分布式光纤振动传感器检测技术及应用 许海燕 著

图书标准信息

• 作者 许海燕
• 出版社 电子工业出版社
• 出版时间 2024-07
• 版次 1
• ISBN 9787121480843
• 定价 99.00元
• 装帧 其他
• 开本 其他
• 页数 204页
• 字数 238千字

【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