原因进行匹配,根据振动信号特征输出振动产生原因,获取传感器位置信息,对于为记录的振动产生原因发出未知原因预警和定位信息。
信号记录模块50记录不同振动信号的特征信息,并对应出每个振动信号的产生原因。所述振动信号的产生原因即经过单芯光纤时产生了振动信号的不同物体,例如车辆、动物、自然环境干扰造成了信号波动以及人为破坏造成的信号波动等。信号记录模块50将所有已知的振动信号产生原因和特征信息记录存储后,当单芯光纤产生新的振动信号时,可以与已记录的振动信号特征进行匹配,从而得到产生当前振动信号的原因,所述振动信号特征匹配方法的具体步骤如下:
振动识别模块60构建特征识别神经网络模型,将振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前振动信号对应的振动产生原因类型。所述特征识别神经网络模型包括输入层、N个隐含层和输出层。
获取振动信号特征及对应产生原因的历史数据,将历史数据作为特征识别神经网络进行深度学习样本数据,分为训练集和测试集,一组训练样本包括输入和输出,输入是振动信号特征,输出是输入的振动信号产生的原因。选取一组训练样本的输入表示为,m表示当前振动信号特征样本的特征点数量。
为了提高特征识别神经网络的处理速度和鲁棒性,将特征点的匹配程度用距离进行表示,输入层将每个特征点利用深度学习函数进行泰勒展开,所述深度学习函数的计算公式为:
其中,表示深度学习函数,表示特征点的偏置,表示转置,表示约束深度梯度,表示常数因子。
隐含层的计算过程为:
其中,表示隐含层的输出,为激活函数,表示当前隐含层与上一隐含层的连接权重,表示当前隐含层的偏置,表示当前隐含层的输入,即上一隐含层的输出。每一隐含层将计算结果输出给下一隐含层,直至第N个隐含层将计算结果输出给输出层,输出层输出第N个隐含层的计算结果。
将模型输出与样本输出进行误差计算,并根据梯度下降法优化特征识别神经网络中的参数,直至将测试集输入特征识别神经网络模型后,模型输出与样本输出的误差小于预设阈值为止,从而完成特征识别神经网络模型的训练。
当单芯光纤感知到振动信号后,将传感器位置和振动信号同时传输给模块化分析器,模块化分析器中的定位模块70获取传感器位置信息,信号分析模块30和特征提取模块40分别对振动信号进行预处理和特征提取,将提取的特征传输给振动识别模块60,由振动识别模块60输出当前振动信号的原因,并由显示模块80展示振动原因。
若当前振动信号的特征与信号记录模块50中记录的特征均相差较大,则特征识别神经网络模型输出结果0,并向预警模块90发出未知原因的预警,则需通过查看传感器位置附近的摄像头或由工作人员去现场进行原因确认,在得到当前振动信号的发生原因后,存入信号记录模块50中,并由当前振动信号特征和发生原因对特征识别神经网络模型进行学习训练,从而使特征识别神经网络模型能够及时识别已知的所有振动原因,确保振动定位监测***的智能性和高效性。
综上所述,便完成了本申请所述的一种基于单芯光纤传感的振动定位监测***。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于单芯光纤传感的振动定位监测***,其特征在于,包括以下部分:
信号接收模块、信号处理模块、信号分析模块、特征提取模块、信号记录模块、振动识别模块、定位模块、显示模块和预警模块;
所述信号接收模块,用于接收单芯光纤传输的振动信号,信号接收模块通过数据传输的方式与信号处理模块和定位模块相连;
所述信号处理模块,用于确定去噪系数,对振动信号进行去噪处理,信号处理模块通过数据传输的方式与信号分析模块相连;
所述信号分析模块,用于对去噪后的振动信号进行时频分析,得到振动信号的时间-频率分布函数,信号分析模块通过数据传输的方式与特征提取模块相连;
所述特征提取模块,用于将时频分布函数映射到高阶时频域,计算高阶时频分布因子,然后基于高阶时频分布因子构造提取算子,基于提取算子提取出振动信号的特征;特征提取模块通过数据传输的方式与振动识别模块相连;
所述信号记录模块,用于记录不同振动信号的特征信息,并对应出每个振动信号的产生原因,信号记录模块通过数据传输的方式与振动识别模块相连;
所述振动识别模块,用于构建特征识别神经网络模型,将振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前振动信号对应的振动产生原因类型,振动识别模块通过数据传输的方式与信号记录模块、显示模块和预警模块相连;
所述定位模块,用于获取单芯光纤传感器位置信息,定位模块通过数据传输的方式与显示模块和预警模块相连;
所述显示模块,用于展示振动位置和原因;
所述预警模块,用于发出未知原因的预警。
2.一种基于单芯光纤传感的振动定位监测方法,其特征在于,包括以下步骤:
S1. 对振动信号进行去噪处理和时频分析处理,将时频分布函数映射到高阶时频域,得到高阶时频分布因子,基于高阶时频分布因子构造提取算子,提取振动信号的特征;
S2. 构建特征识别神经网络模型,将振动信号特征与已知的振动产生原因进行匹配,根据振动信号特征输出振动产生原因,获取传感器位置信息,对于为记录的振动产生原因发出未知原因预警和定位信息。
3.如权利要求2所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S1具体包括:
获得一个门限值,由门限值确定对所述振动信号的去噪系数,根据去噪系数对所述振动信号进行去噪处理。
4.如权利要求3所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S1具体包括:
对去噪后的所述振动信号进行时频分析,得到所述振动信号的时间-频率分布函数,将时频分布函数映射到高阶时频域,计算高阶时频分布因子。
