CN108801437B - 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 - Google Patents
基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 Download PDFInfo
- Publication number
- CN108801437B CN108801437B CN201810359506.XA CN201810359506A CN108801437B CN 108801437 B CN108801437 B CN 108801437B CN 201810359506 A CN201810359506 A CN 201810359506A CN 108801437 B CN108801437 B CN 108801437B
- Authority
- CN
- China
- Prior art keywords
- optical cable
- disturbance
- interval
- disturbance signal
- ave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optical Transform (AREA)
Abstract
本发明提出一种基于扰动信号特征提取的分布式光纤振动传感定位方法,包括步骤:将待检测光缆划分为若干个区间,并在每个区间分别接收振动产生的脉冲峰信号后记录脉冲峰个数,其中,第i帧第j段光缆上的脉冲峰个数记为N(i,j),j=1,2,…,n;分别统计光缆每个区间内脉冲峰个数的平均值和方差;在每个光缆区间内,将所述脉冲峰个数的平均值和方差和预设参数进行比较,根据比较结果确认当前区间的光缆是否存在扰动信号,以此类推,确认所述待检测光缆存在扰动信号的各个区间;获取存在扰动信号的光缆区间,再分别确认所述区间内扰动点位置。实施本发明有益效果在于能够应对长距离周界安防时的现场环境变化,定位扰动信号位置且算法计算量少,易于在工程系统实现。
Description
技术领域
本发明涉及周界安防技术领域,尤其涉及基于扰动信号特征提取的分布式光纤振动传感定位方法及装置。
背景技术
随着光通信技术的发展,光传感技术得到了大力推进。分布式光纤传感技术可以实时连续感知和定位光纤沿测的物理量,越来越受到研究人员的重视,并取得了很多技术上的突破。由于其具有灵敏度高、空间动态范围大和定位精度高等特点,已成为分布式光纤传感技术领域的主流。
近十年来,研究人员一直尝试将分布式光纤振动传感系统应用到周界安防、管道防护及线缆安全监测领域。然而,由于系统实际应用环境复杂,传感光缆暴露在外部环境中,易受大风、大雨等恶劣环境的影响,产生不必要的振动,使得分布式光纤振动传感系统感知的扰动事件信号多变且不稳定,是系统技术从实验室到工程应用的主要障碍。
现阶段的扰动事件检测识别和定位主要采用小波分析、神经网络等较为复杂的算法。如专利CN201410335960.3“基于小波阈值去噪的主成分分析的工作模态参数识别方法”,涉及一种基于小波阈值去噪的主成分分析的工作模态参数识别方法,能够滤除小阻尼机械结构的振动响应信号中的测量噪声,识别出系统的工作模态。又如专利CN201510134694.2“一种分布式光纤振动传感系统中的扰动类型识别方法”,采用DB4小波基将降噪处理后的其中一路扰动采样信号分解为5-7层小波子带,利用分解后各层小波子带中的低频系数计算信号的质心、带宽、子带能量作为特征参数;将计算的所有特征参数送入神经网络分类器,再利用神经网络分类器识别出扰动类型。然而小波分析的计算复杂度较高,神经网络需要经过大量训练。而专利CN201510031246.X“一种分布式光纤振动传感系统扰动事件识别及定位方法”,在对扰动类型进行判别时,依然要用到支持向量机或神经网络,得出分类结果后才能报警,导致该算法仍有一定的复杂度,且实用性受限。因此,一种简单可靠的扰动信号检测和定位算法亟待提出。
发明内容
本发明提出一种基于扰动信号特征提取的分布式光纤振动传感定位方法,所述方法包括:
将待检测光缆划分为若干个区间,并在每个区间分别接收振动产生的脉冲峰信号后记录脉冲峰个数,其中,第i帧第j段光缆上的脉冲峰个数记为N(i,j),j=1,2,…,n;;
分别统计光缆每个区间内脉冲峰个数的平均值Nave(i,j)和方差Nvar(i,j);
在每个光缆区间内,将所述脉冲峰个数的平均值和方差与预设参数进行比较,根据比较结果确认当前区间的光缆是否存在扰动信号,以此类推,确认所述待检测光缆存在扰动信号的各个区间;
获取存在扰动信号的光缆区间,再分别确认所述区间内扰动点位置。
作为本发明的一种优选技术方案:所述根据比较结果确认当前区间的光缆是否存在扰动信号具体方法为:
若Nvar(i,j)≤α(j)Nave(i,j),则确认第j段光缆无扰动信号产生;
若Nvar(i,j)>α(j)Nave(i,j),则确认第j段光缆有扰动信号产生,其中α(j)为环境系数,α(j)<0.5。
作为本发明的一种优选技术方案:所述确认区间内扰动点位置步骤之前,还包括有效数据提取,具体方法为:
若Nvar(i,j)≤α(j)Nave(i,j),则确认第j段的脉冲峰数据无效,舍去;
