基于卷积长短期记忆全连接深度神经网络的光纤振动传感事件识别

• 作者: 周子纯 刘琨 江俊峰 徐天华 王双 孙振世 郭海若 刘铁根
• 来源期刊: 光学学报
• 关键词: 光纤光学 光纤传感 周界安全 模式识别 深度学习 神经网络
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 光纤传感技术及应用专题|Feature Issue on Optical Fiber Sensing Technology and Applications
• 页码范围: 153-161
• 页数: 9页
• 分类号: V211
• 语种: 中文
• DOI: 10.3788/AOS202141.1306019

摘要

在光纤周界安防系统的应用中,准确区分传感事件的类型进而给出针对性的处理方案是实现智能振动传感的核心技术之一.本文提出一种包含多维度时间信息特征的信号特征提取算法,并结合卷积长短期记忆全连接深度神经网络(CLDNN)对具体振动传感事件进行识别和分类.首先将采集获取到的光纤传感事件信息进行堆叠和截取,得到包含传感事件多维度时间特征信息图片,然后将其输入到CLDNN结构中,最后对敲击、轰砸、摇晃、踢和无入侵5种信号进行识别和分类实验.实验结果证明,所提算法可以有效对5类信号进行识别与分类,平均识别率均达到96％以上,识别响应时间可以控制到0.006 s.