5.如权利要求2所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S1具体包括:
构造所述振动信号的提取算子,基于提取算子提取出所述振动信号的特征。
6.如权利要求2所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S2具体包括:
构建所述特征识别神经网络模型,将所述振动信号的特征输入模型中,经过模型的深度学习,最终准确输出当前所述振动信号对应的振动产生原因类型,所述特征识别神经网络模型包括输入层、N个隐含层和输出层。
7.如权利要求6所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S2具体包括:
将特征点的匹配程度用距离进行表示,所述输入层将每个特征点利用深度学习函数进行泰勒展开。
8.如权利要求6所述的一种基于单芯光纤传感的振动定位监测方法,其特征在于,所述步骤S2具体包括:
若当前所述振动信号的特征与信号记录模块中记录的特征均相差较大,则所述特征识别神经网络模型输出结果0,并向预警模块发出未知原因的预警,则需通过查看传感器位置附近的摄像头或由工作人员去现场进行原因确认,在得到当前所述振动信号的发生原因后,存入信号记录模块中,并由当前所述振动信号特征和发生原因对所述特征识别神经网络模型进行学习训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323931.4A CN116026449B (zh) | 2023-03-30 | 2023-03-30 | 一种基于单芯光纤传感的振动定位监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323931.4A CN116026449B (zh) | 2023-03-30 | 2023-03-30 | 一种基于单芯光纤传感的振动定位监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116026449A true CN116026449A (zh) | 2023-04-28 |
CN116026449B CN116026449B (zh) | 2023-06-16 |
Family
ID=86074512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310323931.4A Active CN116026449B (zh) | 2023-03-30 | 2023-03-30 | 一种基于单芯光纤传感的振动定位监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116026449B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117370878A (zh) * | 2023-12-07 | 2024-01-09 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于脊柱关节振动信息的表皮提取定位方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
CN108509850A (zh) * | 2018-02-24 | 2018-09-07 | 华南理工大学 | 一种基于分布式光纤***的入侵信号识别算法 |
CN108709633A (zh) * | 2018-08-29 | 2018-10-26 | 中国科学院上海光学精密机械研究所 | 基于深度学习的分布式光纤振动传感智能安全监测方法 |
CN109117832A (zh) * | 2018-10-12 | 2019-01-01 | 成都理工大学 | 高阶同步提取变换信号时频分析方法 |
CN111157099A (zh) * | 2020-01-02 | 2020-05-15 | 河海大学常州校区 | 一种分布式光纤传感器振动信号分类方法及识别分类*** |
CN114266271A (zh) * | 2021-12-13 | 2022-04-01 | 长飞光纤光缆股份有限公司 | 基于神经网络的分布式光纤振动信号模式分类方法和*** |
US20220172611A1 (en) * | 2020-12-01 | 2022-06-02 | Verizon Patent And Licensing Inc. | Systems and methods for fiber optic based vehicle-direction detection |
CN114623922A (zh) * | 2022-05-11 | 2022-06-14 | 高勘(广州)技术有限公司 | 分布式光纤传感预警***及其控制方法、设备、存储介质 |
-
2023
- 2023-03-30 CN CN202310323931.4A patent/CN116026449B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
CN108509850A (zh) * | 2018-02-24 | 2018-09-07 | 华南理工大学 | 一种基于分布式光纤***的入侵信号识别算法 |
CN108709633A (zh) * | 2018-08-29 | 2018-10-26 | 中国科学院上海光学精密机械研究所 | 基于深度学习的分布式光纤振动传感智能安全监测方法 |
CN109117832A (zh) * | 2018-10-12 | 2019-01-01 | 成都理工大学 | 高阶同步提取变换信号时频分析方法 |
