一种基于CWT-Xception-RF的φ-OTDR振动事件分类方法.pdfVIP

下载本文档

0
0
约1.5万字
约 16页
2023-05-13 发布于四川
举报
版权申诉

一种基于CWT-Xception-RF的φ-OTDR振动事件分类方法.pdf

1、本文档共16页，其中可免费阅读15页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于CWT‑Xception‑RF的φ‑OTDR振动信号分类方法，首先通过提取获得φ‑OTDR振动信号的人工特征，通过CWT处理获得φ‑OTDR振动信号时频图；针对时频图利用迁移学习Xception模型提取获得φ‑OTDR振动信号深度特征；然后针对人工特征和深度特征，利用皮尔逊相关系数法进行相关性分析，获得相关系数值；最后构建随机森立分类算法RF对相关系数值不高于0.9的人工特征和深度特征进行计算，输出φ‑OTDR振动信号所属各类别的概率，实现φ‑OTDR振动信号分类。本发明为降

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114626420 A (43)申请公布日 2022.06.14 (21)申请号 202210304198.7 (22)申请日 2022.03.25 (71)申请人合肥工业大学地址 230009