光纖風(fēng)險(xiǎn)監(jiān)控與應(yīng)急管理：信號(hào)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(dòng)信號(hào)的去噪方法研究現(xiàn)狀（2）
1.2.2分布式光纖振動(dòng)信號(hào)的特征提取方法研究現(xiàn)狀（3）
1.2.3分布式光纖振動(dòng)信號(hào)的識(shí)別方法研究現(xiàn)狀（3）
1.3本書(shū)內(nèi)容（4）
2Phase-OTDR振動(dòng)信號(hào)的預(yù)處理（6）
2.1實(shí)驗(yàn)數(shù)據(jù)分析（6）
2.2信號(hào)預(yù)處理（8）
2.2.1信號(hào)歸一化（8）
2.2.2信號(hào)預(yù)加重（9）
2.2.3信號(hào)分幀處理（11）
2.2.4相關(guān)系數(shù)分幀（12）
2.3信號(hào)時(shí)域頻域分析（13）
2.4本章小結(jié)（15）
3Phase-OTDR振動(dòng)信號(hào)的去噪方法（16）
3.1EEMD-FastICA光纖振動(dòng)信號(hào)去噪方法（17）
3.1.1基于經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)去噪方法（17）
3.1.2基于獨(dú)立成分分析的信號(hào)去噪方法（19）
3.1.3基于EEMD-FastICA的信號(hào)去噪方法（21）
3.1.4去噪效果評(píng)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(dòng)數(shù)據(jù)信噪分離實(shí)驗(yàn)（32）
3.2.3信噪分離效果評(píng)估（39）
3.3基于BEMD的Phase-OTDR信號(hào)去噪（40）
3.3.1基于BEMD的Phase-OTDR信號(hào)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(dòng)信號(hào)的特征提取與編碼存儲(chǔ)（46）
4.1分布式光纖振動(dòng)數(shù)據(jù)時(shí)空特征提?。?6）
4.1.1基于二維小波變換的時(shí)空特征提取原理（46）
4.1.2基于剪切波變換的時(shí)空特征提取原理（50）
4.1.3振動(dòng)數(shù)據(jù)時(shí)空特征提取實(shí)驗(yàn)（54）
4.1.4分布式光纖振動(dòng)數(shù)據(jù)頻譜分析（66）
4.2光纖振動(dòng)信號(hào)多維特征提取（73）
4.2.1時(shí)域與頻域特征提?。?4）
4.2.2改進(jìn)的自相關(guān)特征提取（75）
4.3信號(hào)特征分析（76）
4.3.1特征選取情況（76）
4.3.2實(shí)驗(yàn)評(píng)估（78）
4.4分布式光纖振動(dòng)數(shù)據(jù)編碼存儲(chǔ)（78）
4.4.1哈夫曼編碼原理（79）
4.4.2振動(dòng)數(shù)據(jù)編碼存儲(chǔ)實(shí)驗(yàn)（80）
4.5本章小結(jié)（83）
5Phase-OTDR振動(dòng)信號(hào)的識(shí)別方法（84）
5.1單分類(lèi)器分類(lèi)模型（84）
5.1.1隨機(jī)森林分類(lèi)模型（84）
5.1.2BP神經(jīng)網(wǎng)絡(luò)分類(lèi)模型（85）
5.1.3AdaBoost分類(lèi)模型（86）
5.2基于分類(lèi)器融合的RF-BP-AdaBoost多模型（87）
5.2.1多分類(lèi)器融合原理（87）
5.2.2實(shí)驗(yàn)結(jié)果對(duì)比（88）
5.3本章小結(jié)（92）
6Phase-OTDR振動(dòng)信號(hào)的異常監(jiān)測(cè)方法研究（93）
6.1模態(tài)參數(shù)異常判斷（93）
6.2累計(jì)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(xiàn)（101）