Методы машинного обучения для выявления и классификации событий в системах ϕ-OTDR: обзор

Фазочувствительный оптический рефлектометр временной области (ϕ-OTDR), который в некоторых приложениях называют системой распределённого акустического зондирования (DAS), в последние годы широко применяют для дистанционного мониторинга вибрационных сигналов на больших расстояниях. Системы ϕ-OTDR обычно работают в сложных и изменяющихся условиях, где возникают многочисленные сигналы о вторжениях и разнообразные шумовые помехи, существенно снижающие эффективность системы. Для решения этой проблемы предложено множество методов, основанных главным образом на модернизации систем ϕ-OTDR и совершенствовании обработки данных. В последнее время активно развиваются методы машинного обучения для классификации событий, помогающие выявлять и распознавать события вторжения. В этой статье представлен обзор новейших технологий — от традиционных алгоритмов машинного обучения до глубоких нейронных сетей, — применяемых для классификации событий с целью повышения точности распознавания и классификации и снижения частоты ложных тревог в системах ϕ-OTDR. Проведён сравнительный анализ современных методов классификации и оценена их эффективность по таким показателям, как точность классификации, частота ложных тревог, точность, полнота, время идентификации и другие параметры.