本发明公开一种用于分布式光纤管道入侵检测的深度学习模式识别方法，该方法对原始入侵信号进行小波阈值去噪，利用mallat多分辨率分解。通过GAF算法将去噪后的信号映射成二维图像，然后缩小图像大小以满足网络模型的要求。并对网络模型进行优化，利用Adam优化器优化学习率，利用Swish激活函数增强模型性能，实现对入侵事件的高速、高精度识别。GAF有利于CNN识别具有细微特征差异的入侵事件，特别是针对分布式光纤周围环境因素有很好的抗干扰效果。由于GAF不需要进行迭代操作，入侵识别的速度大大提高。同时，GAF算法对光路中的功率波动不敏感，有效地提高了系统的鲁棒性和实用性。
声明：
“用于分布式光纤管道入侵检测的深度学习模式识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
834
编辑：管理员
来源：北方有色网
咨询细节
