【摘要】：基于相敏光時域反射儀(Phase-sensitive Optical Time-domain Reflectometry,Φ-OTDR)的分布式聲波傳感(Distributed Acoustic Sensing,DAS)系統(tǒng)在長距離管道安全監(jiān)測中快速發(fā)展并廣泛應用。在大范圍環(huán)境安全監(jiān)測中,復雜環(huán)境下聲波/振動信號通常表現(xiàn)出非線性和非平穩(wěn)特征,實現(xiàn)寬動態(tài)環(huán)境下物理事件的高識別率和深入理解具有很大的挑戰(zhàn)。因此,本文提出了基于隱馬爾可夫模型(Hidden Markov Model,HMM)的管道安全監(jiān)測DAS信號時序信息挖掘與識別方法。該方法結合了特征矢量和特征矢量時序演化關系兩重信息,相比于只根據(jù)某時間段信號的靜態(tài)特征或特征矢量進行分類的傳統(tǒng)識別算法,具有更高的事件識別率;同時基于HMM模型庫可挖掘信號的時序演化信息�，F(xiàn)場數(shù)據(jù)測試結果表明,該方法對埋地管道上五類典型事件的平均識別率可達到98%,優(yōu)于傳統(tǒng)的機器學習方法,如決策樹(Decision Tree,DT)、隨機森林(Random Forest,RF)、支持向量機(Support Vector Machine,SVM)和貝葉斯網(wǎng)絡(Bayesian Network,BN)等,并具有較好的時效性。具體工作如下:(1)分析國內(nèi)外管道安全監(jiān)測領域信號處理技術現(xiàn)狀,對現(xiàn)有方法因忽略信號時序演化信息導致識別率低的問題,本文提出了基于HMM的管道安全監(jiān)測DAS信號時序挖掘與識別方法。(2)根據(jù)DAS信號具有隨機性和非平穩(wěn)性的特點,提出了基于時域、頻域、變換域和模型參數(shù)的多分析域特征提取方法。另外,采用F值特征選擇和LDA特征降維算法降低特征集維數(shù),并對降維結果進行可視化。(3)基于HMM提出了人工挖掘、機械挖掘、交通干擾和工廠干擾等五類事件信號的時序挖掘和識別方法,包括基于K-means算法的參數(shù)初始化方法和基于高斯混合模型(Gaussian Mixed Model,GMM)的HMM觀測矩陣參數(shù)估計方法,首次在獲得信號事件類型的同時,挖掘出信號的時序演化規(guī)律。(4)基于現(xiàn)場數(shù)據(jù)測試HMM時序挖掘和識別方法的有效性�；跍蚀_率、召回率等多個分類器性能評估指標,對五種傳統(tǒng)模型與HMM進行對比,測試結果表明HMM相比其他五種模型具有更高的識別率,平均識別率可達到98%,且輸出的隱狀態(tài)序列很好地刻畫了信號的演化過程。最后,對HMM方法的時效性進行了測試,結果表明HMM在線處理速度可以達到125條樣本/秒,滿足系統(tǒng)時效性要求。
【圖文】：

電子科技大學碩士學位論文隨機選擇罐且每個罐隨機掉落彩球彩球序列圖 2-3 缸與彩球模型實驗由罐子取球實驗，HMM 過程描述，如圖 2-4 所示，HMM 的特征總結如（1）HMM 狀態(tài)變化過程無法直接確定，可結合觀測序列和模型參數(shù)預（2）隱狀態(tài)和觀測值不一一對應，每個狀態(tài)下出現(xiàn)的觀測值滿足某種（3）HMM 含有雙重隨機過程，，狀態(tài)按概率轉移的 Markov 過程，狀態(tài)的出現(xiàn)滿足概率分布。

第二章 基于 DAS 的管道安全監(jiān)測原理及信號處理方法 NiTPOi1( | ) ()1 iq 且1 1v o的聯(lián)合概率。遞推公式(2-19)是前意圖如圖 2-6 所示。從圖中可以很清晰的理解相推演關系，在不考慮 t 1時刻的觀測值t1o 時，時刻 N 種隱狀態(tài)通過全概率公式計算得到，在得，觀測值為 的概率又可以由 時刻所有隱狀。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN911.7;TU990.3

【參考文獻】

相關期刊論文 前6條

1 趙洪華;艾長勝;;管道傳聲特性及典型破壞聲的識別[J];中國石油大學學報(自然科學版);2006年03期

2 陳仁文;小波變換在輸油管道漏油實時監(jiān)測中的應用[J];儀器儀表學報;2005年03期

3 姚鴻勛,呂雅娟,高文;基于色度分析的唇動特征提取與識別[J];電子學報;2002年02期

4 張朝暉,耿艷峰,廖明燕;油氣管道的破壞監(jiān)測[J];儀器儀表學報;2001年S1期

5 陳友仁,趙正校;基于隱馬爾可夫模型的車牌自動識別技術[J];微型電腦應用;2001年03期

6 王春立,高文;具有不同數(shù)目狀態(tài)結點的HMMs在中國手語識別中的應用[J];計算機研究與發(fā)展;2001年01期

相關博士學位論文 前1條

1 馮長建;HMM動態(tài)模式識別理論、方法以及在旋轉機械故障診斷中的應用[D];浙江大學;2002年

相關碩士學位論文 前1條

1 張偉;基于分布式光纖振動傳感器的管道監(jiān)測信號處理方法[D];電子科技大學;2017年

本文編號：2679390