-
公开(公告)号：CN103499358A
公开(公告)日：2014-01-08
申请号：CN201310503213.1
申请日：2013-10-23
Applicant: 电子科技大学
IPC: G01D5/353
Abstract: 本发明提出一种新型多通道分布式扰动传感系统。针对基于光时域反射技术的分布式扰动传感系统特点，在不增加传感系统成本的基础上，通过光开关扩展多通道，实现多区域多线路的同时监测，与此同时还实现了多条线路上的链路备份功能；利用微控制器控制光开关实现多通道循环切换，同时与上位机串口通信实现多通道识别；利用系统自身的光时域信号实现断缆故障的实时自诊断和定位等功能，以及在出现断缆故障后利用微控制器实现备份链路的自动启用，实现真正意义的多通道、且带链路故障诊断和链路备份功能的多线路及多防区在线不间断监测与防护。
-
公开(公告)号：CN103226028A
公开(公告)日：2013-07-31
申请号：CN201310158343.6
申请日：2013-05-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种相敏光时域反射仪扰动信号检测与识别方法，其主旨在于进一步提高相敏光时域反射仪对外界扰动的检测与智能识别能力，降低系统在实际复杂噪声环境中误报率和虚警率，其以空间各点的纵向时间序列信号作为处理对象，提取其分形特征进行扰动检测和定位；通过小波变换对时间序列信号进行多尺度分解，利用起伏背景噪声、声波等时变干扰信号、真实入侵信号等不同类型扰动信号在多尺度时频轴上的分布差异，提取不同尺度下细节信号分量的能量特征，组成该信号的多尺度时频分布特征矢量，结合后向传播（BP）神经网络识别方法进行扰动信号具体属性的识别和分类。本发明应用于周界安防、长输管道安全、大型结构健康监测等应用领域。
-
公开(公告)号：CN102280001B
公开(公告)日：2013-01-16
申请号：CN201110214678.6
申请日：2011-07-29
Applicant: 电子科技大学
IPC: G08B13/186
Abstract: 本发明公开了一种基于Φ-OTDR的分布式光纤围栏入侵检测与定位方法，先将采集到的第i次信号与第i-1次采集信号相减，得到预处理监测信号；采用多种小波函数对预处理监测信号进行至少四层小波分解；根据所有尺度信号中最大的小波模极大值分布位置一致性判断真实入侵是否存在；至少三个尺度信号中的最大小波模极大值分布位置一致则认为真实入侵存在；将判断有入侵且最大小波模极大值分布位置一致的尺度信号对应相乘，得到一个伪极大值均被抑制和突变点处模极大值被增强的复合信号，复合信号中最大模极大值所对应的位置为确定的入侵点的位置，综合多种小波多尺度分析的复合信号判断结果根据多数投票准则，确定入侵的发生及其入侵位置。
-
公开(公告)号：CN102360519A
公开(公告)日：2012-02-22
申请号：CN201110214679.0
申请日：2011-07-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种分布式光纤围栏入侵检测与定位的方法，对监测信号利用短时傅里叶变换得到监测信号沿布设光缆的瞬时能量分布，将随空间分布的大范围背景噪声能量去除，提取去除背景噪声能量后的能量序列中相对变化较大局部异常的突变点信息及位置，判断是否真实入侵及其位置。本发明利用短时傅里叶变换方法提取入侵点处的突变信息，在去除随机噪声同时，对背景噪声能量进行相减有效抑制了光学系统不稳定及其他因素引入的起伏噪声的干扰影响，解决了分布式光纤围栏在复杂应用环境中强噪声背景下的长距离入侵检测与定位问题，能够有效提高光纤围栏入侵监测系统的正确探测率，同时降低虚警率，提高安防报警系统在实际应用中的置信度水平。
-
公开(公告)号：CN117972372A
公开(公告)日：2024-05-03
申请号：CN202410135557.X
申请日：2024-01-30
Applicant: 电子科技大学
IPC: G06F18/21 , G01H9/00 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种智能化DAS及其混叠信号定向分离方法，属于光纤传感技术及应用领域，用于定向提取多源干扰下地埋光纤感知的目标振动信号。首先将地埋光纤接入光纤振动传感系统采集多种类型的振动源信号，构建单源信号数据库，再通过单源数据集构建混合信号数据集。基于采集信号，构建目标信号定向分离网络。网络由两部分组成:嵌入向量(d‑vector)提取网络和目标信号分离网络。嵌入向量提取网络为参考信号生成嵌入向量，而目标信号分离网络使用嵌入向量对混合信号中的目标信号进行估计。本发明使用单路混叠信号即可实现目标信号的分离，解决了光纤传感系统在复杂地埋环境下多源干扰导致目标信号检测识别困难的问题，具有较大的潜在应用价值。
