一种适用于φ-OTDR系统的光纤振动信号快速模式识别算法

在基于相位敏感光时域反射计(phase-sensitive Optical Time-Domain Reflectometer,φ-OTDR)系统的周界安防等动态传感领域中,准确地识别各种光纤振动信号并对入侵事件及时报警具有重要的意义。文章提出一种基于局部特征分解(Local Mean Decomposition,LMD)和极限学习机(Extreme Learning Machine,ELM)的光纤振动信号识别算法。首先设计基于LMD的特征矢量构建算法,获取原始光纤信号在空间尺度上的时频域分布特征;其次构建基于ELM的机器学习分类模型,实现小样本下的快速模型训练和报警响应。对现场采集的4种入侵/干扰振动信号进行了实验验证,结果表明,算法实现了总分类准确率97.50%、平均响应时间2 s的有效识别。