本文關(guān)鍵詞：光纖振動(dòng)信號(hào)的CFAR檢測算法性能研究

  更多相關(guān)文章： 光纖預(yù)警 ΦOTDR 振動(dòng)信號(hào) 恒虛警 自適應(yīng)檢測

【摘要】：針對光纖預(yù)警系統(tǒng)的應(yīng)用需求,為了能夠從非平穩(wěn)噪聲背景中有效地檢測出振動(dòng)信號(hào),通過控制虛警率對噪聲進(jìn)行濾除,深入研究了廣泛應(yīng)用于雷達(dá)目標(biāo)檢測的恒虛警檢測技術(shù)。以發(fā)展實(shí)用化的光纖預(yù)警系統(tǒng)為目的,在大量現(xiàn)場實(shí)驗(yàn)數(shù)據(jù)的支持下,采用理論分析和實(shí)驗(yàn)驗(yàn)證的研究方法,對光纖振動(dòng)信號(hào)統(tǒng)計(jì)特性建模、非平穩(wěn)干擾下光纖振動(dòng)信號(hào)二維二級(jí)檢測算法、光纖振動(dòng)信號(hào)自適應(yīng)CFAR檢測等關(guān)鍵技術(shù)進(jìn)行了深入研究。首先研究了光纖振動(dòng)信號(hào)CFAR檢測算法,目的是解決光纖振動(dòng)信號(hào)檢測過程中虛警概率不穩(wěn)定的問題。詳細(xì)介紹了已有經(jīng)典CFAR檢測算法,指出了經(jīng)典檢測算法應(yīng)用到光纖振動(dòng)信號(hào)檢測中存在的檢測性能不穩(wěn)定及實(shí)時(shí)性差等主要問題。針對這些問題,提出二維二級(jí)CFAR檢測算法,該算法充分綜合了已有CFAR算法的優(yōu)點(diǎn),在非平穩(wěn)干擾噪聲背景下保持了虛警率穩(wěn)定,既提高了運(yùn)算速度,也改善了參考單元中存在多個(gè)目標(biāo)的檢測性能。接著研究了光纖振動(dòng)信號(hào)自適應(yīng)檢測技術(shù),目的是解決由于環(huán)境及地質(zhì)結(jié)構(gòu)不同使檢測性能不穩(wěn)定的問題。以構(gòu)建光纖振動(dòng)信號(hào)自適應(yīng)檢測過程為目的,深入研究了自適應(yīng)檢測算法。通過對原有Ⅵ-CFAR檢測算法的改進(jìn),利用第三章提出的基于CFAR檢測典型算法的二級(jí)檢測算法,實(shí)現(xiàn)了自適應(yīng)恒虛警檢測,能夠根據(jù)噪聲背景自適應(yīng)選擇檢測算法,有效避免由于環(huán)境及地質(zhì)結(jié)構(gòu)對檢測性能的影響,改善了光纖預(yù)警系統(tǒng)的檢測性能,且自適應(yīng)CFAR檢測算法對于光纖振動(dòng)信號(hào)檢測具有理論檢測性能好,工程實(shí)用性強(qiáng)等特點(diǎn)。最后介紹了利用前幾章提出的原理構(gòu)建的光纖振動(dòng)信號(hào)自適應(yīng)檢測技術(shù)在山東威海乳山供電公司實(shí)驗(yàn)基地條件下做的現(xiàn)場實(shí)驗(yàn)及應(yīng)用情況,模擬了大量的敲擊光纜、砸地兩種典型振動(dòng)信號(hào),對分布式光纖振動(dòng)檢測及預(yù)警技術(shù)的異常事件類型識(shí)別性能進(jìn)行測試。通過現(xiàn)場實(shí)驗(yàn),進(jìn)一步驗(yàn)證了本文算法的有效性及實(shí)用性,能夠準(zhǔn)確檢測出振動(dòng)信號(hào),達(dá)到預(yù)警目的。
【關(guān)鍵詞】：光纖預(yù)警 ΦOTDR 振動(dòng)信號(hào) 恒虛警 自適應(yīng)檢測
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TE973.6
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-18
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)分析9-14
• 1.2.1 光纖預(yù)警技術(shù)9-11
• 1.2.2 恒虛警檢測研究現(xiàn)狀11-14
• 1.3 本文的工作及內(nèi)容14-18
• 第二章 光纖預(yù)警系統(tǒng)18-24
• 2.1 引言18
• 2.2 系統(tǒng)簡介18-19
• 2.3 系統(tǒng)組成19-22
• 2.4 系統(tǒng)工作原理22-23
• 2.5 本章小結(jié)23-24
• 第三章 光纖振動(dòng)信號(hào)二維二級(jí)CFAR檢測算法24-38
• 3.1 引言24
• 3.2 光纖振動(dòng)信號(hào)模型分析24-26
• 3.3 二維恒虛警參考滑窗26-29
• 3.4 CFAR檢測典型算法綜述29-35
• 3.4.1 CA-CFAR29-33
• 3.4.2 OS-CFAR33-35
• 3.5 基于CFAR檢測典型算法的二級(jí)檢測35-37
• 3.6 本章小結(jié)37-38
• 第四章 光纖振動(dòng)信號(hào)自適應(yīng)CFAR檢測算法38-46
• 4.1 引言38
• 4.2 典型自適應(yīng)CFAR檢測算法38-41
• 4.3 基于自適應(yīng)背景選擇的光纖振動(dòng)信號(hào)檢測算法41-43
• 4.4 性能分析43-45
• 4.4.1 算法效率分析43-44
• 4.4.2 算法性能驗(yàn)證及分析44-45
• 4.5 本章小結(jié)45-46
• 第五章 現(xiàn)場實(shí)驗(yàn)與應(yīng)用研究46-53
• 5.1 引言46
• 5.2 實(shí)驗(yàn)基地線路情況46-48
• 5.3 測試方案48-49
• 5.4 現(xiàn)場實(shí)驗(yàn)49-52
• 5.4.1 敲擊光纜49-50
• 5.4.2 砸地實(shí)驗(yàn)50-52
• 5.5 本章小結(jié)52-53
• 第六章 總結(jié)與展望53-55
• 6.1 工作總結(jié)53-54
• 6.2 研究展望54-55
• 參考文獻(xiàn)55-60
• 在學(xué)期間的研究成果60-61
• 致謝61