-
Patent Agency Ranking
公开(公告)号：CN117740134A
公开(公告)日：2024-03-22
申请号：CN202311448884.2
申请日：2023-11-02
Applicant: 电子科技大学
IPC: G01H9/00 , H04B10/071
Abstract: 本发明公开了一种非线性混合信号分离方法、系统、设备及介质，其涉及光纤传感信号处理方法技术领域，其目的在于解决现有技术在分布式光纤传感信号非线性混合情况下都存在不能有效解混的、无法有效地从混合信号中分离出各个独立的源信号的技术问题，其采集混合信号、按时间进行分割，得到观测混合信号；获取观测混合信号的协方差矩阵并进行酋变化，从而判断出信号源的数量；选取相应数量通道的观测混合信号并进行分离；采用时频熵方法对观测混合信号的分离效果进行评估。
-
公开(公告)号：CN112749637B
公开(公告)日：2023-09-08
申请号：CN202011593993.X
申请日：2020-12-29
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/24 , G06F18/10 , G06F18/214 , G06N3/049 , G06N3/088
Abstract: 本发明提供一种基于SNN的分布式光纤传感信号识别方法，包括以下步骤：S1数据准备：构建不同类型的事件信号数据集；S2信号预处理：对事件信号数据集中的时间信号做信号预处理，构建时频特征数据集；S3构建脉冲神经网络：基于得到的时频特征数据集，构建脉冲神经网络，并采用无监督学习方法训练；S4识别分类：根据每类样本在兴奋层中每个神经元的脉冲响应强度来定义每个兴奋层神经元所属类别；根据测试样本在每类神经元的平均脉冲响应个数来判定其类别；本发明具有在线实时处理能力，在实际应用中有效避免常见CNN模型中的过拟合问题，能达到较好的识别效果。
-
公开(公告)号：CN111626153B
公开(公告)日：2022-10-18
申请号：CN202010404189.6
申请日：2020-05-13
Applicant: 电子科技大学 , 南京艾森斯智能科技有限公司
Abstract: 本发明公开了一种基于集成学习的局放故障状态识别方法，涉及电力设备局部放电检测识别领域，首先通过局放声光联合检测系统采集局部放电信号，获取原始数据，经过数据预处理，包括异常值检测与清洗、数据去噪和数据标准化，再从多分析域提取信号特征，将得到的超声信号特征、紫外信号特征输入到本发明设计的两阶段Stacking‑Bagging集成学习模型中，最终通过相对多数投票判断出当前输入信号所处的局放故障状态。该识别方法对电力设备的局放故障状态识别率高，且识别稳定性高。
-
公开(公告)号：CN110995339B
公开(公告)日：2022-08-19
申请号：CN201911174857.4
申请日：2019-11-26
Applicant: 电子科技大学
IPC: H04B10/071 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种分布式光纤传感信号时空信息提取与识别方法，属于光缆安全监测技术领域；利用分布式光纤振动传感系统采集通信光缆沿线的振动信号，将振动源附近的时空信号样本贴事件类型标签，建立典型事件数据库；基于时空信号结构构建CNN‑BiLSTM深度学习模型，利用CNN网络挖掘时空信号各空间点信号的时间结构信息，同时利用双向长短期记忆模型挖掘时空信号中各空间点信号的相关性，基于典型事件数据库对模型进行训练，得到最优模型；最后利用最优模型对待测事件的时空信号进行识别；本发明利用CNN‑BiLSTM深度学习模型，同步提取分布式光纤振动传感时空信号的时间结构信息及空间分布特点并进行识别，其效果上优于该领域以提取信号时间特征为主的信号识别方法。
-
公开(公告)号：CN111222743B
公开(公告)日：2022-07-29
申请号：CN201911125636.8
申请日：2019-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种光纤感知事件的垂直偏移距离及威胁级别判断方法，通过分布式光纤振动传感系统感知和采集埋地光缆沿线的振动信号，对事件影响范围内沿埋地光纤分布各个空间点的纵向时间信号进行频域信号处理构建能量衰减特征序列，并用机器学习方法学习在不同威胁程度下能量衰减的空间分布特征差异，识别地面上振动源与光缆的垂直偏移距离，从而判断振动源对光缆的威胁程度并给予精准预警。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.024 seconds)
