Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于空间分辨率内冗余数据的Φ-OTDR系统相干衰落抑制方法及装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南京理工大学

摘要:本发明公开了一种基于空间分辨率内冗余数据的Φ‑OTDR系统相干衰落抑制方法及装置,具体为:首先仿真出随机的一维连续信号和噪声波形,并进行通道复制扩充,对每个通道的波形加入不同的随机噪声,得到多通道信号和噪声数据集;然后设定时序神经网络模型的结构、参数、激活函数、损失函数和优化器,将数据集送入模型进行训练;接着判断模型误差是否满足要求,若不满足要求则调整模型的结构、参数、激活函数、损失函数和优化器,对模型进行重新训练;若满足要求则将Φ‑OTDR系统探测得到的实际数据进行处理打包,送入训练后的模型进行预测,得到沿光纤全局分布的信号特征。本发明复杂度低,降低了相干衰落噪声对Φ‑OTDR系统的影响,提高了系统的传感能力。

主权项:1.一种基于空间分辨率内冗余数据的Φ-OTDR系统相干衰落抑制方法,其特征在于,包括以下步骤:步骤1、结合Φ-OTDR系统解调信号的波形特点,仿真出随机的一维连续信号和噪声波形;步骤2、将步骤1生成的波形进行通道复制扩充,并对每个通道的波形加入不同的随机噪声,得到多通道信号和噪声数据集;步骤3、设定时序神经网络模型的结构、参数、激活函数、损失函数和优化器,将步骤2生成的多通道信号和噪声数据集送入时序神经网络模型进行训练;步骤4、通过评价指标判断误差是否满足要求,若满足则转至步骤5;否则对时序神经网络模型的结构、参数、激活函数、损失函数和优化器进行调整,并转至步骤3对时序神经网络模型进行重新训练;步骤5、将Φ-OTDR系统探测得到的实际数据进行处理打包后,送入训练后的时序神经网络模型进行预测,得到优化后的数据,并将优化后的数据进行频谱分析,得到沿光纤全局分布的信号特征。

全文数据:

权利要求:

百度查询: 南京理工大学 基于空间分辨率内冗余数据的Φ-OTDR系统相干衰落抑制方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。