CN111157099A (zh) * | 2020-01-02 | 2020-05-15 | 河海大学常州校区 | 一种分布式光纤传感器振动信号分类方法及识别分类*** |
US20220172611A1 (en) * | 2020-12-01 | 2022-06-02 | Verizon Patent And Licensing Inc. | Systems and methods for fiber optic based vehicle-direction detection |
CN114266271A (zh) * | 2021-12-13 | 2022-04-01 | 长飞光纤光缆股份有限公司 | 基于神经网络的分布式光纤振动信号模式分类方法和*** |
CN114623922A (zh) * | 2022-05-11 | 2022-06-14 | 高勘(广州)技术有限公司 | 分布式光纤传感预警***及其控制方法、设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
时银水;姬红兵;王磊;: "基于CWT的常规雷达编队目标架次自动识别", 现代雷达, no. 07, pages 34 - 37 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117370878A (zh) * | 2023-12-07 | 2024-01-09 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于脊柱关节振动信息的表皮提取定位方法及*** |
CN117370878B (zh) * | 2023-12-07 | 2024-03-05 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于脊柱关节振动信息的表皮提取定位方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116026449B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11562224B2 (en) | 1D-CNN-based distributed optical fiber sensing signal feature learning and classification method | |
Liu et al. | Vehicle detection and classification using distributed fiber optic acoustic sensing | |
CN111222743B (zh) | 一种光纤感知事件的垂直偏移距离及威胁级别判断方法 | |
CN201191221Y (zh) | 分布式光纤振动传感***扰动信号判别模块 | |
CN103775832B (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
CN107167168B (zh) | 相位敏感光时域反射分布式光纤传感***精确定位方法 | |
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 | |
RU2014128537A (ru) | Мониторинг гидравлического разрыва пласта | |
CN111537056A (zh) | 基于svm与时频域特征的管道沿线第三方施工动态预警方法 | |
CN116026449B (zh) | 一种基于单芯光纤传感的振动定位监测*** | |
Sun et al. | Target location method for pipeline pre-warning system based on HHT and time difference of arrival | |
CN109470352A (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
CN105067101A (zh) | 振源识别的基于振动信号的基音频率特征的提取方法 | |
CN112032577B (zh) | 一种输油管道管内光缆盗油及泄露监测装置及方法 | |
CN115265750A (zh) | 一种光纤分布式声波传感***及方法 | |
CN115987386A (zh) | 一种光缆同路由检测装置和方法 | |
CN111239842A (zh) | 一种基于分布式光纤传感技术的雨水入侵光缆监测***及方法 | |
CN108344432B (zh) | 获取布里渊光纤分布式传感***的传感信息的方法 | |
KR20200092503A (ko) | 입출력 음향 데이터 기반의 딥러닝을 활용한 하수관 상태 판별 방법 | |
CN116186642B (zh) | 一种基于多维特征融合的分布式光纤传感事件预警方法 | |
CN109120336A (zh) | 基于相位敏感光时域反射传感器的防误警漏警方法 | |
US20230024104A1 (en) | Identification of false transformer humming using machine learning | |
CN111364986A (zh) | 一种油井井下油水两相流持水率测量装置及方法 | |
JP2024516568A (ja) | 光ファイバセンシングを用いたマッピング | |
CN101626271B (zh) | 光电复合缆外部安全预警定位***中计算预警事件发生位置的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |