作者单位
摘要
1 吉林大学 仪器科学与电气工程学院, 长春3002
2 电子科技大学中山学院 电子信息学院, 广东中山5840
3 山东大学 海洋研究院, 济南250061
4 珠海任驰光电科技有限公司, 广东珠海519000
针对相位敏感光时域反射系统中传统人工特征提取和模式识别方法实时性差、准确率低的问题,提出一种波网络模式识别方法。该方法通过因果空洞卷积结构充分分析光纤振动信号的时序因果性,通过残差块结构使模型更快收敛,以实现更高的识别准确率和效率。实验结果表明,在对手拍、脚踩、棒击三种信号识别时,与一维卷积神经网络结构和长短期记忆网络结构方法相比,该方法识别准确率高达99.85%;且训练耗时最少,低至96 s,测试耗时也仅为30 ms,满足应用实时性的要求。该模式识别方法既具有高准确率又具有高实时性,对于φ-OTDR系统在周界安防中的应用推广具有重要意义。
相位敏感 光时域反射系统 深度神经网络 因果空洞卷积 残差网络 模式识别 Phase-sensitive Optical time-domain reflectometric system Deep neural network Causal dilated convolution Residual network Pattern recognition 
光子学报
2021, 50(3): 50
作者单位
摘要
School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China
fiber optic reflectometric interferometric optical fiber sensors sensor applications 
Frontiers of Optoelectronics
2019, 12(2): 215–226

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!