提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤声传感（DAS）信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络（DRSN），使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据，并通过添加高斯白噪声的形式，设计了6组不同信噪比（0 dB~5 dB）的实验。对比了4个模型的实验结果，由此考察DRSN-NTF的识别效果。结果发现：在强噪声的情况下，DRSN-NTF取得的平均测试准确率比DRSN高1.05%；随着信噪比的降低，DRSN-NTF的测试准确率高于DRSN的差值增大，表明DRSN-NTF在信号噪声处理和分类识别能力方面更强，能获得相对更高的识别准确率。因此，DRSN-NTF更加适用于DAS信号识别。

基于分布式光纤传感技术在周界安防领域广阔的应用前景，对振动信号在单模光纤上的调制机理和解调原理进行了详细的推导和分析，构建了一套基于相位敏感光时域反射计的分布式声波传感器（DAS）系统，设计了完整的压电陶瓷振动信号检测实验和语音与脚步信号检测实验，通过移动差分求和与正交解调算法实现振动信号的强度解调和相位解调。在语音检测实验中采用铁质半封闭空心圆柱体提高了光纤对声波的灵敏度，对原始语音和复现语音做了平均主观意见值调研来验证语音信号的质量，在时域和频域对DAS系统采集的脚步信号进行了分析和解释，同时将单个脚步信号的相关特征进行提取说明。实验证明，本系统能在传输距离为2 km时实现复杂的语音和脚步信号检测，空间分辨率可达2.2 m，能较好地用于周界安防中的语音与脚步监测。

针对光纤周界安防模式识别中机器学习算法依赖专家经验、现有深度学习算法学习关键特征能力不足的问题，提出了一种多注意力时间卷积网络（MATCN）识别模型。MATCN以时序信号为输入，通过利用通道和时序注意力优化网络学习机制，挖掘信号关键信息；在卷积过程中使用带泄露修正线性单元（Leaky ReLU）解决神经元坏死问题，提高模型的鲁棒性。搭建了基于相位敏感光时域反射系统（Φ-OTDR）的周界安防系统，模拟了攀爬、敲击、踩踏及无入侵事件。实验结果表明，MATCN的识别率达到了98.50%，识别时间为0.53 s，性能优于长短时记忆网络（LSTM）与融合卷积层的长短时记忆网络（CNN-LSTM）。所提方法能够有选择性地学习不同通道和时间片段中的关键信息，实现对周界入侵信号的准确、高效识别。

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。

采用单模-多模-单模(SMS)光纤结构的光路,针对施加在多模光纤上的入侵信号,提出了基于短时傅里叶变换(STFT)和卷积神经网络(CNN)相结合的模式识别分类方法。该方法对入侵信号进行STFT以获得时频图,制作成训练集和测试集;将训练集输入到三种网络模型中进行训练,根据工程应用指标选择合理的网络模型;利用网络模型对测试集进行分析,得到入侵信号的识别结果。采用4种入侵信号对该方法的有效性和实时性进行验证。结果表明,该方法可以高效识别人为入侵信号和非人为入侵信号,并可以通过增加含有不同类型噪声的入侵信号种类和数量来验证此方法的稳健性,减少了入侵信号的漏报率和误报率,提高了SMS光纤结构在周界防区模式识别中的应用价值。

为了解决周界入侵行为识别正确率低的问题,对经验模态分解算法进行改进,并将其用于光纤布拉格光栅周界入侵行为分类。该方法利用短时平均过零率从整体信号中提取入侵信号,采用两次极值波延拓抑制经验模态分解算法的端点效应,对入侵信号进行分解并提取有效分量的特征,引用支持向量机对入侵行为进行识别;在室外环境下分别对无入侵和攀爬、剪切、碰撞、触摸4种入侵行为进行分类与识别。结果表明,所提方法能有效识别不同的入侵行为,识别正确率大于96%。

提出了应用于周界安防的基于后向瑞利散射光空间差分干涉的光纤分布式振动传感监测方案。环境振动信号引起传感光纤的相位变化, 含有相位信息的后向瑞利散射信号注入到非平衡迈克尔逊干涉仪, 实现了后向瑞利散射信号的空间差分干涉, 光纤分布式振动传感监测完成相位信号的解调, 提高了系统的灵敏度。该系统能够实时监测入侵者的行走路线和速率以及模拟挖掘的距离的判断, 实现了15 dB的信噪比以及35 m的探测距离。

利用高相干、低噪音激光器作为光源,设计了2干涉臂长度差为60 m的长光程差光纤迈克耳孙干涉仪作为传感器。采用二元矩形脉冲对光源进行相位调制,结合正交信号解调法恢复相位信息,由基于现场可编程门阵列(FPGA)的高性能询问器实时实现相位信号的计算。结合时域穿越统计(LC)报警算法,提高了对入侵事件报警的实时性及精确性。最终搭建了包含4个防区的安防系统,该系统询问设备简单、成本低、实时性高。实验结果表明,通过设定合适的阈值,系统可以对各种入侵和干扰行为实时进行报警,同时对雨雪等恶劣环境的误报进行有效抑制,该系统持续工作1个月,未出现漏报,误报率低于1%。

国家重大基础设施和关键区域的安全, 对于保障经济发展、****、社会稳定和人民生活具有极其重要的意义。基于相位敏感光时域反射仪(Φ-OTDR)的分布式光纤振动传感系统在入侵探测、周界安防和基础设施安全监控等方面具有独特的技术优势, 近年来受到各国科技界和工业界的广泛关注。详述了本课题组近10年来在该领域的研究成果, 包括Φ-OTDR定量化相位解调技术、信号干涉衰落的机理研究、超高频率响应带宽系统、超高空间分辨率系统、低噪声窄线宽单频激光器和激光扫频技术等方面的进展; 介绍了Φ-OTDR系统在周界安防和铁路安全监测等领域的工程应用, 并对Φ-OTDR的国内外发展趋势进行了简要的评述。

针对已有光纤安防系统入侵行为识别模型中特征空间不完备及分类器泛化能力差的缺陷，本文提出了一种光纤入侵行为融合特征的集成识别策略。首先，采用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、功率谱分析(Power Spectral Analysis, PSA)及离散小波变换(Discrete Wavelet Transform, DWT)提取信号在时域、频域及小波域内振动信息，构建入侵信号的特征集。然后，提出一种基于DFPA(Discriminative FunctionPruning Analysis, DFPA)的特征选取方法，实现特征空间的约简。最后，构建集成的随机权向量函数连接网络(Random Vector Functional-Link net, RVFL)分类器识别入侵行为。在基于M-Z (Mach-Zehnder, M-Z)干扰仪的光纤安防系统中采集入侵信号，进行实验，结果表明该策略的有效性。