Φ-OTDR系统的振动信号检测和识别算法

相位敏感光时域反射计(Φ-OTDR)系统在对振动信号位置判断的过程中,采用幅度差分累加法存在对振动峰位置计算准确率低、不同频率的振动信号需随时修改N值的问题。提出了一种经验模态分解(EMD)与神经网络结合的算法,该算法将振动点的时域信号分解后作为特征值输入到神经网络中训练,再对信号是否为目标振动信号进行识别,实验表明该方法的振动信号识别率达到96.49%。     

Φ-OTDR分布式光纤传感系统的关键技术研究

提出了一种基于Φ-OTDR(相位敏感光时域反射计)技术的Φ-OTDR分布式光纤振动传感技术,该技术能够方便地进行入侵定位。介绍了Φ-OTDR分布式光纤振动传感系统的传感机理,论述了光纤传感采集系统的硬件和软件设计。试验结果表明,该系统可对通信光缆不同位置的入侵事件自动识别预警,显示险情位置,测量距离大于60km,定位精度10m。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

基于D-S证据理论的信息融合技术在指控系统中的应用

本文针对靶场测试信息种类多、数据量大和实时性强的特点,提出了将数据融合技术应用于指控及数据处理系统的方案;重点分析了D-S证据理论多传感器识别、应用联合卡尔曼滤波的数据融合等目标识别方法,并通过仿真结果的分析,证明了方案的有效性,可以有效提高系统的综合处理能力。     

D-S证据理论在雷达体制识别中的应用

本文在详细阐述了Dempster-Shafer证据理论的基础上,介绍了基于D-S证据理论的雷达体制识别的信息融合算法.识别实例和对比实验表明,这种信息融合识别方法是非常有效的.     

D-S证据理论在雷达体制识别中的应用

本文在详细阐述了Dempster-Shafer证据理论的基础上,介绍了基于D-S证据理论的雷达体制识别的信息融合算法。识别实例和对比实验表明,这种信息融合识别方法是非常有效的。     

D-S证据理论在通信雷达一体化侦察系统对武器平台识别中的应用

在详细阐述Dempster-shafer证据理论的基础上，介绍了通信雷达一体化侦察系统中基于D-S证据理论的武器平台识别的信息融合算法，列举了具体的实例，实验结果验证了算法的有效性。     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

基于Φ-OTDR的振动事件识别分类器研究进展

相位敏感光时域反射计(Φ-OTDR)凭借着传感距离长、铺设简单、耐腐蚀和抗电磁干扰等特点被广泛应用于分布式振动监测领域。随着传感任务多样化及人工智能的广泛应用,对振动事件的类型识别成为研究的热点方向。为了使读者能更好理解识别分类器研究进展和发展趋势,先后介绍了传统识别分类器和基于深度学习的神经网络识别分类器,对不同分类器性能指标、优缺点和应用场合进行了比较,最后对Φ-OTDR振动事件识别研究方向进行了展望。     

D-S证据理论在舰机目标识别中的应用

介绍了D-S(Dempster-Shafer)证据理论的基本概念及其应用特点,分析了舰船和飞机目标识别的需求以及基于搭载辐射源识别舰机目标平台的可行性,结合需求背景,阐明了D-S证据理论在舰机目标识别中的应用方法,详细说明了识别框架的构建和基本概率赋值过程,并在试验环境下验证了该应用方法的可用性和有效性。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

基于Φ-OTDR的分布式光纤扰动传感系统研究现状

基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤扰动传感系统一直是扰动监测方面的研究热点。通过对比与传统光时域反射计(OTDR)的区别,介绍了Φ-OTDR传感系统的结构和工作原理。根据其发展动态,以提高传感距离和定位精度为目的,从Φ-OTDR系统结构的改进出发,分别论述了传统式、拉曼式、布里渊式和级联式四种典型的Φ-OTDR扰动传感系统的工作原理及研究现状,总结了各自的优缺点,为在实际应用中选择合适的系统结构提供了方向,最后展望了基于Φ-OTDR的分布式光纤扰动传感系统的应用前景。     

D-S证据理论数据融合算法在某系统故障诊断中的应用

介绍了Dempster-Shafer(D-S)证据理论数据融合算法的基本原理,在此基础上以电压-码转换电路板为被诊断对象,探索了基于D-S证据理论多传感器数据融合算法的某系统电路故障元器件诊断方法.诊断结果表明D-S证据理论多传感器信息融合算法可有效地提高故障模式的识别能力,使故障元器件得以有效定位.     

基于异构加速的Φ-OTDR实时信号处理系统

针对相位敏感光时域反射计(Φ-OTDR)信号处理复杂、计算量大、实时性要求高的特点,提出一种基于现场可编程门阵列(FPGA)异构加速计算技术的Φ-OTDR实时信号处理系统。对外差探测式Φ-OTDR信号处理流程进行分析与分解,提出基于FPGA的滑动窗数据帧分割、多通道并行快速傅里叶变换(FFT)计算、频域滤波、短时能量求和等一系列加速计算方法。该系统最终实现在40 km光纤传感距离、2 kHz重复频率与1 m采样间隔下的长时间、实时扰动信号解调与显示,并且具有80%的帧重叠率。该FPGA系统作为异构加速器,能够减轻计算机数据处理压力,保证传感系统高重复频率下的运算实时性,为系统可靠性和稳定性提供了有效保障。     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

基于BP神经网络和D-S证据理论的发电机故障综合诊断

本文以发电机故障为研究对象,提出了一种基于BP神经网络和D-S证据理论相结合的信息融合的故障诊断方法,并进行了验证。利用BP神经网络对测量数据进行局部分析诊断,最后利用D-S理论对局部诊断结果进行融合,得到的结果基本满足需求,从而证明了BP神经网络和D-S理论相结合的综合诊断方法的可行性和实效性。     

D-S证据理论在认知无线电中的应用

针对认知无线电（CR）中协作频谱感知时信息不确定性带来严重的性能影响,在协作开销允许的情况下,人们渴望得到感知增益很高的协作感知方案。由于D-S证据理论在决策系统中处理不确定性信息时能获得令人满意的性能,使得其在认知无线电中的应用会起很重要作用。一种基于D-S证据理论的协作频谱感知新方案被提出和发展。该方案能有效地提高...