基于BSS和BPNN-DS算法的光纤入侵传感网络信息的高精度识别

摘要：

采用传统单路传感光纤实现对信息特征的测量,常由于交叉敏感等不可控因素使测量数据出现异常值,导致信息分析偏差较大,识别准确度低.因此,提出了一种基于双相干谱、样本熵和奇异值分解(BSS)和反向传播神经网络(BPNNDS)算法的多路光纤入侵传感系统信息的特征提取与识别方法.针对含3路传感光纤的布里渊光时域反射(BOTDR)传感入侵检测系统,该方法利用BSS算法分别对不同入侵类型的多路信号进行特征提取;采用BPNN算法对不同入侵振动特征矢量进行分类;经Dempster Shafer(DS)证据理论算法对多路传感光纤的时空信息进行融合.数值分析与仿真实验结果表明,提出的信息提取方法可以有效提取出多路传感网络的信息特征,且使用BPNN-DS证据理论的多路信息融合方法能够准确识别多路入侵传感网络的信号类型,具有较高的准确度和可信度.

关键词：传感器、分布式光纤传感、双相干谱、样本熵、奇异值分解、Dempster Shafer信息融合

所属期刊栏目：36

分类号：TN247(光电子技术、激光技术)

资助基金：国家自然科学基金;中国博士后科学基金;河北省自然科学基金;燕山大学新锐工程人才支持计划

在线出版日期：2017-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：32-40