若Nvar(i,j)>α(j)Nave(i,j),则进一步将N(i,j)与β(j)Nave(i,j)进行比较,若N(i,j)>β(j)Nave(i,j),则认为第i帧第j段上无扰动信号,或为扰动信号的余震产生的脉冲峰数据,不是有效数据;若N(i,j)>β(j)Nave(i,j),则认为第i帧第j段包含扰动信号产生的脉冲峰数据,为有效数据,则提取第i帧第j段上的脉冲峰位置信息,其中,β(j)为环境系数,β(j)≥2。
作为本发明的一种优选技术方案:所述获取存在扰动信号的光缆区间后,采用投票算法计算扰动信号的中心位置,然后汇总第i帧中的所有扰动点位置,传输给上层应用程序,以此类推,再如权利要求1的方法进行第i+1帧信号处理。
作为本发明的一种优选技术方案:所述环境参数α(j)的值为0.2,β(j)的值为2。
本发明还提出一种基于扰动信号特征提取的分布式光纤振动传感定位装置,所述装置执行如权利要求1~5所述的基于扰动信号特征提取的分布式光纤振动传感定位方法。
有益效果:本发明与现有技术相比,具有以下优点:
本发明根据扰动信号和环境噪声产生的脉冲峰在时间、空间上的不同分布特征,通过方差比较方法区分扰动信号和大风大雨等环境噪声产生的脉冲峰数据,提取有效数据,实现滤除环境噪声的目的,可有效减少大风大雨等环境噪声造成的误报;同时根据现场环境将光缆分为不同的区间,对脉冲峰数据进行分段处理,能够应对长距离周界安防时的现场环境变化,防止不同环境下脉冲峰数据的互相干扰;本发明对脉冲峰数据做分时、分段的采集和存储,计算其方差、平均值并进行比较,提取出有限的有效数据,最后使用投票算法计算出其中的扰动点位置,算法计算量少,易于在工程系统实现,且系统反应速度快,满足工程应用的需求。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的分布式光纤振动传感系统的抗环境噪声模式识别定位算法的模块框图;
图2为本发明实施例提供的分布式光纤振动传感系统的抗环境噪声模式识别定位算法的详细流程图;
图3为本发明实施例提供的大雨下无动作时脉冲峰散点分布图;
图4为本发明实施例提供的大雨下无动作时脉冲峰分段密度图;
图5为本发明实施例提供的大雨下无动作时算法处理结果散点分布图;
图6为本发明实施例提供的大雨下晃动围栏时脉冲峰散点分布图;
图7为本发明实施例提供的大雨下晃动围栏时脉冲峰分段密度图;
图8为本发明实施例提供的大雨下晃动围栏时算法处理结果散点分布图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
1)信号采集:分布式光纤振动传感系统将以ΔT为周期发出巡检光脉冲,光缆作为传感器,感知外界振动,接收振动产生的脉冲峰信号;将总长为L的传感光缆以长度l为间隔,分为n段,满足:
其中中括号表示向下取整;
将ΔT×m作为一帧信号的时间长度,m为周期数,记录第i帧信号中脉冲峰在光纤中的位置,并分段汇总,分别统计出第i帧第j段光缆上的脉冲峰个数为N(i,j),j=1,2,…,n;本发明优选实施例中,l的值为50m,ΔT的值为1ms,m的值为10。
2)数据分段存储与处理:将每一段光缆上的脉冲峰个数N(i,j)分别进行存储,共存储a+1帧的脉冲峰个数数据:N(i-a,j),N(i-a+1,j),…,N(i,j),计算a+1帧的脉冲峰个数平均值为:
计算a+1帧的脉冲峰个数方差为:
本发明优选实施例中,a的值为9。
3)特征区分:将当前的脉冲峰数据与背景参数做阈值对比,区分扰动信号与大风大雨等环境噪声;将Nvar(i,j)与α(j)Nave(i,j)进行比较,其中α(j)为环境系数,与该段光缆的布置方式、振动难易度、系统灵敏度等因素有关,且一般α(j)<0.5;
若Nvar(i,j)≤α(j)Nave(i,j),则认为在过去的a+1帧时间内,第j段光缆所受到的脉冲峰呈现均匀分布,只受到环境噪声的影响,包括大风大雨,属于常规噪声信号,无扰动信号;若Nvar(i,j)>α(j)Nave(i,j),则说明脉冲峰个数发生突变,有扰动信号产生:
依此逐一对第1到n段光缆进行标记;本发明优选实施例中,α(j)的值为0.2。
4)有效数据提取:对于第i帧第j段光缆,若A(j)=0,则认为该段的脉冲峰数据无效,舍去;若A(j)=1,则进一步将N(i,j)与β(j)Nave(i,j)进行比较,其中β(j)也为环境系数,且一般β(j)≥2:
若N(i,j)≤β(j)Nave(i,j),则认为第i帧第j段上无扰动信号,或为扰动信号的余震产生的脉冲峰数据,故舍去;若N(i,j)>β(j)Nave(i,j),则认为第i帧第j段包含扰动信号产生的脉冲峰数据,为有效数据,将第i帧第j段上的脉冲峰位置信息存储到数组data_effect(i)中;
依此逐一对第1到n段光缆进行统计并汇总,最终得到记录第i帧所有有效数据的数组data_effect(i);若data_effect(i)为空,则认为第i帧中不存在扰动信号,返回步骤1)开始对第i+1帧信号的统计处理;若data_effect(i)不为空,则认为第i帧中存在扰动信号,data_effect(i)中的脉冲峰位置满足高斯分布,其分布函数h(x)可写为:
其中x为长度,n为第i帧中扰动信号的个数,μn为第n个扰动信号的中心点的位置,Tn为第n个扰动信号产生的脉冲峰个数;本发明优选实施例中,β(j)的值为2。
