分布式光纤传感系统的振动信号识别研究

【摘要】：分布式光纤振动传感系统因其特性常用于安全系统的监测,如石油线路安全隐患监测,通信光缆线路监测,铁路沿线轨道传感等领域。由于相位敏感光时域反射计(Phase-Sensitive Optical Time Domain Reflectometer,Φ-OTDR)采用瑞利散射光的相位变化作为测量系统扰动的唯一条件,所以其具有结构简单,系统稳定,可同时对多点进行监测等特点。Φ-OTDR目前正广泛适用于各种实际应用场景中,具有良好的发展前景和适用空间,因此对Φ-OTDR技术的研究也在逐步发展中。然而目前光纤信号的模式识别方法在实际场景下使用时还存在局限性,如去噪效果不明显,特征提取不匹配以及分类效果差距大等。本文通过针对性的分析扰动事件类型,对初始数据进行预处理后使用恰当的去噪方法,完善特征提取方式并对分类算法改进,形成一种基于滑动平均差分法去噪,多参数特征提取,分类融合的模式识别方式,此方法较之于单一特征提取等方法具有较高的模式识别准确率。本文的主要研究工作如下:(1)针对于信号预处理以及去噪方面,提出了相关系数分帧以及滑动平均差分去噪的优化方法。在对信号进行采集后,首先对原始信号进行预处理,提出一种基于相关性系数进行分帧的方式,通过提取振动片段间的相关性系数,针对于淹没在环境噪声中的振动信号进行提取分离,有效的分离振动信号。并在预处理的基础上,对信号进行归一化处理,使用滑动平均差分的方法对信号去噪,结合平均法和差分法的优点,能够有效减少失真点,使曲线更加平滑,信噪比提高了9.48d B。(2)在特征提取前,对信号特征进行分析,并对特征进行提取。考虑光纤传感的实际使用场景,设定四种扰动信号,其中包括敲击、碾压、攀爬、模拟下雨,更好的还原真实场景下周界防护的重点扰动。然后对信号特征进行分析,在去除环境噪声的条件下,对有无扰动以及扰动是否是人为进行判别分析,依据分析结果,分别从不同方面提取扰动特征,为后续的分类提供特征向量。(3)提出基于分类融合理论的加权分类方法用于模式识别,增强分类识别精度。在搭建Φ-OTDR传感系统后,根据数据特性和信号特征用SVM(Support Vector Machine)、BP(Back Propagation)、Adaboost(Adaptive Boosting)三种不同的分类器进行分类,根据不同类型扰动信号的特性,按照加权投票的方式对分类器进行融合,进而将不同的扰动类型进行准确分类,并对比单个分类器识别结果,分类融合算法的平均分类准确率在94%以上。