首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

Φ-OTDR分布式光纤传感系统信噪比增强与模式识别研究

摘要第5-6页
abstract第6-7页
第1章 绪论第10-14页
    1.1 研究背景第10-11页
    1.2 国内外研究现状第11-12页
    1.3 研究内容及结构安排第12-14页
        1.3.1 研究内容第12-13页
        1.3.2 论文的结构安排第13-14页
第2章 Φ-OTDR分布式光纤传感系统理论第14-22页
    2.1 光纤中的光散射第14-15页
        2.1.1 弹性光散射第14页
        2.1.2 瑞利散射第14-15页
    2.2 Φ-OTDR系统原理第15-19页
        2.2.1 光时域反射仪第15-16页
        2.2.2 Φ-OTDR系统结构及原理第16-19页
    2.3 Φ-OTDR系统数据处理方法及参数评价指标第19-21页
        2.3.1 移动平均-移动差分方法第19-20页
        2.3.2 Φ-OTDR系统参数评价指标第20-21页
    2.4 本章小结第21-22页
第3章 Φ-OTDR分布式光纤传感系统信噪比增强第22-32页
    3.1 Φ-OTDR系统信噪比增强原理第22-24页
        3.1.1 Φ-OTDR系统信噪比增强方法第22-23页
        3.1.2 引导滤波算法原理第23-24页
    3.2 Φ-OTDR实验系统介绍第24-26页
    3.3 Φ-OTDR系统传感信号信噪比增强实验第26-31页
        3.3.1 Φ-OTDR系统扰动定位第26-27页
        3.3.2 Φ-OTDR系统信噪比增强实验结果及分析第27-31页
    3.4 本章小结第31-32页
第4章 Φ-OTDR分布式光纤传感系统模式识别方法第32-56页
    4.1 模式识别过程简介第32-33页
    4.2 扰动信号模式种类划分及数据采集第33-34页
        4.2.1 扰动信号模式种类划分第33页
        4.2.2 扰动信号数据采集过程介绍第33-34页
    4.3 基于BP神经网络的扰动信号模式识别方法第34-45页
        4.3.1 扰动信号截取第34-38页
        4.3.2 小波包分解提取扰动信号能量谱特征第38-41页
        4.3.3 基于BP神经网络模式识别分类器第41-45页
    4.4 基于卷积神经网络的扰动信号模式识别方法第45-51页
        4.4.1 短时傅里叶变换提取扰动信号时频特征图像第45-48页
        4.4.2 基于卷积神经网络的模式识别分类器第48-51页
    4.5 模式识别方法识别效果对比第51-55页
    4.6 本章小结第55-56页
第5章 Φ-OTDR系统上位机软件与模式识别系统实现第56-69页
    5.1 Φ-OTDR系统上位机软件第56-60页
        5.1.1 Φ-OTDR系统上位机软件模块划分第56-57页
        5.1.2 Φ-OTDR系统上位机软件实现第57-60页
    5.2 Φ-OTDR模式识别系统第60-63页
        5.2.1 模式识别系统模块划分第60-61页
        5.2.2 模式识别系统实现第61-63页
    5.3 Φ-OTDR系统上位机软件与模式识别系统通信功能实现第63-64页
    5.4 Φ-OTDR系统上位机软件与模式识别系统功能测试第64-68页
    5.5 本章小结第68-69页
结论与展望第69-70页
致谢第70-71页
参考文献第71-74页

论文共74页,点击 下载论文
上一篇:基于MEMS惯性传感器的可穿戴式跌倒检测系统研究
下一篇:地铁自助购票界面的线路特征对交互绩效的影响研究