描述
包 装: 平塑是否套装: 否国际标准书号ISBN: 9787121480843
内容简介
本书以分布式光纤传感器为主要对象，介绍了分布式光纤振动传感器的传感机理、振动信号定位及检测方法，包括基于波分复用的分布式光纤振动传感及定位原理、基于时延估计的分布式光纤振动传感及定位原理、并进行了定位试验研究；结合作者近年来相关的研究与应用实践，阐述了分布式光纤传感的振动信号处理方法、基于经验模态分解的光纤振动信号特征提取方法、基于多维特征的光纤振动信号识别方法、基于Self-AM-BiLSTM的光纤传感振动信号识别方法。本书可为电子信息工程、光纤传感信息处理等相关专业的研究生、高年级本科生及科研人员、工程技术人员提供参考。
目 录
第1章 绪论 1
1.1 光纤传感器简介 1
1.1.1 光纤传感器的历史 1
1.1.2 光纤传感器的优点 2
1.1.3 光纤传感器的分类 3
1.2 分布式光纤传感器基本原理 4
1.2.1 分布式光纤传感器的概念 4
1.2.2 基于光时域反射的分布式光纤传感 5
1.2.3 基于干涉技术的分布式光纤传感 6
1.3 干涉型分布式光纤传感系统定位技术 6
1.3.1 基于Sagnac干涉原理的定位技术 6
1.3.2 基于双波长Sagnac干涉原理的定位技术 8
1.3.3 基于双Mach-Zenhder干涉原理的定位技术 9
参考文献 10
第2章 基于波分复用的分布式光纤振动传感器及定位原理 13
2.1 基于波分复用的分布式光纤传感器的基本结构 13
2.1.1 波分复用技术 13
2.1.2 波分复用系统基本结构 13
2.1.3 3×3光纤耦合器对系统的影响 15
2.2 基于波分复用的分布式光纤传感器的定位原理 19
2.3 相位载波解调在系统中的作用分析 25
2.3.1 相位载波解调在系统中的应用 25
2.3.2 相位生成载波的消散射作用分析 30
2.4 系统光路稳定性研究 33
2.4.1 光纤中光波的偏振态 33
2.4.2 系统的偏振稳定性分析 35
参考文献 41
第3章 基于时延估计的分布式光纤振动传感系统及定位原理 43
3.1 单芯分布式光纤振动传感系统结构 43
3.2 单芯分布式光纤振动传感系统定位原理 45
3.3 自适应时延估计 48
3.3.1 理论依据 49
3.3.2 LMSTDE的结构与算法 51
3.3.3 时延估计的性能 51
3.3.4 计算机仿真 52
参考文献 54
第4章 分布式光纤传感系统的定位试验研究 56
4.1 分布式光纤传感系统的定位试验系统开发 56
4.1.1 分布式光纤传感系统 56
4.1.2 扰动发生位置标定系统 57
4.2 基于波分复用的分布式光纤传感定位试验研究 57
4.2.1 试验方案设计 58
4.2.2 试验结果与分析 59
4.3 基于时延估计的分布式光纤传感定位试验研究 70
4.3.1 试验方案设计 70
4.3.2 试验结果与分析 71
第5章 分布式光纤传感的振动信号处理方法 79
5.1 端点检测 79
5.1.1 基于短时能量的端点检测方法 79
5.1.2 基于谱质心的端点检测方法 84
5.1.3 基于能量、谱熵相结合的端点检测方法 90
5.1.4 基于小波变换的端点检测方法 95
5.1.5 四种端点检测方法的比较和分析 99
5.2 去噪分析 101
5.2.1 系统噪声分析 101
5.2.2 小波去噪 102
5.3 相位还原算法 106
5.3.1 相位还原方法理论分析 106
5.3.2 试验仿真 109
5.3.3 实际扰动信号的相位还原 110
5.3.4 微弱信号的处理 111
5.4 频谱分析 112
参考文献 117
第6章 基于经验模态分解的光纤振动信号特征提取 120
