第一章：分布式光纖振動傳感系統的應用背景和范圍

?

第二章：介紹分布式光纖傳感系統基本原理；三種光纖傳感技術；后向瑞利散射、拉曼散射和布里淵散射；三種基于干涉儀的光纖傳感器：馬赫-增德爾、邁克爾遜以及薩格納克；

2.1光纖傳感器的基本構成及傳感原理

2.2 分布式光纖傳感器原理

2.3 基于光干涉技術的分布式傳感

?

第三章：振動識別算法：從時域和頻域兩方面詳細介紹了當前光纖振動傳感信號的幾種方法：短時平均能量、短時過零率、峰均比、3dB譜寬度；隱馬爾可夫模型、人工神經網絡分析、小波分析以及梅爾頻率倒譜系數

3.1 時域統計算法

3.1.1 短時平均能量：

定義：窗函數截取一個很短時間內的原始信號函數，再求其平方和：

優點：進一步擴大高頻和低頻信號的差距：在環境噪聲較小的時候運算的結果比較精準，而在環境噪聲比較大的情形下則不大適合使用。

3.1.2 短時過零率：

定義：表示的是一幀信號波形通過橫軸的次數

用法：在一幀信號中，正常情況下其過零率是一定值或者偏差不會太大，倘若有擾動出現，必然會增加或減少過零率，通過觀察短時過零率的變化來識別是否有入侵的發生。

3.1.3 峰均比

定義：短時信號內的最大峰值除以該段信號內的平均值

用處：用來處理外部輕微信號長時間作用于光纖上的干擾：它們幅度分布平均，但相比噪聲信號其幅值更大。

3.2 頻域統計算法

相比時域統計算法，頻域統計算法在計算量上稍有增加，不過其區分精度較時域統計算法大為提高：

3.2.1? 3dB譜寬度

定義：當信號的功率譜密度下降3dB的時候其在頻譜上的寬度作為信號的頻域特征參數

3.2.2 頻譜區域面積統計算法

?

?3.2.3 信息熵法?

定義：信息熵的大小是通過信息在傳播過程中的衰減來定義的，假使信息傳播的范圍廣并且傳播時間還很長，那么其信息熵值必然會很大，反之亦然。

特點：信息熵也可以用來描述一個系統內部的“無序”程度，假使系統內部的數據完全是隨機擺放無序可循，則其熵值必然很大；而系統內的數據若是按某一種序列有序排放，則其熵值必然很小。

用法：通過計算信息熵值，根據其值的大小來判斷該信號是否為入侵信號：入侵信號包含的信息量應該最大，其內部的數據也更為混亂，所以其信息熵值也最大；而擾動信號或者噪聲信號其包含的信息量應該都較為偏小，內部數據相比入侵時的數據要規范許多，故而其熵
值也應該比較小，因此可以將其當作區分入侵信號與擾動信號的特征值。

?

3.3 語言識別算法

3.3.1?隱馬爾可夫模型(Hidden Markov Model, HMM)?

定義：HMM 是在馬爾可夫鏈的基礎上發展而來的：所謂馬爾可夫鏈是指在得到了當前信息后，以前的信息對于估測未來的信息都是無關緊要的，即通過觀察得到的觀察值與狀態都是一一對應的；? ?然而在通常情況下，現實中所遇到的問題都要比馬爾可夫鏈模型要繁雜許多，其狀態無法通過觀察直接得到，觀察到的值與狀態之間是有差異的，而非一一對應；? ? 但每個狀態都能通過某個輸出而有一個可能的概率分布，即可以用一個隨機過程來感知狀態是否存在，這樣的模型我們就稱之為隱馬爾可夫模型.

用處：其中一類是用短時模型來表述平穩段的信號，另一類就是一個短時平穩段是怎么跳轉到另一個短時平穩段的問題，? ? ? 即HMM 處理了時變非平穩信號的模型化問題，它通過運用概率論的方法完美地解決了怎樣識別擁有多個變量的短時平穩信號段，以及怎樣追蹤它們之間的變化問題，? ? ? ? 其特點是不僅可以描述隨機過程的短時間特性還可以描述其中動態轉移的特性。?

主要問題：

3.3.2?人工神經網絡(Artificial Neural Networks, ANN)?

