- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
分布式光纤振动传感系统中基于混合特征的复合事件识别方案
摘要： 本文提出并验证了一种基于混合特征提取算法与组合分类器的高效多事件识别方案，适用于分布式光纤振动传感（DOFVS）系统。通过零交叉率、样本熵、小波包能量熵、峰度和多尺度排列熵提取混合特征向量，并采用支持向量机与径向基函数神经网络的组合分类器提升识别结果可靠性——仅当两个分类器输出相同事件类型时才给出识别结果。实验表明，该组合分类器对五种典型模式（无入侵、摇动围栏、攀爬围栏、踢踹围栏和切割围栏）的平均识别率达到97%以上。此外，该方案的整体识别处理速度良好，实时性可控制在1.1秒以内，因此在DOFVS系统中具有广阔的应用前景。
关键词： 混合特征向量、信号分析、分布式振动传感、事件识别、光纤、组合分类器
更新于2025-09-11 14:15:04
-
基于时频特性的光纤振动模式识别研究
摘要： 为检测和识别周界安防系统中的各类事件，本文提出一种基于时域特征与时频域特征相结合的光纤振动模式识别方法。性能参数（事件识别、事件定位和事件分类）至关重要，体现了本文方法的有效性。该模式识别方法精确基于时频熵和重心频率的经验模态分解，实现了对周界安全范围内事件（入侵或非入侵）的识别与分类功能。为实现该方法，首先根据振动信号的时域特征进行一级预判，再通过时频分析进行二级预测。通过经验模态分解和希尔伯特变换获取信号时频分布，继而利用时频熵和重心频率构成时频域特征，即结合时域特征形成特征向量。采用多种概率神经网络判断是否存在入侵及入侵类型。实验结果表明，该方法在事件类型识别与分类方面具有有效性和可靠性。
关键词： 时频域特征、时频分析、经验模态分解、时频熵、事件识别、模式识别、重心频率、时域特征
更新于2025-09-04 15:30:14