改进PSO-SVM的光纤传感网络数据识别系统

摘要

为了增强光纤传感网络对相近扰动信号的识别能力,提高目标分类精度,提出了一种改进的粒子群优化-支持向量机(PSO-SVM)算法。该算法在分析回波信号谱形特征的基础上,设计了三个用于描述信号特征的判断指标。将主波信号能量、主波脉宽及波形变化率作为数据预处理的特征参量,改进了传统的数据分类模型。实验模拟了实际应用中的三种典型干扰形式,以机械、人工以及坠落物对测试区域地面进行冲击测试,并对比了不同距离和不同强度情况下的响应效果。结果显示,6种不同情况对应的谱形特征有3种,相同作用机制的谱形相似度很高。特征参量的响应值随着测试距离的增大而减小,随着冲击强度的增大而增强。对相同测试数据进行扰动信号分析,传统SVM算法平均识别概率为69.3%,而该算法平均识别概率为90.1%。可见,该算法在提高光纤传感网络扰动信号分类能力方面具有一定的优势。