维普中文期刊产品整合服务
共被期刊论文引用了4次 您的检索式:您选中1篇文献正在查看引证文献汇总
    题名 作者 年代 出处 被引量
1光纤入侵信号的特征提取与识别算法显示文摘为了对分布式光纤上的入侵信号类型进行准确识别,提出了一种基于集合经验模态分解(EEMD)结合随机向量函数链接(RVFL)神经网络的光纤入侵信号的特征提取与识别算法。算法步骤为:对采集到的光纤入侵信号作预处理操作,包括最小-最大规范化处理和利用db3小波去除信号的低频噪声;采用EEMD方法对入侵信号进行分解,得到5组本征模态函数(IMF);计算各IMF分量的能量占比,并依据方差分析法筛选出3组特征向量;将特征向量送入RVFL神经网络进行训练并对入侵信号进行识别。实验结果显示:该方法能正确识别不同入侵信号的类型,具有较高的准确率。曲洪权 宫殿君 张常年 王彦平 2019激光与光电子学进展2019,56,13:16
2Advances in phase-sensitive optical time-domain reflectometry显示文摘Phase-sensitive optical time-domain reflectometry(Φ-OTDR)has attracted numerous attention due to its superior performance in detecting the weak perturbations along the fiber.Relying on the ultra-sensitivity of light phase to the tiny deformation of optical fiber,Φ-OTDR has been treated as a powerful technique with a wide range of applications.It is fundamental to extract the phase of scattering light wave accurately and the methods include coherent detection,I/Q demodulation,3 by 3 coupler,dual probe pulses,and so on.Meanwhile,researchers have also made great efforts to improve the performance ofΦ-OTDR.The frequency response range,the measurement accuracy,the sensing distance,the spatial resolution,and the accuracy of event discrimination,all have been enhanced by various techniques.Furthermore,lots of researches on the applications in various kinds of fields have been carried out,where certain modifications and techniques have been developed.Therefore,Φ-OTDR remains as a booming technique in both researches and applications.Shuaiqi Liu Feihong Yu Rui Hong Weijie Xu Liyang Shao Feng Wang 2022Opto-Electronic Advances2022,5,3:7
3基于傅里叶分解与排列熵降噪方法的光纤入侵信号分类显示文摘为了准确识别分布式光纤预警系统中的入侵信号类型,提出了一种基于傅里叶分解方法(FDM)与排列熵降噪方法的光纤入侵信号特征提取与识别算法。首先,用FDM将光纤入侵信号分解为若干个固有频带函数(FIBF)。然后,计算各FIBF分量的排列熵,利用排列熵对噪声的敏感特性筛选出符合条件的FIBF并重构信号。最后,计算重构信号的近似熵与能量并构造二维特征向量,将其送入支持向量机进行训练后识别光纤入侵信号。实验结果表明,该算法可以有效识别敲击、小跑、过车三类光纤入侵信号,平均识别准确率为93.33%。曲洪权 王征一 盛智勇 2022激光与光电子学进展2022,59,11:0
4Mellin Transform-Based Correction Method for Linear Scale Inconsistency of Intrusion Events Identification in OFPS显示文摘为在光纤维警告前系统(OFPS ) 的侵入信号的线性规模是不一致的问题,这篇论文论述一个方法改正规模。第一,侵入信号被拦截,并且有相等的长度的片断的一个总数被获得。然后, Mellin 变换(MT ) 被使用把他们变换成一样的规模。光谱特征被 Fourier 变换获得。最后,我们采用识别侵入的神经网络打的背繁殖(BP ) ,它拿光谱是的特征输入。我们执行了地实验并且收集了包含拣的信号的光纤维侵入信号,铲信号,并且运用信号。试验性的结果证明建议算法罐头有效地改进侵入信号的识别精确性。Baocheng WANG Dandan QU Qing TIAN Liping PANG 2018Photonic Sensors2018,8,3:0
返回顶部 每页显示:
共1页 首页 上一页 第1页 下一页 末页 /1 跳转

网站首页 | 关于我们 | 联系我们 | 产品服务 | 客服中心 | 广告服务 | 版权声明 | 网站联盟 | 友情链接 | 售卡网点

版权所有© 渝B2-20050021-1 渝公网安备 50019002500403号 违法和不良信息举报中心

互联网出版许可证 新出网证(渝)字10号 全国400电话 - 免长途话费