5)投票算法计算扰动点:在n、Tn以及其他参数均为未知的情况下,使用投票算法计算扰动信号的中心点位置:对于数组data_sum(i)中的每一个脉冲峰位置点,若在该点的前后范围内存在k个其他的脉冲峰,则该点的票数为k,记录到数组data_sum(i)中;统计完所有点的票数后,将data_sum(i)从大到小重新排列;若data_sum(i)[0]≤γK,其中K为数组data_sum(i)的元素总数,即有效数据的脉冲峰总数,γ为系统灵敏度,则第i帧无扰动点;若data_sum(i)[0]>γK,则将data_sum(i)[0]对应的位置记为扰动点,并将data_sum(i)中在该点前后范围内的位置点去除,重复步骤5),直到data_sum(i)[0]≤γK为止;本发明优选实施例中,γ的值为0.2。
汇总第i帧中的所有扰动点位置,传输给上层应用程序,返回步骤1)开始对第i+1帧信号的统计处理。
本发明实施例中,首先采集了大雨下无任何动作时的脉冲峰数据,并根据脉冲峰分布的距离和周期画出散点分布图,如图3所示。可以看出,大雨对布置在周界上的光缆造成振动,在整个周界上都有脉冲峰产生,只是对于不同的距离,脉冲峰分布的密度明显不同,使得这些数据难以一起处理,这是由于光缆的布置方式或周边环境不同,如树木遮挡,所造成的。因此根据现场环境将光缆分为不同的区间,对脉冲峰数据进行分段处理,能够应对长距离周界安防时的现场环境变化,防止不同环境下脉冲峰数据的互相干扰。
按照步骤1),将10个周期设为一帧,50m设为一段,对采集到的脉冲峰数据进行分段统计,计算出每个区域内的脉冲峰个数,并用密度图表示,如图4所示。这样对整个周界上的脉冲峰分布就一目了然了,除50~100m和300~350m这两段出现大密度外,其他区域的脉冲峰密度均较小,且变化不大。随后根据实际工程系统获得的脉冲峰数据,将环境系数设为α(j)=0.2,β(j)=2,按照步骤3)和4)提取有效数据,并按步骤5)计算扰动点的位置,结果如图5所示,无扰动点,误报为0。
随后在同样的大雨环境下对接近尾端的一段光缆做弹拨动作,图6是采集到的脉冲峰散点分布图,图7是对脉冲峰数据做同样的分段统计得到的密度图,从图7的密度图中可以看出,摇晃光缆的位置在1150~1250m,使用本发明的算法处理,结果如图8所示,扰动点有两处,分别是1192m和1194m,无误报。
以上结果表明,使用本发明提出的分布式光纤振动传感系统的抗环境噪声模式识别定位算法可以滤除绝大部分大雨造成的脉冲峰数据,只保留有效数据,误报点数几乎为0,并且可以准确地对扰动点进行定位,漏报率为0,定位精度为10m。误报率明显降低,使分布式光纤振动传感系统在大风大雨等恶劣环境下也能正常工作。
Claims (4)
1.基于扰动信号特征提取的分布式光纤振动传感定位方法,其特征在于,所述方法包括:
将待检测光缆划分为若干个区间,并在每个区间分别接收振动产生的脉冲峰信号后记录脉冲峰个数,其中,第i帧第j段光缆上的脉冲峰个数记为N(i,j),j=1,2,…,n;
分别统计光缆每个区间内脉冲峰个数的平均值Nave(i,j)和方差Nvar(i,j);
在每个光缆区间内,将所述脉冲峰个数的平均值和方差与预设参数进行比较,根据比较结果确认当前区间的光缆是否存在扰动信号,以此类推,确认所述待检测光缆存在扰动信号的各个区间;所述根据比较结果确认当前区间的光缆是否存在扰动信号具体方法为:
若Nvar(i,j)≤α(i,j)Nave(i,j),则确认第j段光缆无扰动信号产生;
若Nvar(i,j)>α(j)Nave(i,j),则确认第j段光缆有扰动信号产生,其中α(j)为环境系数,α(j)<0.5;
获取存在扰动信号的光缆区间,再分别确认所述区间内扰动点位置,具体为:在获取存在扰动信号的光缆区间后,提取第i帧第j段上的脉冲峰位置信息并采用投票算法计算扰动信号的中心位置,然后汇总第i帧中的所有扰动点位置,传输给上层应用程序,以此类推,进行第i+1帧信号处理。
2.根据权利要求1所述的基于扰动信号特征提取的分布式光纤振动传感定位方法,其特征在于,所述确认区间内扰动点位置步骤之前,还包括有效数据提取,具体方法为:
若Nvar(i,j)≤α(j)Nave(i,j),则确认第j段的脉冲峰数据无效,舍去;
若Nvar(i,j)>α(j)Nave(i,j),则进一步将N(i,j)与β(j)Nave(i,j)进行比较,若N(i,j)≤β(j)Nave(i,j),则认为第i帧第j段上无扰动信号,或为扰动信号的余震产生的脉冲峰数据,不是有效数据;若N(i,j)>β(j)Nave(i,j),则认为第i帧第j段包含扰动信号产生的脉冲峰数据,为有效数据,则提取第i帧第j段上的脉冲峰位置信息,其中,β(j)为环境系数,β(j)≥2。
3.根据权利要求2所述的基于扰动信号特征提取的分布式光纤振动传感定位方法,其特征在于,所述环境参数α(j)的值为0.2,β(j)的值为2。
