研究背景与意义：

光纤传感网络因其检测范围大、灵敏度高、环境适应性好等特点，在大范围安防、区域目标定位等领域有广泛应用。

传统功能已难以满足日益提高的检测需求，多目标、多状态参数的准确分类成为研究热点。

研究目标：

实现光纤传感网络中多个目标同时工作时的目标种类识别。

提出一种基于光纤传感网络的多目标分类识别算法。

系统设计与实现：

构建基于FBG（光纤布拉格光栅）组网的光纤传感网络。

系统包括传感模块、采集模块和处理模块。

传感模块负责获取待测目标的振动信号，采集模块负责信号的光电转换，处理模块负责信号的特征提取与识别。

算法设计：

以信号振幅、时长及频率作为目标信号的特征参量。

构建基于测试节点波长响应的解算模型，实现多目标信息的分离与识别。

通过预设目标种类的信号特征，结合目标坐标的距离信息，将光纤传感网络的响应波长融入信号特征函数。

实验与结果：

在20m×30m的测试区域内，对4种典型的振动源（单人使用冲击镐、单人使用铁锹、单人步行、小型挖掘机）进行了波长响应测试。

实验结果表明，不同目标具有显著不同的信号特征，如振幅、周期和时长。

在多目标混叠测试中，平均目标识别率与识别正确率均在80.0%以上，验证了算法的可行性。

性能对比：

与人工神经网络（ANN）和遗传算法（GA）相比，本文提出的算法在双目标和三目标情况下的识别正确率相当，但收敛时间更短，处理速度更快。

距离影响分析：

距离对FBG的波长变化响应量有影响，随距离增加，响应量呈指数级下降，但对频率特性无显著影响。

结论：

设计了一种基于多目标信号参数特征的识别算法，通过标记不同目标在振幅、时长及频率上的特征，实现了多目标信号混叠情况下的信号解耦。

实验结果验证了算法的有效性，为光纤传感网络在多目标分类识别中的应用提供了理论基础和技术支持。

未来展望：

文件未直接提及未来研究方向，但可以推测进一步优化算法、提高识别精度和响应速度、扩大检测范围等可能是未来的研究方向。