本發明公開一種用于分布式光纖管道入侵檢測的深度學習模式識別方法,該方法對原始入侵信號進行小波閾值去噪,利用mallat多分辨率分解。通過GAF算法將去噪后的信號映射成二維圖像,然后縮小圖像大小以滿足網絡模型的要求。并對網絡模型進行優化,利用Adam優化器優化學習率,利用Swish激活函數增強模型性能,實現對入侵事件的高速、高精度識別。GAF有利于CNN識別具有細微特征差異的入侵事件,特別是針對分布式光纖周圍環境因素有很好的抗干擾效果。由于GAF不需要進行迭代操作,入侵識別的速度大大提高。同時,GAF算法對光路中的功率波動不敏感,有效地提高了系統的魯棒性和實用性。
聲明:
“用于分布式光纖管道入侵檢測的深度學習模式識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)