基于多尺度一维卷积神经网络的光纤振动事件识别
【摘要】 针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题，本文提出了一种基于多尺度一维卷积神经网络(MS1-DCNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号，直接通过MS1-DCNN实现端到端的振动信号特征的提取和识别。MS1-DCNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度，利用全连接层(FClayer)和Softmax层完成最终的识别过程，与二维卷积神经网络(2-DCNN)和一维卷积神经网络(1-DCNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明，MS1-DCNN的识别正确率与2-DCNN相近，达到了96%以上，而处理速度提升一倍，在保持识别性能的前提下，有利于提高振动事件识别的实时性。