4.基于扰动信号特征提取的分布式光纤振动传感定位装置,其特征在于,所述装置执行如权利要求1~3任一项所述的基于扰动信号特征提取的分布式光纤振动传感定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359506.XA CN108801437B (zh) | 2018-04-20 | 2018-04-20 | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359506.XA CN108801437B (zh) | 2018-04-20 | 2018-04-20 | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108801437A CN108801437A (zh) | 2018-11-13 |
CN108801437B true CN108801437B (zh) | 2020-06-09 |
Family
ID=64093427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810359506.XA Active CN108801437B (zh) | 2018-04-20 | 2018-04-20 | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108801437B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7211134B2 (ja) * | 2019-02-12 | 2023-01-24 | 日本電信電話株式会社 | 架空光ファイバケーブル検査方法、架空光ファイバケーブル検査装置及びプログラム |
CN110455399B (zh) * | 2019-08-12 | 2020-06-09 | 中冶建筑研究总院有限公司 | 用分布式光纤对建筑结构振动进行全局预警的方法 |
CN111780857B (zh) * | 2020-06-05 | 2022-02-15 | 南京曦光信息科技有限公司 | 一种基于谐波累加的p-otdr系统的多点扰动定位检测方法 |
CN112556823A (zh) * | 2020-12-08 | 2021-03-26 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的油气管线清管器卡球定位监测方法及装置 |
CN116760466B (zh) * | 2023-08-23 | 2023-11-28 | 青岛诺克通信技术有限公司 | 一种光缆定位方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57193514A (en) * | 1981-05-13 | 1982-11-27 | Teijin Ltd | Short fiber consisting of fluorine-containing resin |
WO1998029470A1 (fr) * | 1996-12-30 | 1998-07-09 | Daicel Chemical Industries, Ltd. | Elastomeres polyesters, procedes de preparation et compositions de ces elastomeres |
JP2008248218A (ja) * | 2006-11-17 | 2008-10-16 | Nippon Ester Co Ltd | ポリエステル樹脂 |
CN104568122A (zh) * | 2015-01-21 | 2015-04-29 | 东南大学 | 一种分布式光纤振动传感系统扰动事件识别及定位方法 |
CN104964736A (zh) * | 2015-07-15 | 2015-10-07 | 北方工业大学 | 基于时频特性em分类的光纤入侵振源识别方法 |
CN105632059A (zh) * | 2015-12-29 | 2016-06-01 | 天津大学 | 一种分布式光纤周界安防系统 |
-
2018
- 2018-04-20 CN CN201810359506.XA patent/CN108801437B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57193514A (en) * | 1981-05-13 | 1982-11-27 | Teijin Ltd | Short fiber consisting of fluorine-containing resin |
WO1998029470A1 (fr) * | 1996-12-30 | 1998-07-09 | Daicel Chemical Industries, Ltd. | Elastomeres polyesters, procedes de preparation et compositions de ces elastomeres |
JP2008248218A (ja) * | 2006-11-17 | 2008-10-16 | Nippon Ester Co Ltd | ポリエステル樹脂 |
CN104568122A (zh) * | 2015-01-21 | 2015-04-29 | 东南大学 | 一种分布式光纤振动传感系统扰动事件识别及定位方法 |
CN104964736A (zh) * | 2015-07-15 | 2015-10-07 | 北方工业大学 | 基于时频特性em分类的光纤入侵振源识别方法 |
