基于BSS和BPNN-DS算法的光纤入侵传感网络信息的高精度识别

• 作者: 付兴虎 刘文哲 张燕君
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 传感器 分布式光纤传感 双相干谱 样本熵 奇异值分解 Dempster Shafer信息融合
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 光纤光学与光通信
• 页码范围: 32-40
• 页数: 9页
• 分类号: TN247
• 语种: 中文
• DOI: 10.3788/AOS201636.0106001

摘要

采用传统单路传感光纤实现对信息特征的测量,常由于交叉敏感等不可控因素使测量数据出现异常值,导致信息分析偏差较大,识别准确度低.因此,提出了一种基于双相干谱、样本熵和奇异值分解(BSS)和反向传播神经网络(BPNNDS)算法的多路光纤入侵传感系统信息的特征提取与识别方法.针对含3路传感光纤的布里渊光时域反射(BOTDR)传感入侵检测系统,该方法利用BSS算法分别对不同入侵类型的多路信号进行特征提取;采用BPNN算法对不同入侵振动特征矢量进行分类;经Dempster Shafer(DS)证据理论算法对多路传感光纤的时空信息进行融合.数值分析与仿真实验结果表明,提出的信息提取方法可以有效提取出多路传感网络的信息特征,且使用BPNN-DS证据理论的多路信息融合方法能够准确识别多路入侵传感网络的信号类型,具有较高的准确度和可信度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕君		46	308	10.0	15.0
2	刘文哲		5	48	3.0	5.0
3	付兴虎		54	166	7.0	12.0