光纤周界防区入侵事件的模式识别研究

采用单模-多模-单模(SMS)光纤结构的光路,针对施加在多模光纤上的入侵信号,提出了基于短时傅里叶变换(STFT)和卷积神经网络(CNN)相结合的模式识别分类方法。该方法对入侵信号进行STFT以获得时频图,制作成训练集和测试集;将训练集输入到三种网络模型中进行训练,根据工程应用指标选择合理的网络模型;利用网络模型对测试集进行分析,得到入侵信号的识别结果。采用4种入侵信号对该方法的有效性和实时性进行验证。结果表明,该方法可以高效识别人为入侵信号和非人为入侵信号,并可以通过增加含有不同类型噪声的入侵信号种类和数量来验证此方法的稳健性,减少了入侵信号的漏报率和误报率,提高了SMS光纤结构在周界防区模