基于FBG的应变传感器,用于使用机器学习和自适应值来检测围入侵者.
Ahmad Elleathy1, Faris Alhumaidan1, Mohammed Alqahtani1
1Electrical Engineering Department, King Saud University, Riyadh 11421, Saudi Arabia.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
本研究介绍了一种使用光纤传感器和机器学习的入侵者检测系统. 该方法即使在低信号条件下也能准确识别入侵者,达到99.17%的准确性.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 物理 物理学 物理
背景情况:
- 侵入者检测系统对于安全至关重要.
- 光纤传感器为周边安全提供了一个有前途的技术.
- 在低信号噪声比 (OSNR) 条件下检测入侵者存在挑战.
研究的目的:
- 开发和演示一个入侵者检测系统.
- 为了分类不同的场景,包括没有入侵者,入侵者和风.
- 在低OSNR水平下评估系统的性能.
主要方法:
- 使用基于应变的光纤布拉格格 (FBG) 传感器.
- 实现机器学习 (ML) 算法,特别是线性差异分析 (LDA) 和后勤回归.
- 采用适应性值来提高分类准确性.
主要成果:
- 该系统成功地分类了入侵者,非入侵者和风力干扰.
- 适应性值在低OSNR环境中显著改善了ML分类器的性能.
- 在OSNR水平低于0.5dB时,平均准确率达到了99.17%.
结论:
- 拟议的FBG基于传感器的系统与ML和自适应值是有效的入侵者检测.
- 该方法表现出稳定性和高精度,即使在具有挑战性的低OSNR条件下.
- 这种方法提供了一个可靠的解决方案,以保护周边,如大学花园.


