一种基于卷积神经网络集成学习的Sagnac分布光纤传感系统的定位方法

本发明公开了一种基于卷积神经网络集成学习的Sagnac分布光纤传感系统的定位方法，以传感光纤上固定间隔点为扰动点，由传感系统分别获取在各点模拟扰动产生的干涉信号，对其做预处理后作为训练集和验证集；针对不同的损失函数训练两个卷积神经网络CNN模型，使两者分别准确定位近端和远端扰动；通过集成学习方法组合两个模型的训练结果，得到基于CNN集成学习的扰动位置预测模型；通过验证集优化每个模型的参数。将待定位的干涉信号进行预处理后作为测试样本，利用训练好的预测模型对其测试，得到其扰动位置。本发明无需信号解调，系统复杂度低，且对噪声不敏感，数据处理方法简单，定位结果稳定、准确，可用于环形或直线式Sagnac分布光纤传感系统的扰动定位。