6.1 分布式光纤传感系统中的非平稳随机信号处理技术 120
6.1.1 非平稳随机信号的基本概念 120
6.1.2 非平稳随机信号分析方法 120
6.2 经验模态分解 122
6.2.1 经验模态分解瞬时频率 122
6.2.2 固有模态函数 123
6.2.3 时间特征尺度 124
6.3 分布式光纤振动信号的经验模态分解 125
6.3.1 经验模态分解的基本原理 125
6.3.2 经验模态分解步骤 125
6.4 基于经验模态分解光纤振动信号的仿真及特征提取 127
6.4.1 仿真信号经验模态分解研究 127
6.4.2 检测信号的特征提取研究 129
参考文献 136
第7章 基于多维特征的光纤振动信号识别 138
7.1 基于Mel频率倒谱系数的光纤振动信号特征提取 138
7.1.1 Mel频率倒谱系数算法及倒谱分析 138
7.1.2 试验结果与分析 139
7.2 基于注意力机制的显著性特征提取 144
7.2.1 注意力机制 144
7.2.2 显著性特征提取算法 144
7.2.3 试验与结果分析 150
7.3 卷积神经网络 152
7.3.1 基本结构 152
7.3.2 卷积神经网络分类网络模型 154
7.4 基于多维特征的光纤振动信号识别 157
7.4.1 多维特征输入模型设计 157
7.4.2 损失函数设计 157
7.4.3 卷积神经网络模型改进 158
7.5 试验和分析 160
7.5.1 试验环境和数据集 160
7.5.2 试验结果与分析 163
7.6 系统测试 169
参考文献 171
第8章 基于Self-AM-BiLSTM的光纤传感振动信号识别 173
8.1 基于BiLSTM的光纤振动信号识别 173
8.1.1 长短时记忆网络 173
8.1.2 双向长短时记忆网络 175
8.1.3 网络模型搭建与训练 175
8.2 基于Self-AM-BiLSTM的光纤振动信号识别 178
8.2.1 基于自注意力机制的光纤振动信号处理 178
8.2.2 自注意力机制 178
8.2.3 网络模型搭建与训练 179
8.3 试验与结果分析 182
8.3.1 试验环境和数据集 183
8.3.2 试验结果分析 185
参考文献 196
1.1 光纤传感器简介 1
1.1.1 光纤传感器的历史 1
1.1.2 光纤传感器的优点 2
1.1.3 光纤传感器的分类 3
1.2 分布式光纤传感器基本原理 4
1.2.1 分布式光纤传感器的概念 4
1.2.2 基于光时域反射的分布式光纤传感 5
1.2.3 基于干涉技术的分布式光纤传感 6
1.3 干涉型分布式光纤传感系统定位技术 6
1.3.1 基于Sagnac干涉原理的定位技术 6
1.3.2 基于双波长Sagnac干涉原理的定位技术 8
1.3.3 基于双Mach-Zenhder干涉原理的定位技术 9
参考文献 10
第2章 基于波分复用的分布式光纤振动传感器及定位原理 13
2.1 基于波分复用的分布式光纤传感器的基本结构 13
2.1.1 波分复用技术 13
2.1.2 波分复用系统基本结构 13
2.1.3 3×3光纤耦合器对系统的影响 15
2.2 基于波分复用的分布式光纤传感器的定位原理 19
2.3 相位载波解调在系统中的作用分析 25
2.3.1 相位载波解调在系统中的应用 25
2.3.2 相位生成载波的消散射作用分析 30
2.4 系统光路稳定性研究 33
2.4.1 光纤中光波的偏振态 33
2.4.2 系统的偏振稳定性分析 35
参考文献 41
第3章 基于时延估计的分布式光纤振动传感系统及定位原理 43
3.1 单芯分布式光纤振动传感系统结构 43
3.2 单芯分布式光纤振动传感系统定位原理 45
3.3 自适应时延估计 48
