【正版书籍】光纤风险监控与应急管理：信号处理与智能分析
正版图书，可开发票。
￥ 37.5 6.7折 ￥ 56 全新
仅1件
作者王松 胡燕祝 宋钢
出版社中国石化出版社有限公司
ISBN9787511468253
出版时间2022-08
装帧平装
开本其他
定价56元
货号J9787511468253
上书时间2024-07-04
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
本书从理论和工程相结合的角度出发，对Phase-OTDR技术所采集的振动信号进行分析梳理，重点阐述了Phase-OTDR振动信号的预处理、Phase-OTDR振动信号的特征提取与存储以及Phase-OTDR振动信号的识别与监测等内容。本书内容理论与实际相结合，解决了Phase-OTDR技术在实际工程应用中的预处理、特征提取与存储、识别与监测等方面存在的“信噪耦合”“模态混叠”“数据膨胀”等问题，对提高土木建筑、石油化工、电力、通信、航空等行业的应急管理本质安全风险监测水平有很好的参考作用。
作者简介:
王松，现就职于北京邮电大学现代邮政学院（自动化学院），副教授，主要研究方向，应急管理领域技术与装备、群智感知，曾与胡燕祝合作出版《光纤风险监控与应急管理：模态分析与振场反演》。胡燕祝，现就职于北京邮电大学现代邮政学院（自动化学院），教授，主要研究方向，应急管理及技术装备、城市运行安全，自然灾害与公共安全应急装备领域国内知名专家学者，曾与王松合作出版《光纤风险监控与应急管理：模态分析与振场反演》。宋钢，就职于北京邮电大学理学院，讲师，主要研究方向，光学传感器与安全监测。
目录:
1绪论（1）
1.1研究背景及意义（1）
1.2研究现状（2）
1.2.1分布式光纤振动信号的去噪方法研究现状（2）
1.2.2分布式光纤振动信号的特征提取方法研究现状（3）
1.2.3分布式光纤振动信号的识别方法研究现状（3）
1.3本书内容（4）
2Phase-OTDR振动信号的预处理（6）
2.1实验数据分析（6）
2.2信号预处理（8）
2.2.1信号归一化（8）
2.2.2信号预加重（9）
2.2.3信号分帧处理（11）
2.2.4相关系数分帧（12）
2.3信号时域频域分析（13）
2.4本章小结（15）
3Phase-OTDR振动信号的去噪方法（16）
3.1EEMD-FastICA光纤振动信号去噪方法（17）
3.1.1基于经验模态分解的信号去噪方法（17）
3.1.2基于独立成分分析的信号去噪方法（19）
3.1.3基于EEMD-FastICA的信号去噪方法（21）
3.1.4去噪效果评估（26）
3.2基于模拟退火寻优的Ostu信噪分离方法（30）
3.2.1基于模拟退火寻优的Ostu信噪分离（30）
3.2.2振动数据信噪分离实验（32）
3.2.3信噪分离效果评估（39）
3.3基于BEMD的Phase-OTDR信号去噪（40）
3.3.1基于BEMD的Phase-OTDR信号去噪原理（40）
3.3.2去噪效果（43）
3.4本章小结（45）
4Phase-OTDR振动信号的特征提取与编码存储（46）
4.1分布式光纤振动数据时空特征提取（46）
4.1.1基于二维小波变换的时空特征提取原理（46）
4.1.2基于剪切波变换的时空特征提取原理（50）
4.1.3振动数据时空特征提取实验（54）
4.1.4分布式光纤振动数据频谱分析（66）
4.2光纤振动信号多维特征提取（73）
4.2.1时域与频域特征提取（74）
4.2.2改进的自相关特征提取（75）
4.3信号特征分析（76）
4.3.1特征选取情况（76）
4.3.2实验评估（78）
4.4分布式光纤振动数据编码存储（78）
4.4.1哈夫曼编码原理（79）
4.4.2振动数据编码存储实验（80）
4.5本章小结（83）
5Phase-OTDR振动信号的识别方法（84）
5.1单分类器分类模型（84）
5.1.1随机森林分类模型（84）
5.1.2BP神经网络分类模型（85）
5.1.3AdaBoost分类模型（86）
5.2基于分类器融合的RF-BP-AdaBoost多模型（87）
5.2.1多分类器融合原理（87）
5.2.2实验结果对比（88）
5.3本章小结（92）
6Phase-OTDR振动信号的异常监测方法研究（93）
6.1模态参数异常判断（93）
6.2累计负载异常判断（95）
6.3本章小结（97）
7总结与展望（98）
7.1结论（98）
7.2展望（99）
参考文献（101）
作者简介
目录1绪论（1）
1.1研究背景及意义（1）
1.2研究现状（2）
1.2.1分布式光纤振动信号的去噪方法研究现状（2）
1.2.2分布式光纤振动信号的特征提取方法研究现状（3）
1.2.3分布式光纤振动信号的识别方法研究现状（3）
1.3本书内容（4）
2Phase-OTDR振动信号的预处理（6）
2.1实验数据分析（6）
2.2信号预处理（8）
2.2.1信号归一化（8）
2.2.2信号预加重（9）
2.2.3信号分帧处理（11）
2.2.4相关系数分帧（12）
2.3信号时域频域分析（13）
2.4本章小结（15）
3Phase-OTDR振动信号的去噪方法（16）
