浅谈OTDR测试曲线分析

OTDR(光时域反射仪)作为光链路测量、故障排除的常用仪器被广泛使用.对仪表参数的正确设置和测试结果的正确解读是使用前提和基础.本文以OTDR测试曲线的分析为主线,浅显的向大家介绍了OTDR的基本测试原理以及测试曲线形成的相关理论知识,并结合自己在OTDR使用过程中的一些经验,总结分析了光链路中的事件等与测试曲线的关系.希望本文能给大家在今后 OTDR的使用中带来点滴帮助.     

小波分析在光时域反射计中的应用

光时域反射计(OTDR)主要用于测试整个光纤链路的衰减,并提供与长度有关的衰减细节,但有时测量曲线会有较大误差。根据小波分析在奇异性检测及对信号进行消噪处理的理论,提出用小波分析对OTDR测量曲线进行奇异性检测和消噪的方法。利用OTDR对光纤进行了测试,实验结果显示:光纤实际接口位置与基于小波分解算法用计算机监测的位置实际偏差在4 m以内,并对正常光纤接口位置没有误监现象,表明了该方法的可行性和有效性。     

小波分析在通讯光纤故障诊断系统中的应用研究

小波分析理论在信号去噪、信号奇异值分析等方面有显著的优势。通过Matlab小渡变换工具箱仿真实现曲线信号的降噪、OTDR曲线分析,并通过实验确定光纤故障诊断系统中OTDR事件点。     

基于离群点剔除的网络热点事件挖掘算法

研究网络热点事件准确检测问题,收集网络文本数据中含有大量的离群点,由于离群点一些噪声数据,对网络热点事件检测产生不利影响.为提高检测正确率,提出一种采用离群点剔除的网络热点事件挖掘算法.首先通过计算数据点的密度相似度,将小于阈值的离群点剔除,降低计算复杂度和离群点的不利影响,然后采用模糊C均值聚类算法对网络文本进行聚类,发现其中的热点事件,最后通过仿真测试算法的有效性.仿真结果表明,改进算法剔除网络中的离群点,不仅提高了网络热点事件检测正确率,而且降低算法计算复杂度,加快了网络热点事件挖掘速度,更加适合于网络热点事件在线挖掘要求.     

一种无线传感器网络中事件区域检测的容错算法

特殊环境中的事件区域检测是无线传感器网络的一种重要应用.由于传感器的错误会导致事件区域检测的不准确,所以相关的容错算法成为近年来的研究热点.已有研究工作都仅考虑了事件的空间相关性,通过相邻传感器之间的数据交换实现容错.文中从事件的空间相关性和时间相关性入手,提出了一种以局部检测为主的分布式事件区域检测算法.该算法通过检验传感器本地采样值构成的时间序列与事件随机过程统计特征的符合程度实现容错.算法分析的结果表明,该算法可以减少传感器之间的数据交换,从而有效地利用传感器的能量.模拟实验表明,当有10%的传感器发生错误时,该算法可以检测到93%的事件区域和88%的错误传感器.     

一种柔性提升装置中力测量滤波算法研究

钢丝绳等引起的纵向振动信号,对装配线上的智能提升装置测量和控制产生了极大影响,从而降低了装配工人的工作效率.采用常规的FIR、IIR等滤波算法进行处理,在信号的突变点处滤波效果不理想.为了有效地解决上述问题,提出了一种基于突变点检测的混合滤波方法.该方法通过顶点检测算法和筛选条件设置,能有效地检测出振动信号的突变点;同时经过混合滤波算法,有效地滤除了振荡信号对测量系统的影响.实验结果表明,该方法能有效地滤除振动信号,提高了测量系统的测量精度.     

自适应的Harris棋盘格角点检测算法

针时摄像机标定中的棋盘格角点检测问题,分析了Harris角点检测算法局限性,综合考虑了多个参数对角点提取的影响,根据每个参数影响程度的不同采取分步调整策略,实现棋盘格角点的自适应检测算法.该算法计算量小、易于实现,提高了运算效率,有效避免了角点聚簇和角点分布不均的角点空缺现象的产生.实验结果表明,该算法对摄像机各种畸变情况下的棋盘格角点可准确提取.     

一种管道泄漏检测系统设计

为了能够实时、低成本地检测城市供水管网的非正常泄漏情况,设计了一种基于光时域反射仪(OTDR)的新型分布式光纤传感器网络。该网络系统主要由遇水膨胀橡胶颗粒、光纤、OTDR等组成。橡胶颗粒因吸收管道泄漏的水而膨胀,导致传感光纤发生宏弯曲。光纤宏弯曲效应引起传播光线的瑞利散射突变,OTDR通过检测这种突变来判断管道是否发生泄漏,并计算泄漏点到探测器的距离。试验结果表明,这种分布式光纤传感器网络灵敏度高、实时性好;一旦管道发生泄漏,OTDR就可以立即检测到,并计算出泄漏点的位置。该系统不仅适应性好,能布放在已有的各种供水管道系统中,而且具有良好的开放性;其拓扑结构能够随所需检测的管网变化,OTDR可以随技术进步不断升级。     

无线传感网中一种基于支持向量机的异常事件检测方案

异常事件检测问题是无线传感器网络中的研究热点之一。针对现有检测方案的不足,设计一种新的时间-空间-属性单类超球面支持向量机来建模异常事件检测问题,然后提出无线传感器网络在线和部分在线离群点检测算法。该算法根据节点间的时间-空间和属性关联度确定超球面的半径,最后以在线方式鉴别到达节点的每一个新的测量值是正常数据还是异常数据。仿真实验结果表明,与基于时空关联度的超球面支持向量机相比,新算法的检测率大大上升,虚警率明显下降。同时,部分在线算法与在线算法的效率相当,大大降低了计算和通信复杂度。     

传感器网络分布式事件触发多目标估计

本文主要研究无线传感器网络中目标数目已知且固定的一类分布式多目标跟踪问题,提出了一种完全分布式的基于事件触发的测量和通信策略使得每个节点在不需要全局信息的情况下实现估计误差和能量消耗之间的平衡.监测区域存在多个移动目标,传感器能否测量到单个目标由事件触发测量机制和节点的测量半径来综合决定.基于节点和邻居的信息采用k-means聚类算法来解决数据关联问题,同时提出了基于最小迹原则的一致性卡尔曼滤波算法.从理论上证明了该事件触发策略不仅在性能指标上优于基于时间触发的算法,而且在网络中如果存在节点对多目标协同可观,系统估计误差在均方意义下是稳定的.最后给出了仿真例子验证了该算法的有效性和可行性.