定義：通過模擬人類大腦神經元的一些基本功能原件，并將其按照不同的聯接方式組建而成的網絡。? ? ?著名神經網絡研究專家 Hecht ?Nielsen 將?ANN 定義為一個網絡結構為有向拓撲圖的動態系統，它是人工建立，通過對離散或連續的輸入狀態進行相應并予以處理。? ? ? ?在該網絡中，各神經元節點都代表著一種運算邏輯或輸出函數，各節點之間的連接強弱通過其連接的權重決定，所謂權重，就是在?ANN?的運用中根據激勵來做的自適應變化。

分類：

3.3.3 梅爾頻率倒譜系數(Mel Frequency Cepstral Coefficient, MFCC) (后文研究重點)

定義：模仿人耳聽覺模型用一帶通濾波器組對輸入信號進行濾波處理，通過對濾波器組輸出的信號做進一步處理就可以得到一特征值，該特征值就被稱為梅爾頻率倒譜系數，其中 Mel 頻率與頻率?f 之間的變換公式為：

3.4 小波分析

3.4.1 小波分析

特點：小波變換能夠根據頻率的變化自動改變分析窗口的大小，且其不依賴于數學模型，具備自適應性和數學顯微鏡性質

對比：

定義：

3.4.2 小波包分析

基本原理：小波包分析是基于小波分析對信號做進一步的分析和重構的一種手段，其基本原理是將信號在一個由一組相互正交的小波函數構成的子空間上進行分解，得到其在各維度上的信息，進而可以提取其在不同頻帶上的特征，而其在各個維度上的時域特征也可以得到保留。

對比：小波分析可以從時域與頻域同時對信號進行分析，但是其主要是將信號分解為低頻與高頻兩部分，只對低頻信號的進行再一次分解，而對高頻信號不作任何處理，故而小波分析對信號高頻部分的分辨效果十分低。小波包分析正是針對于此改進而來的，它不但對低頻信號有進一步的分解，而且對高頻信號也有再一次的分解，還能夠自適應地確定信號在各頻段內的分辨率，進而提高其在時域與頻域的分辨率，是一種相比小波分析更為精密的信號分析方法。

優點：

第四章：分布式傳感系統的系統結構，簡要介紹了下位機采集卡的功能，重點介紹了上位機系統的前端界面設計，比較分析了關系型和非關系型數據庫的優缺點

4、 系統結構及上位機系統配置

4.1 系統結構

上位機對數據采集模塊傳來的數據進行處理，將之與用戶設定的閾值對比，若超過閾值，則以燈光、聲音、短信等方式進行告警

4.2 數據采集模塊

本論文的主要研究工作在于對上位機系統的研發和算法軟件的實現

4.3?上位機系統模塊

三大模塊：前端交互界面、數據處理分析、數據存儲備份，本論文的工作重心在終端數據處理，故而接下來會著重介紹數據處理分析模塊

4.3.1 開發語言

python

4.3.2?前端交互界面模塊

4.3.3 數據存儲備份模塊?

關系型數據庫、非關系型數據庫

4.3.4 數據處理分析模塊

根據上面介紹的算法對采集到的數據進行分析處理
?

第五章：兩種不同的光纖振動傳感信號分析算法：基于FFT的特征參數提取算法和基于 MFCC的算法

5.1 基于FFT的頻譜分析算法

5.2 梅爾頻率倒譜系數的特征提取

FFT算法和MFCC特征參數提取法的對比：

第六章：全文總結和展望

創新之處和主要工作：

本論文的創新之處在于將光學、計算機處理和語音信號識別相結合，設計了基于MFCC 的光纖振動信號識別，通過對比分析基于?
FFT 的頻譜分析算法和基于?MFCC 特征參數提取這兩種算法，其本質都是從頻域上對振動信號進行分析，其中，基于 MFCC特征參數提取的算法對振動入侵行為的檢測更為精確。通過對仿真波形與實測數據處理，結果可以明顯看出，基于 MFCC 特征參數提取的算法是可行且非常有效的。

不足之處：

?
?

?

?

總結

以上是生活随笔為你收集整理的【学习笔记】《分布式光纤振动传感系统技术的研究与实现--华科--邹**--光学工程》重点笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。