基于MATCN的光纤周界入侵信号识别方法

摘要：

针对光纤周界安防模式识别中机器学习算法依赖专家经验、现有深度学习算法学习关键特征能力不足的问题,提出了一种多注意力时间卷积网络(MATCN)识别模型.MATCN以时序信号为输入,通过利用通道和时序注意力优化网络学习机制,挖掘信号关键信息;在卷积过程中使用带泄露修正线性单元(Leaky ReLU)解决神经元坏死问题,提高模型的鲁棒性.搭建了基于相位敏感光时域反射系统(Φ-OTDR)的周界安防系统,模拟了攀爬、敲击、踩踏及无入侵事件.实验结果表明,MATCN的识别率达到了98.50%,识别时间为0.53 s,性能优于长短时记忆网络(LSTM)与融合卷积层的长短时记忆网络(CNN-LSTM).所提方法能够有选择性地学习不同通道和时间片段中的关键信息,实现对周界入侵信号的准确、高效识别.

关键词：光纤传感、模式识别、时间卷积网络、注意力机制、周界安防

所属期刊栏目：43

分类号：TP212(自动化技术及设备)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：84-95