光纖風(fēng)險監(jiān)控與應(yīng)急管理：信號處理與智能分析

1緒論（1）
1.1研究背景及意義（1）
1.2研究現(xiàn)狀（2）
1.2.1分布式光纖振動信號的去噪方法研究現(xiàn)狀（2）
1.2.2分布式光纖振動信號的特征提取方法研究現(xiàn)狀（3）
1.2.3分布式光纖振動信號的識別方法研究現(xiàn)狀（3）
1.3本書內(nèi)容（4）
2Phase-OTDR振動信號的預(yù)處理（6）
2.1實驗數(shù)據(jù)分析（6）
2.2信號預(yù)處理（8）
2.2.1信號歸一化（8）
2.2.2信號預(yù)加重（9）
2.2.3信號分幀處理（11）
2.2.4相關(guān)系數(shù)分幀（12）
2.3信號時域頻域分析（13）
2.4本章小結(jié)（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(jīng)驗?zāi)B(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(shù)據(jù)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(jié)（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(shù)據(jù)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(shù)據(jù)時空特征提取實驗（54）
4.1.4分布式光纖振動數(shù)據(jù)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?。?4）
4.2.2改進的自相關(guān)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(shù)據(jù)編碼存儲（78）
4.4.1哈夫曼編碼原理（79）
4.4.2振動數(shù)據(jù)編碼存儲實驗（80）
4.5本章小結(jié)（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(jīng)網(wǎng)絡(luò)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(jié)果對比（88）
5.3本章小結(jié)（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(shù)異常判斷（93）
6.2累計負(fù)載異常判斷（95）
6.3本章小結(jié)（97）
7總結(jié)與展望（98）
7.1結(jié)論（98）
7.2展望（99）
參考文獻（101）