【相似文獻(xiàn)】

中國重要會(huì)議論文全文數(shù)據(jù)庫 前6條

1 Xianxiang Qin;Huanxin Zou;Shilin Zhou;Yun Ren;;A Generalized Gamma Distributed CFAR Algorithm for Layover and Shadow Detection in InSAR Images[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第二分冊）[C];2013年

2 Dang Ling;Wang Pingjun;Wang Zhikai;;A Method for Determining Scale Factor of CFAR Detector Based on BP Neural Networks[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國際會(huì)議論文集[C];2012年

3 邢相薇;陳振林;鄒煥新;周石琳;;一種基于兩級(jí)CFAR的SAR圖像艦船目標(biāo)快速檢測算法[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 Ho-Hsuan Chang;;The Statistical Properties of GLR in Nonhomogeneous Clutter[A];2005年海峽兩岸三地?zé)o線科技學(xué)術(shù)會(huì)論文集[C];2005年

5 孫長生;柳曉鳴;;VTS雷達(dá)子系統(tǒng)有序統(tǒng)計(jì)類CFAR檢測器的設(shè)計(jì)和實(shí)現(xiàn)[A];中國航海學(xué)會(huì)通信導(dǎo)航專業(yè)委員會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

6 田巳睿;王超;張紅;;Envisat AP圖像P-CFAR艦船檢測方法研究[A];第二屆微波遙感技術(shù)研討會(huì)摘要全集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 龔樹鳳;不確定條件下的機(jī)會(huì)陣?yán)走_(dá)信號(hào)處理技術(shù)研究[D];南京航空航天大學(xué);2015年

2 王明宇;復(fù)雜環(huán)境下雷達(dá)CFAR檢測與分布式雷達(dá)CFAR檢測研究[D];西北工業(yè)大學(xué);2002年

3 魏璽章;分布式CFAR檢測理論研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2002年

4 關(guān)鍵;多傳感器分布式恒虛警率（CFAR）檢測算法研究[D];清華大學(xué);2000年

5 杜海明;雷電信號(hào)檢測方法及相關(guān)問題研究[D];華中科技大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳星忠;基于多層CFAR算法的超高分辨率SAR圖像目標(biāo)檢測[D];西安電子科技大學(xué);2014年

2 姜R，

本文編號(hào)：967328