激光与红外

作者：马莉莉

单位：1.内蒙古农业大学计算机与信息工程学院,内蒙古 呼和浩特 010010；2.内蒙古自治区农牧业大数据研究与应用重点实验室,内蒙古 呼和浩特 010010；

关键词：光纤传感网络; 粒子群优化-支持向量机;特征参数;分类识别概率

基金：内蒙古自治区科技计划项目(No.2019GG372；No.2020GG0169)；内蒙古教育厅项目(No.NJZY18062)资助。

为了增强光纤传感网络对相近扰动信号的识别能力,提高目标分类精度,提出了一种改进的粒子群优化-支持向量机(PSO SVM)算法。该算法在分析回波信号谱形特征的基础上,设计了三个用于描述信号特征的判断指标。将主波信号能量、主波脉宽及波形变化率作为数据预处理的特征参量,改进了传统的数据分类模型。实验模拟了实际应用中的三种典型干扰形式,以机械、人工以及坠落物对测试区域地面进行冲击测试,并对比了不同距离和不同强度情况下的响应效果。结果显示,6种不同情况对应的谱形特征有3种,相同作用机制的谱形相似度很高。特征参量的响应值随着测试距离的增大而减小,随着冲击强度的增大而增强。对相同测试数据进行扰动信号分析,传统SVM算法平均识别概率为693,而该算法平均识别概率为901。可见,该算法在提高光纤传感网络扰动信号分类能力方面具有一定的优势。

来源：2022年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2022年第5期