基于EMD分解与1-D CNN算法的光纤振动信号的识别

摘要：

为提高基于相敏光时域反射计(φ-OTDR)的分布式光纤声传感系统(DAS)对入侵振动事件的识别准确率,提出一种基于经验模态分解(EMD)与一维卷积神经网络(1-D CNN)相结合的识别方式.该方式首先使用EMD将振动信号分解为m阶本征模函数(IMF),然后使用皮尔逊相关系数(PCC)判断出有效的IMF分量,将有效的IMF分量使用小波阈值去噪算法(WTD)进行去噪,对所有去噪后的IMF分量求和得到重构信号,最后使用1-D CNN对重构信号进行识别.实验证明该识别方式能快速完成对识别模型的训练,训练时间小于3 min,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达98.3％.

关键词：分布式光纤传感;相敏光时域反射计(φ-OTDR);经验模态分解;皮尔逊相关系数;一维卷积神经网络

所属期刊栏目：51

分类号：TN274;TN929.11(光电子技术、激光技术)

资助基金：上海市自然科学基金项目No.19ZR1421700

在线出版日期：2021-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1043-1049