1 天津大学精密仪器与光电子工程学院精密测试技术及仪器国家重点实验室，天津 300072
2 山东龙泉管道工程股份有限公司，山东 淄博 255200
事件识别是分布式光纤传感的重要应用，现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象，从样本来源的角度改善传统的分类器，以时域信号经经验模态分解所得的本征模态函数构建训练样本，使用卷积算子提取信号的波形特征、频域特征、时频域特征，构建深度学习网络，并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%，泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s，具备良好的可行性与发展前景。
深度学习 经验模态分解 马赫-曾德尔干涉仪 本征模态函数 事件识别 光学学报
2023, 43(19): 1906005
华北电力大学 电气与电子工程学院, 河北 保定 071003
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。
相位敏感光时域反射计 振动事件识别 深度学习 神经网络 phase-sensitive optical time domain reflectometer,
薛康 1,2,3刘琨 1,2,3,*江俊峰 1,2,3王双 1,2,3[ ... ]刘铁根 1,2,3
1 天津大学精密仪器与光电子工程学院，天津 300072
2 天津大学光电信息技术教育部重点实验室，天津 300072
3 天津大学光纤传感研究所，天津 300072
通过将双马赫-曾德尔干涉仪（DMZI）分布式光纤振动传感系统和四旋翼无人机（UAV）监测系统融合，设计了一种基于YOLOv5s模型的多类别光纤振动传感事件精准检测方案。首先，通过地面站QGroundcontrol将DMZI与UAV进行联动控制。其次，将二维振动信号时频谱与无人机捕捉的对应原始图像共同送入YOLOv5s卷积神经网络模型进行识别检测。最后，为验证所提精准检测方案的有效性和可行性，对5种常见的传感模式进行实际应用环境下的实验测试与分析。实验结果表明，所提出的精准定位检测方案对5种传感模式的平均精度均值（mAP）可达96.6%，并且其平均识别检测时间可控制在5 ms内。
传感器 光纤光学 光纤传感 融合传感 事件识别 YOLOv5s
1 天津大学精密仪器与光电子工程学院, 光电信息技术教育部重点实验室, 天津市光纤传感工程中心, 天津300072
2 天地伟业技术有限公司, 天津 300392
目前随着公共安全领域非法入侵事件的数量急剧增加,迫切需要新型传感技术来侦测非法入侵事件。针对精确定位、准确识别、多参量融合等瓶颈问题,天津大学、天地伟业技术有限公司等研究机构提出了光电信息事件识别感知关键技术,其紧密融合了视频监控和分布式光纤传感两种技术的优势,通过光时域与光频域分布式扰动定位技术、干涉信号模式识别技术、超星光图像识别技术、视频捕捉分析识别技术、多参量感知融合技术、主动式偏振跟踪感知技术等,实现了重点区域内异常事件的全天候、全覆盖监控识别。重点介绍了光电信息事件识别感知的关键技术研究进展。
光纤光学 分布式光纤传感 视频监控 事件识别 多参量感知
1 天津大学电气自动化与信息工程学院, 天津 300072
2 天津大学精密仪器与光电子工程学院, 天津 300072
在实际的光纤周界安防系统中,既要求判断入侵事件类别,又要求对各类事件发生的可能性做出全面评估。对此提出一种基于自回归滑动平均(ARMA)建模与Sigmoid概率拟合的入侵事件识别方法。在判断入侵事件类别方面,将光纤振动信号的ARMA建模系数与信号自身过零率相结合,构造特征向量,并将其馈入支持向量机(SVM),实现对攀爬、敲击、晃动、剪切、脚踢和撞击6种常见的入侵动作的识别;在评估各类事件的发生可能性方面,引入Sigmoid模型,对训练模式的SVM的各输出值作参数拟合,进而将测试样本的SVM值代入各自Sigmoid模型中完成评估。现场实验表明,该方法对6类常见入侵事件的平均识别率达到87.14%,且可提供各类事件的发生概率参考值,因而具有较高的实用价值。
光纤光学 传感器 光纤周界安防 入侵事件识别 ARMA建模 概率输出 中国激光
2020, 47(10): 1006004
针对公共环境中的声音事件识别问题,提出基于自适应粒子群优化(PSO)匹配追踪(MP)稀疏分解的声音事件识别算法。该算法在分析MP稀疏分解的基础上,先基于适应度函数改进PSO算法相关参数的自适应设置,再基于自适应PSO算法构建优化MP稀疏分解的目标函数及信号重构函数,实现自适应PSO算法优化MP稀疏分解,从而借助连续Gabor超完备集来提高最优原子的匹配程度,增强声音信号,提高特征的分类性能,最后使用优化的支持向量机(SVM)和复合特征实现公共环境中的声音事件准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率,且具有较好的识别鲁棒性。
机器视觉 声音事件识别 自适应粒子群算法 匹配追踪 稀疏分解 支持向量机 激光与光电子学进展
2020, 57(10): 101502
1 安徽大学计算智能与信号处理教育部重点实验室，安徽合肥 230039
2 中国科学院声学研究所，北京 100190
3 浙江大学控制科学与工程学院，浙江杭州 310058
针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题，本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号，直接通过 MS 1-D CNN实现端到端的振动信号特征的提取和识别。 MS 1-D CNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度，利用全连接层 (FC layer)和 Softmax层完成最终的识别过程，与二维卷积神经网络 (2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明，MS 1-D CNN的识别正确率与 2-D CNN相近，达到了 96%以上，而处理速度提升一倍，在保持识别性能的前提下，有利于提高振动事件识别的实时性。
分布式光纤振动传感 多尺度一维卷积神经网络 相位敏感光时域反射 振动事件识别 模式识别 distributed optical fiber vibration sensing multi-scale 1-D CNN Φ-OTDR vibration events recognition pattern recognition
利用基于马赫曾德尔(M-Z)干涉原理的分布式光纤振动传感监测系统，提出了一种光缆振动事件的识别方法。该方法解决了普通光纤振动传感监测系统不具备模式识别智能分析可操作性的问题。通过对光缆上的振动事件的分析对振动的事件识别建模，利用大量实验数据将振动事件分类，通过与这些振动事件的比较，实现对振动事件的识别。
光纤传感器 振动事件识别 细胞分类算法 欧氏距离 激光与光电子学进展
2012, 49(8): 080603
