新書推薦:
《
情绪的惊人力量:跟随内心的指引,掌控情绪,做心想事成的自己
》
售價:HK$
50.4
《
棉的全球史(历史·文化经典译丛)
》
售價:HK$
109.8
《
超越百岁看这本就够了
》
售價:HK$
55.8
《
亚洲戏剧史·南亚卷
》
售價:HK$
143.4
《
中国历代竹器图谱与数字活化
》
售價:HK$
557.8
《
EDA技术与设计(第2版)
》
售價:HK$
85.0
《
揉碎浪漫(全两册)
》
售價:HK$
70.3
《
古籍善本
》
售價:HK$
537.6
編輯推薦:
近年来,分布式光纤传感技术因其无源、抗电磁干扰以及可远距离大范围监测等特性,在公共建筑、桥梁隧道等基础设施安全监测领域中得到了广泛应用并发挥着举足轻重的作用,引起了国内外学者的重点关注和深入研究。随着分布式光纤传感振动采集系统的广泛应用,对光纤振动信号的分析越加深入。分布式光纤传感振动系统可用来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(Phase Optical Time Domain Reflection)振动信号类型进行识别。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。针对上述问题,本书以分布式光纤传感振动信号作为研究对象开展研究
內容簡介:
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。
關於作者:
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。
目錄 :
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)