基于NAM-MAE和分布式光纤声学传感系统的智能水域周边安全事件识别

科学领域:

• 光学传感器和光子学
• 人工智能和机器学习
• 安全和监控技术安全和监控技术

背景情况:

• 分布式光学声学传感 (DAS) 允许沿着光纤进行周边监控,非常适合水安全.
• 复杂的环境和系统产生的噪声阻碍了DAS中准确的干扰信号识别.
• 由于信号干扰,现有的方法难以持续有效地识别事件.

研究的目的:

• 提出和评估一个新的算法,用于DAS系统中的智能事件识别.
• 在杂的水下环境中提高干扰信号检测的准确性和效率.
• 为了应对对水周边安全的DAS数据中的噪声干扰的挑战.

主要方法:

• 开发一种适应噪声的口罩自动编码器 (NAM-MAE) 算法.
• 在蒙面自动编码器 (MAE) 框架内使用一种新的掩码模式.
• 对DAS水下声学实验数据的应用,重点是用于特征提取的屏蔽噪声.

主要成果:

• 与其他模型相比,NAM-MAE表现出卓越的训练准确性和更快的融合.
• 该算法在识别水安全事件时实现了96.6134%的最终测试准确度.
• 有效的噪声屏蔽导致了更少,更准确的特征输入到深度学习模型中.

结论:

• 拟议的NAM-MAE算法是可行的,并且在DAS中的智能事件识别方面优越.
• 这种方法显著提高了在具有挑战性的声学环境中检测干扰的可靠性.
• 这种方法为提高水域周边安全系统的有效性提供了一个有希望的解决方案.