CN105632059A (zh) * | 2015-12-29 | 2016-06-01 | 天津大学 | 一种分布式光纤周界安防系统 |
Non-Patent Citations (8)
Title |
---|
"Distributed optical-fiber vibration sensing system";潘超 等;《Sensors》;20121231;1-3页 * |
"Research on fully distributed optical fiber sensing security";Wu X 等;《International Conference on Optical Instruments and》;20131231;1-7页 * |
"φ-OTDR型光纤振动传感系统综合信号处理技术研究";叶红亮;《中国优秀硕士学位论文全文数据库》;20161231;I140-213 * |
"一种用于光纤链路振动信号模式识别的规整化";李凯彦 等;《物理学报》;20151231;第64卷(第5期);054304页 * |
"分布式光纤振动传感系统的数据采集与处理";苏旭峰;《中国优秀硕士学位论文全文数据库》;20111231;I140-163 * |
"分布式光纤振动传感网络周界防入侵系统";孙志峰;《万方数据》;20111231;全文 * |
"双马赫-曾德型分布式光纤振动传感若干关键技术研究";陈沁楠;《中国优秀博士学位论文全文数据库》;20160831;I140-42 * |
"基于SVM 算法的φ-OTDR 分布式";张俊楠 等;《红外与激光工程》;20171231;第46卷(第4期);0422003页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108801437A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108801437B (zh) | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 | |
CN105931402B (zh) | 基于图像识别的光纤周界入侵监测方法 | |
CN111157099B (zh) | 一种分布式光纤传感器振动信号分类方法及识别分类系统 | |
CN109272017B (zh) | 分布式光纤传感器的振动信号模式识别方法和系统 | |
WO2017036363A1 (zh) | 光纤周界入侵信号的识别方法、装置及周界入侵报警系统 | |
CN109470352B (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
CN107493277B (zh) | 基于最大信息系数的大数据平台在线异常检测方法 | |
CN103761748A (zh) | 异常行为检测方法和装置 | |
US8704662B2 (en) | Method and apparatus for monitoring a structure | |
CN104766099B (zh) | 基于图像的分布式光纤周界振动信号处理与识别方法 | |
CN116756493B (zh) | 一种安消防集指平台数据管理方法 | |
WO2019192237A1 (zh) | 基于声学信道的个人计算机使用行为监测方法及系统 | |
CN116609440B (zh) | 基于云边协同的建筑工程质量智能验收管理方法及系统 | |
CN110398775B (zh) | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 | |
CN113746780A (zh) | 基于主机画像的异常主机检测方法、装置、介质和设备 | |
CN115060184A (zh) | 一种基于递归图的光纤周界入侵检测方法及系统 | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
CN113780094B (zh) | 基于混合高斯模型和隐马尔可夫模型的周界入侵识别方法 | |
Xie et al. | Detecting frog calling activity based on acoustic event detection and multi-label learning | |
CN111951505A (zh) | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 | |
CN116432007B (zh) | 基于空域特征和机器学习的光纤预警模式识别方法 | |
CN108133559A (zh) | 光纤端点检测在周界预警系统中的应用 | |
CN114612844A (zh) | 吸烟检测方法、装置、电子设备和存储介质 | |
CN112071009B (zh) | 光纤管道预警系统及其方法 | |
CN118520020B (zh) | 基于大数据的人工智能数据聚合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |