引用本文：
欧阳竑，刘承达，秦祖军，等. ?椎-OTDR系统的振动信号检测和识别算法[J]. 光通信技术，2020，44（3）：37-40.
欧阳竑1，刘承达2，秦祖军2，王 侠1
（1.中国电子科技集团公司 第三十四研究所, 广西 桂林 541004；2.桂林电子科技大学 电子工程与自动化学院, 广西 桂林541004）
【下载PDF全文】 【下载Word】摘要：相位敏感光时域反射计（Φ-OTDR）系统在对振动信号位置判断的过程中，采用幅度差分累加法存在对振动峰位置计算准确率低、不同频率的振动信号需随时修改N值的问题。提出了一种经验模态分解（EMD）与神经网络结合的算法，该算法将振动点的时域信号分解后作为特征值输入到神经网络中训练，再对信号是否为目标振动信号进行识别，实验表明该方法的振动信号识别率达到96.49%。
关键词：相位敏感光时域反射计；神经网络；经验模态分解
中图分类号：TN914 文献标志码：A 文章编号：1002-5561（2020）03-0037-04
DOI:10.13921/j.cnki.issn1002-5561.2020.03.009
0 引言
相位敏感光时域反射计（Φ-OTDR）在1993年由Taylor和Lee首次提出[1，2]，其原理是利用光在光纤中传播时会发生瑞利散射，后向瑞利散射光会携带光纤沿线的扰动信息，并沿光纤传播回光纤注入端，采集并分析后向瑞利散射光即可得到光纤上的形变信息。Φ-OTDR系统因其具有全尺度连续性、超长距离和高灵敏度等优点，已被广泛应用在防入侵检测、大型建筑结构的裂缝健康检测和石油管道检测等多个领域，对特定振动信号进行实时定位、识别，对构建多传感器融合的分布式监测系统有重要参考价值。本文针对Φ-OTDR分布式光纤振动检测系统提出一种基于经验模态分解（EMD）与神经网络结合的振动信号检测及识别的数据处理算法，具体通过EMD对振动点的时域信号降噪、分解，提取出信号的特征，输入到神经网络中训练，使用训练后的神经网络对振动信号进行识别。
5 结束语
本文使用不同计算离散度的方式对后向瑞利散射信号进行处理，不同算法对位置判断的准确率与幅度差分累加法比较，得出变异系数法对数据处理效果最好的结论，解决了幅度差分法对振动峰检测噪声影响大、识别率低的问题。同时，本文提出一种基于EMD和神经网络相结合的方式对振动点进行识别，经EMD对信号特征提取、神经网络训练，对40 Hz振动信号的识别率达到了96.49%，这对?椎-OTDR系统识别特定振动源提供了有价值的参考。