基于经验模态分解的马赫-曾德尔干涉仪事件识别方案优化

作     者：王鸣 封皓 沙洲 赵利 Wang Ming;Feng Hao;Sha Zhou;Zhao Li

作者机构：天津大学精密仪器与光电子工程学院精密测试技术及仪器国家重点实验室天津300072 山东龙泉管道工程股份有限公司山东淄博255200 

基　　金：国家自然科学基金(62005191,61873183) 广西自动检测技术及仪器重点实验室开放基金(YQ21205) 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2023年第43卷第19期

页      码：85-95页

摘      要：事件识别是分布式光纤传感的重要应用,现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象,从样本来源的角度改善传统的分类器,以时域信号经经验模态分解所得的本征模态函数构建训练样本,使用卷积算子提取信号的波形特征、频域特征、时频域特征,构建深度学习网络,并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%,泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s,具备良好的可行性与发展前景。

主 题 词：深度学习 经验模态分解 马赫-曾德尔干涉仪 本征模态函数 事件识别 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 080202[080202] 08[工学] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3788/AOS230698

馆 藏 号：203123885...