3.3.1 理论依据 49
3.3.2 LMSTDE的结构与算法 51
3.3.3 时延估计的性能 51
3.3.4 计算机仿真 52
参考文献 54
第4章 分布式光纤传感系统的定位试验研究 56
4.1 分布式光纤传感系统的定位试验系统开发 56
4.1.1 分布式光纤传感系统 56
4.1.2 扰动发生位置标定系统 57
4.2 基于波分复用的分布式光纤传感定位试验研究 57
4.2.1 试验方案设计 58
4.2.2 试验结果与分析 59
4.3 基于时延估计的分布式光纤传感定位试验研究 70
4.3.1 试验方案设计 70
4.3.2 试验结果与分析 71
第5章 分布式光纤传感的振动信号处理方法 79
5.1 端点检测 79
5.1.1 基于短时能量的端点检测方法 79
5.1.2 基于谱质心的端点检测方法 84
5.1.3 基于能量、谱熵相结合的端点检测方法 90
5.1.4 基于小波变换的端点检测方法 95
5.1.5 四种端点检测方法的比较和分析 99
5.2 去噪分析 101
5.2.1 系统噪声分析 101
5.2.2 小波去噪 102
5.3 相位还原算法 106
5.3.1 相位还原方法理论分析 106
5.3.2 试验仿真 109
5.3.3 实际扰动信号的相位还原 110
5.3.4 微弱信号的处理 111
5.4 频谱分析 112
参考文献 117
第6章 基于经验模态分解的光纤振动信号特征提取 120
6.1 分布式光纤传感系统中的非平稳随机信号处理技术 120
6.1.1 非平稳随机信号的基本概念 120
6.1.2 非平稳随机信号分析方法 120
6.2 经验模态分解 122
6.2.1 经验模态分解瞬时频率 122
6.2.2 固有模态函数 123
6.2.3 时间特征尺度 124
6.3 分布式光纤振动信号的经验模态分解 125
6.3.1 经验模态分解的基本原理 125
6.3.2 经验模态分解步骤 125
6.4 基于经验模态分解光纤振动信号的仿真及特征提取 127
6.4.1 仿真信号经验模态分解研究 127
6.4.2 检测信号的特征提取研究 129
参考文献 136
第7章 基于多维特征的光纤振动信号识别 138
7.1 基于Mel频率倒谱系数的光纤振动信号特征提取 138
7.1.1 Mel频率倒谱系数算法及倒谱分析 138
7.1.2 试验结果与分析 139
7.2 基于注意力机制的显著性特征提取 144
7.2.1 注意力机制 144
7.2.2 显著性特征提取算法 144
7.2.3 试验与结果分析 150
7.3 卷积神经网络 152
7.3.1 基本结构 152
7.3.2 卷积神经网络分类网络模型 154
7.4 基于多维特征的光纤振动信号识别 157
7.4.1 多维特征输入模型设计 157
7.4.2 损失函数设计 157
7.4.3 卷积神经网络模型改进 158
7.5 试验和分析 160
7.5.1 试验环境和数据集 160
7.5.2 试验结果与分析 163
7.6 系统测试 169
参考文献 171
第8章 基于Self-AM-BiLSTM的光纤传感振动信号识别 173
8.1 基于BiLSTM的光纤振动信号识别 173
8.1.1 长短时记忆网络 173
8.1.2 双向长短时记忆网络 175
8.1.3 网络模型搭建与训练 175
8.2 基于Self-AM-BiLSTM的光纤振动信号识别 178
8.2.1 基于自注意力机制的光纤振动信号处理 178
8.2.2 自注意力机制 178
8.2.3 网络模型搭建与训练 179
8.3 试验与结果分析 182
8.3.1 试验环境和数据集 183
8.3.2 试验结果分析 185
参考文献 196
评论
还没有评论。