基于机器学习的光纤故障数据信息快速排除方法

• 作者: 吴华芹
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 机器学习 光纤故障 数据 信息 排除
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 光纤技术
• 页码范围: 160-165
• 页数: 6页
• 分类号: TN957
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2018.12.160

摘要

针对当前方法没有对采集的光纤数据进行预处理,直接利用小波变换模极大值检测光脉冲信号奇异点来判断光纤故障事件的发生与时刻,数据点的边界敏感值分辨率较低,容易产生较大误差,严重影响光纤故障数据信息的排除和光纤传输的各项性能.提出一种基于机器学习的光纤故障数据信息快速排除方法,采用分段相关分析的方法对数据库中的历史数据进行故障征兆变量查找;通过利用聚焦式量化的方法对查找获得的光纤故障征兆变量进行非线性离散化,提高了边界敏感值分辨率;采用0OTDR将记录的光脉冲信号传输情况绘制成测试曲线,通过对OTDR测试曲线的分析和挖掘来实现光纤故障定位;采用小波变换和阈值滤波的方法对噪声进行平滑和光脉冲信号增强处理;最后根据小波变换模极大值的位置和特性,判断光纤故障事件点的所属类型,对光纤故障数据信息进行检测和排除.实验结果表明,所提方法在强噪声干扰环境下仍然具有较好的传输性能,且抗突变能力较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴华芹		15	11	2.0	2.0