1緒論(1)
1.1研究背景及意義(1)
1.2研究現狀(2)
1.2.1分布式光纖振動信號的去噪方法研究現狀(2)
1.2.2分布式光纖振動信號的特征提取方法研究現狀(3)
1.2.3分布式光纖振動信號的識別方法研究現狀(3)
1.3本書內容(4)
2Phase-OTDR振動信號的預處理(6)
2.1實驗數據分析(6)
2.2信號預處理(8)
2.2.1信號歸一化(8)
2.2.2信號預加重(9)
2.2.3信號分幀處理(11)
2.2.4相關系數分幀(12)
2.3信號時域頻域分析(13)
2.4本章小結(15)
3Phase-OTDR振動信號的去噪方法(16)
3.1EEMD-FastICA光纖振動信號去噪方法(17)
3.1.1基于經驗模態(tài)分解的信號去噪方法(17)
3.1.2基于獨立成分分析的信號去噪方法(19)
3.1.3基于EEMD-FastICA的信號去噪方法(21)
3.1.4去噪效果評估(26)
3.2基于模擬退火尋優(yōu)的Ostu信噪分離方法(30)
3.2.1基于模擬退火尋優(yōu)的Ostu信噪分離(30)
3.2.2振動數據信噪分離實驗(32)
3.2.3信噪分離效果評估(39)
3.3基于BEMD的Phase-OTDR信號去噪(40)
3.3.1基于BEMD的Phase-OTDR信號去噪原理(40)
3.3.2去噪效果(43)
3.4本章小結(45)
4Phase-OTDR振動信號的特征提取與編碼存儲(46)
4.1分布式光纖振動數據時空特征提取(46)
4.1.1基于二維小波變換的時空特征提取原理(46)
4.1.2基于剪切波變換的時空特征提取原理(50)
4.1.3振動數據時空特征提取實驗(54)
4.1.4分布式光纖振動數據頻譜分析(66)
4.2光纖振動信號多維特征提?。?3)
4.2.1時域與頻域特征提取(74)
4.2.2改進的自相關特征提?。?5)
4.3信號特征分析(76)
4.3.1特征選取情況(76)
4.3.2實驗評估(78)
4.4分布式光纖振動數據編碼存儲(78)
4.4.1哈夫曼編碼原理(79)
4.4.2振動數據編碼存儲實驗(80)
4.5本章小結(83)
5Phase-OTDR振動信號的識別方法(84)
5.1單分類器分類模型(84)
5.1.1隨機森林分類模型(84)
5.1.2BP神經網絡分類模型(85)
5.1.3AdaBoost分類模型(86)
5.2基于分類器融合的RF-BP-AdaBoost多模型(87)
5.2.1多分類器融合原理(87)
5.2.2實驗結果對比(88)
5.3本章小結(92)
6Phase-OTDR振動信號的異常監(jiān)測方法研究(93)
6.1模態(tài)參數異常判斷(93)
6.2累計負載異常判斷(95)
6.3本章小結(97)
7總結與展望(98)
7.1結論(98)
7.2展望(99)
參考文獻(101)