3.1EEMD-FastICA光纤振动信号去噪方法（17）
3.1.1基于经验模态分解的信号去噪方法（17）
3.1.2基于独立成分分析的信号去噪方法（19）
3.1.3基于EEMD-FastICA的信号去噪方法（21）
3.1.4去噪效果评估（26）
3.2基于模拟退火寻优的Ostu信噪分离方法（30）
3.2.1基于模拟退火寻优的Ostu信噪分离（30）
3.2.2振动数据信噪分离实验（32）
3.2.3信噪分离效果评估（39）
3.3基于BEMD的Phase-OTDR信号去噪（40）
3.3.1基于BEMD的Phase-OTDR信号去噪原理（40）
3.3.2去噪效果（43）
3.4本章小结（45）
4Phase-OTDR振动信号的特征提取与编码存储（46）
4.1分布式光纤振动数据时空特征提取（46）
4.1.1基于二维小波变换的时空特征提取原理（46）
4.1.2基于剪切波变换的时空特征提取原理（50）
4.1.3振动数据时空特征提取实验（54）
4.1.4分布式光纤振动数据频谱分析（66）
4.2光纤振动信号多维特征提取（73）
4.2.1时域与频域特征提取（74）
4.2.2改进的自相关特征提取（75）
4.3信号特征分析（76）
4.3.1特征选取情况（76）
4.3.2实验评估（78）
4.4分布式光纤振动数据编码存储（78）
4.4.1哈夫曼编码原理（79）
4.4.2振动数据编码存储实验（80）
4.5本章小结（83）
5Phase-OTDR振动信号的识别方法（84）
5.1单分类器分类模型（84）
5.1.1随机森林分类模型（84）
5.1.2BP神经网络分类模型（85）
5.1.3AdaBoost分类模型（86）
5.2基于分类器融合的RF-BP-AdaBoost多模型（87）
5.2.1多分类器融合原理（87）
5.2.2实验结果对比（88）
5.3本章小结（92）
6Phase-OTDR振动信号的异常监测方法研究（93）
6.1模态参数异常判断（93）
6.2累计负载异常判断（95）
6.3本章小结（97）
7总结与展望（98）
7.1结论（98）
7.2展望（99）
参考文献（101）
内容摘要1绪论
1.1研究背景及意义
近年来，分布式光纤传感技术(Phase Optical Time Domain Reflection,Phase-OTDR)因其无源、抗电磁干扰能力强以及可大范围监测等特性，已广泛应用于居民住宅、交通、军事等重点区域的安防中，会对居民生活和劳动生产造成安全和经济损失的异常事件进行监测，而监测的本质是对异常事件产生的Phase-OTDR振动信号类型进行识别[11。目前已有的Phase-OTDR振动信号识别方法对判别事件是否异常的准确率较高，但在生产和生活等噪声含量大的环境中，振动信号的识别应用仍存在信噪分离不充分、特征不匹配、识别率不稳定等问题，使得系统对振动信号的种类识别错误，造成异常事件的错诊和误诊。
此外，全分布式光纤传感系统在全天24h连续实时监测的过程中往往会产生巨大的数据量。例如，针对监测距离为20km的分布式光纤传感系统，按照空间分辨率为10m、数据采样率为1kHz计算，系统每秒钟采集2M个监测数据，每个数据按4个字节计算，则每秒钟采集的数据量为8M，在全天候连续监测的情况下，一天采集的数据量约为675G。随着分布式光纤传感系统性能指标的不断提升，其监测频带越来越宽，监测距离越来越远[2]。当采样频率为10kHz，监测距离为40km时，一天采集的数据量约为12909G。此时，和原先相比采集得到的数据已经增加了18倍。依次类推，当监测距离和监测频带继续增加的时候，每天采集的监测数据也会几十倍甚至上百倍地增加。监测数据的剧增将会导致数据膨胀，这不仅会带来存储空间不足的问题，还会对后续的数据处理效率造成严重影响。数据膨胀问题使得具有长时间广范围连续监测、高时空分辨率等优良性能指标的分布式光纤传感系统在实际应用中不能充分发挥其优势和作用。
为了解决数据膨胀问题，需要对分布式光纤海量传感数据进行压缩处理，现有的压缩处理方法分为有损压缩和无损压缩。基于离散余弦变换和小波变换的典型有损压缩方法只针对时间维度上的信号进行了压缩研究，所以更适用于压缩点式传感器采集的这种一维信号，而不适用于分布式光纤传感系统采集获得的二维信号。而基于哈夫曼编码、算术编码的无损压缩方法无法满足分布式光纤海量传感数据的压缩比要求。
针对上述问题，本书以几种典型异常事件作为研究对象，对事件产生的信号进行分类，从而达到异常诊断的效果，之后针对不同的分类信号进行存储，主要利用编码存储研究方法，编码存储是在数据精简的基础上进行无损压缩，在保留原始信号大部分特征信息的基础上利用编码的方式对特征提取后的数据进行存储，从而减少存储空间，提高空间利用率。
……
主编推荐适读人群 ：广大读者
精彩内容本书从理论和工程相结合的角度出发，对Phase-OTDR技术所采集的振动信号进行分析梳理，重点阐述了Phase-0TDR振动信号的预处理、Fhase-0TDR振动信号的特征提取与存储以及Phase-0TDR振动信号的识别与监测等内容。解决了Phase-OTDR技术在实际工程应用中的预处理、特征提取与存储、识别与监测等方面存在的“信噪耦合”“模态混蠱”“数据膨胀”等问题。
— 没有更多了 —
以下为对购买帮助不大的评价