基于NMF-MFCC的高度区分和自适应的特征提取方法用于 Φ-OTDR 的事件识别

科学领域:

• 光子学和光学传感器
• 信号处理 信号处理
• 机器学习用于传感器系统

背景情况:

• 阶段敏感的光学时域反射仪 (Φ-OTDR) 对于检测干扰至关重要.
• 传统的Φ-OTDR特征提取方法在区分微妙事件方面存在局限性.
• 通常使用的是Mel-frequency cepstral系数 (MFCC),但依赖于固定过器银行.

研究的目的:

• 改进 Φ-OTDR 系统的干扰事件识别能力.
• 为 Φ-OTDR 信号引入适应性特征提取方法.
• 为了提高提取特征的辨别性,以便更好地对事件进行分类.

主要方法:

• 提出了一种改进的适应性特征提取方法,该方法基于非负矩阵因子化 (NMF) 和MFCC (NMF-MFCC).
• 用NMF取代MFCC提取中的传统固定过器银行,采用使用NMF的Φ-OTDR信号频谱衍生的光谱结构.
• 通过使用拟议的NMF-MFCC特征,进行了识别围上三个典型事件的实验.

主要成果:

• 与传统的MFCC特征相比,NMF-MFCC特征的区分能力更高.
• 使用NMF-MFCC方法,对干扰事件的识别精度达到98.47%.
• 与传统的MFCC特征提取方法相比,识别准确度提高了7%.

结论:

• 拟议的NMF-MFCC方法显著提高了 Φ-OTDR 在干扰检测方面的性能.
• 使用NMF的自适应特征提取为分析Φ-OTDR信号提供了更强大的方法.
• 改进的方法为 Φ-OTDR 系统中高精度事件识别提供了有希望的解决方案.