1 概述

2 光纤振动传感器工作原理

3 信号分析及识别

3.1 光纤振动传感系统

系统实际电压范围在05 V，输出数据为二进制数，范围为01 024，因此实际电压为：

调节电位器波形放大倍数R 1 ，使不同强度振动信号得以完全显示，并将数据转换为信号的振动幅值，进一步求得每组信号的振动平均幅值。振动幅值及振动平均幅值计算式为:

3.2 信号分析方法

①小波包分析

③ BP神经网络

4 实验分析

4.1 数据采集

4.2 实验结果与分析

①振动信号波形

本文进行了100组人工敲击实验和80组电镐打击实验，每组实验采样次数均为700次；50组打夯实验，每组采样次数为600次；50组挖掘实验，每组采样次数为400次。共得到280组样本， 芯片交易网IC交易网监测到的4种入侵事件的其中1组振动信号波形见图3。

图3 4种入侵事件的其中1组振动信号波形

图4 外界干扰因素的振动信号波形

②信号的振动平均幅值和峭度

由式（3）、（4）计算4种入侵事件信号的振动平均幅值、峭度， ATMEGA系列ATMEL芯片COM分别见图5、6。

图5 4种入侵事件的振动平均幅值

图6 4种入侵事件信号的峭度

表1 8个频带序列号对应的频率区间

图7 4种入侵事件的1组信号不同频带能量占比

表2 BP神经网络测试的分类结果

在距离管道2 m的位置进行实验， 电子元器件PDF资料大全采集了10组人工敲击数据、16组电镐打击数据、15组打夯数据和10组挖掘数据， EEPROM带电可擦可编程存储器芯片大全这些数据未参与模型训练，CMOS图像传感器集成电路芯片直接应用神经网络模型对这些数据进行识别。识别结果：人工敲击识别率100.00%，芯片交易网IC交易网电镐打击识别率87.50%，打夯识别率93.33%，挖掘识别率80.00%。整体识别率达90.20%，能够有效识别。

5 结论及建议

①根据不同入侵事件振动信号波形的特点，可基本区分4种入侵事件。连续波形长度由长到短为打夯、电镐打击、挖掘、人工敲击。外界干扰因素产生的振动幅值很小，对入侵事件识别影响较小。

②研究的BP神经网络模型能够有效地对人工敲击、电镐打击、打夯、挖掘4种入侵事件进行识别，整体识别率为96.43%。在距离管道2 m的位置进行实验信号采集，并采用上述方法对振动信号进行识别，整体识别率达90.20%。

③本研究由于实验光缆长度有限，着重对第三方入侵数据进行分析识别，后续可提升实验平台，对定位算法进行深入研究，并且对预警系统入侵定位的影响因素进行进一步数据分析。

• 光纤
• 系统
• 基于
• 振动
• 传感