1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 分布式光纤振动信号的去噪方法研究现状
1.2.2 分布式光纤振动信号的特征提取方法研究现状
1.2.3 分布式光纤振动信号的识别方法研究现状
1.3 本书内容
2 Phase-OTDR振动信号的预处理
2.1 实验数据分析
2.2 信号预处理
2.2.1 信号归一化
2.2.2 信号预加重
2.2.3 信号分帧处理
2.2.4 相关系数分帧
2.3 信号时域频域分析
2.4 本章小结
3 Phase-OTDR振动信号的去噪方法
3.1 EEMD-FastICA光纤振动信号去噪方法
3.1.1 基于经验模态分解的信号去噪方法
3.1.2 基于独立成分分析的信号去噪方法
3.1.3 基于EEMD-FastICA的信号去噪方法
3.1.4 去噪效果评估
3.2 基于模拟退火寻优的Ostu信噪分离方法
3.2.1 基于模拟退火寻优的Ostu信噪分离
3.2.2 振动数据信噪分离实验
3.2.3 信噪分离效果评估
3.3 基于BEMD的Phase-OTDR信号去噪
3.3.1 基于BEMD的Phase-OTDR信号去噪原理
3.3.2 去噪效果
3.4 本章小结
4 Phase-OTDR振动信号的特征提取与编码存储
4.1 分布式光纤振动数据时空特征提取
4.1.1 基于二维小波变换的时空特征提取原理
4.1.2 基于剪切波变换的时空特征提取原理
4.1.3 振动数据时空特征提取实验
4.1.4 分布式光纤振动数据频谱分析
4.2 光纤振动信号多维特征提取
4.2.1 时域与频域特征提取
4.2.2 改进的自相关特征提取
4.3 信号特征分析
4.3.1 特征选取情况
4.3.2 实验评估
4.4 分布式光纤振动数据编码存储
4.4.1 哈夫曼编码原理
4.4.2 振动数据编码存储实验
4.5 本章小结
5 Phase-OTDR振动信号的识别方法
5.1 单分类器分类模型
5.1.1 随机森林分类模型
5.1.2 BP神经网络分类模型
5.1.3 AdaBoost分类模型
5.2 基于分类器融合的RF-BP-AdaBoost多模型
5.2.1 多分类器融合原理
5.2.2 实验结果对比
5.3 本章小结
6 Phase-OTDR振动信号的异常监测方法研究
6.1 模态参数异常判断
6.2 累计负载异常判断
6.3 本章小结
7 总结与展望
7.1 结论
7.2 展望
参考文献
展开