1 北方工业大学信息学院，北京 100144
2 中国石油管道局工程有限公司国际事业部，河北 廊坊 065000
3 中国石油管道局工程有限公司亚太分公司，河北 廊坊 065000
对光纤振动信号的有效识别是保证油气管道光纤预警系统运行的重要基础。针对传统光纤振动信号检测中单一分类方法的不足，提出一种基于AdaBoost集成学习的光纤振动信号识别分类算法。首先通过分析研究5类光纤振动信号的特征，选取样本熵、能量分布以及频带宽度作为三维特征向量，并将其分别送入决策树、支持向量机（SVM）以及以决策树作为基分类器的AdaBoost分类算法进行训练识别；其次通过交叉验证的方式对得到的模型进行参数优化和模型评价；最后对得到的模型进行对比测试实验。实验结果表明：以决策树作为基分类器的AdaBoost集成学习算法可以对不同振动类型进行有效识别，在光纤预警中对不同来源振动信号的识别具有一定意义。
傅里叶光学与信号处理 光纤 AdaBoost集成学习 光纤振动信号 特征提取与识别 激光与光电子学进展
2022, 59(13): 1307004
1 北方工业大学信息学院，北京 100144
2 中国石油管道局工程有限公司国际事业部，河北 廊坊 065000
3 中国石油管道局工程有限公司亚太分公司，河北 廊坊 065000
分布式光纤传感技术已被广泛应用于管道运输的安全监测中，对不同光纤振动信号的特征进行准确提取和分类识别是近年来的研究热点。针对传统时频分析方法研究光纤振动信号时需要人工设定基函数以及无法消除高频噪声干扰的缺陷，采用具有自适应特性的局部均值分解（LMD）方法对信号进行处理，并提出了一种基于LMD的特征提取与识别方法。首先，对原始信号进行LMD，得到若干个乘积函数分量；然后，通过自相关原理重构信号，并提取重构信号的样本熵特征和能量特征；最后，将上述特征进行融合并送入支持向量机进行训练识别。实验结果表明，该方法能有效识别不同振动类型，且识别准确率较高。
光纤光学 光纤振动信号 局部均值分解 样本熵 光纤预警 特征提取与识别 激光与光电子学进展
2022, 59(7): 0706004
针对传统分解信号方法需要人工设定基函数，具有测不准性等问题，采用自驱动的傅里叶分解方法（FDM）处理信号，提出一种基于FDM能量熵的特征提取与识别方法。首先对振动信号进行FDM分解，得到若干个傅里叶固有带函数；然后利用自相关性原理重构信号，并提取信号FDM能量熵特征；最后将融合的特征向量送入支持向量机进行训练，并对有害振动进行识别。实验结果表明，所提方法能正确识别不同振动信号的类型，具有较高的准确率，应用于光纤预警系统中有望提高对有害振动的识别性能，促进管道保护技术的发展。
光纤光学 光纤振动信号 傅里叶分解方法能量熵 基音周期 特征提取与识别 激光与光电子学进展
2021, 58(7): 0706006
华中科技大学 光学与电子信息学院, 武汉 430074
为了提高光纤安防系统的准确预警能力, 采用希尔伯特-黄变换法对光纤振动传感器信号产生原理和典型的光纤振动信号进行了分析, 获得了传感器不同状态下信号的时频谱, 并与通过连续小波变换得到的时频谱进行了对比分析。结果表明, 希尔伯特-黄变换在光纤安防系统的时频分析中具有重要价值。
光通信 光纤安防 希尔伯特-黄变换 连续小波变换 光纤振动信号 optical communication optical fiber security Hilbert-Huang transform continuous wavelet transform fiber vibration signal
