Geri Dön

Distributed acoustic sensor acquired signals: detection, processing, classification, and parallel implementation

Dağıtılmış akustik sensör aldığı sinyaller: algılama, işleme, sınıflandırma ve paralel uygulama

PDF İndir

  1. Tez No: 697183
  2. Yazar: BILLEL ALLA EDDINE BENCHARIF
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SALİH BAYAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 38

Özet

Bu çalışma, Dağıtılmış Akustik Sensör (DAS) olarak da adlandırılan Dağıtılmış Fiber Optik Sensör tarafından elde edilen akustik olayları sınıflandırmayı amaçlamaktadır. Bu veriler, fiberin ışık darbeleriyle araştırılması ve Rayleigh geri saçılımının analiz edilmesiyle elde edilir. Söz konusu veriler, Machine Learning (ML) sınıflandırma modelimizin girdisini oluşturmak için bir işleme algoritmaları boru hattından geçirilir. İlgilenilen gerçek akustik olayı arka plan gürültüsünden ayırt etmek için Random Matrix Theory (RMT) test ediyoruz. Toplanan ham iz, Signal-to-Noise Ratio (SNR) geliştirmek amacıyla Hareketli Ortalama filtresi ve Dalgacık tabanlı bir filtreleme algoritması kullanılarak koşullandırılır. Olayın doğasını sınıflandırmak için, bir Convolutional Neural Network (CNN) enjekte ettiğimiz ham, düşük geçişli filtrelenmiş ve dalgacık tabanlı filtrelenmiş işlenmiş sinyal için Kısa Vadeli Fourier Dönüşümünün karmaşık katsayılarının büyüklüğüne güveniyoruz. Ayrıca, sınıflandırıcıya bir girdi olarak akustik olaya uygun Mel-Frequency Cepstrum Coefficients (MFCC) araştırır ve performans sonuçlarını sinyalin diğer temsilleriyle karşılaştırırız. Çevre güvenliği ve boru hattı izleme amaçları için kullanılan bir DAS'tan elde edilen sonuç olarak boyutlandırılmış bir veri kümesini kullanan kapsamlı bir deney seti, CNN'de 2 sınıflı ve 3 sınıflı sınıflandırma için çalıştırıldı ve MFCC'ler kullanıldığında elde edilen en iyi sonuçlar ile en iyi sonuçlar elde edildi. 2 sınıflı süreç söz konusu olduğunda 'Event' sınıfı için %96,4 ve 'No Event' sınıfı için %99,7 doğruluk sağlayan bir dalgacık ön işleme. Katsayılarla en iyi sonuçlara, 3 sınıflı proses için de sırasıyla 'Kazma', 'Yürüme' ve ' Kazı makinesi' sınıfları için sırasıyla %83,3, %81,3 ve %96,7 doğrulukla ulaşılmıştır. Son olarak, veri kümesi çok tutarlı bir boyutta olduğundan ve modelin mimarisi oldukça karmaşık olduğundan, eğitimin yürütme süresi son derece uzundur. Bu nedenle, elimizdeki makinenin tüm gücünden yararlanmak için CPU ve GPU'yu verimli kullanmanın yollarını araştırıyoruz. Bunun için Keras API'sinden Sequence veri üretecini test ediyoruz. Seri uygulamaya kıyasla 4,87 kata kadar bir iyileşme rapor ediyoruz.

Özet (Çeviri)

This study aims at classifying acoustic events acquired by a Distributed Fiber Optic Sensor, also referred to as Distributed Acoustic Sensor (DAS). This data is obtained by probing the fiber with light pulses and analyzing the Rayleigh backscatter. Said data is passed through a pipeline of processing algorithms to constitute the input of our Machine Learning (ML) classification model. In order to distinguish the actual acoustic event of interest from the background noise, we test out Random Matrix Theory (RMT). The gathered raw trace is conditioned using a Moving Average filter and a Wavelet based filtering algorithm for the purpose of enhancing the Signal-to-Noise Ratio (SNR). To categorize the nature of the event, we rely on the magnitude of the complex coefficients of its Short-Term Fourier Transform for raw, low pass filtered and wavelet based filtered processed signal, that we inject into a Convolutional Neural Network (CNN). We also investigate Mel-Frequency Cepstral Coefficients (MFCC) proper to the acoustic event as an input to the classifier and compare performance results with other representations of the signal. An extensive set of experiments, using a consequently sized dataset from a DAS that is utilized for perimeter security and pipeline monitoring purposes, was run on the CNN for 2-class and 3-class classification with the optimal results obtained when using the MFCCs paired with a wavelet denoising pre-processing achieving accuracies of 96.4% for the 'Event' class and 99.7% for the 'No Event' class when it comes to 2-class process. Optimal results with the coefficients were also achieved for the 3-class process with accuracies of 83.3%, 81.3% and 96.7% for the 'Digging', 'Walking' and 'Excavation' classes respectively. Finally, since the dataset is of a very consequent size and the model's architecture is quite complex, the execution time of training is exceedingly long. Therefore, we investigate ways to utilize the CPU and GPU efficiently in order to take advantage of the full power of the machine at our disposal. For this, we test out Sequence data generator from the Keras API. We report an improvement of up to 4.87 times compared to the serial implementation.

Benzer Tezler

  1. Tez No

    904600

    Enerji iletim hatlarındaki problemlerin fiber optik tabanlı dağıtık sensör kullanılarak belirlenmesi ve sınıflandırılması

    Determination and classification of problems in energy transmission lines using fiber optic based distributed sensors

    SAMET CAN ÇORUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKırıkkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA YASİN ERTEN

  2. Tez No

    527868

    Development and characterization of a direct detection fiber optic distributed acoustic sensor

    Doğrudan algılama bir fiber optik dağıtık akustik sensörün geliştirilmesi ve karakterizasyonu

    FARUK UYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EKMEL ÖZBAY

    DOÇ. DR. İBRAHİM TUNA ÖZDÜR

  3. Tez No

    743484

    Fiber optik akustik algılayıcı sistem ile tel çit üzerinde gerçekleşen güvenlik ihlallerinin tespiti

    Detection of security breach on wire fence with fiber optic acoustic sensing system

    TAYFUN ERKORKMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SUHAP ŞAHİN

  4. Tez No

    651478

    Distributed fiber optic acoustic sensor based on sagnac – michelson interferometer

    Sagnac-michelson interferometresi tabanlı dağıtık fiber optik sensör

    CİHAD GÜLTEKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiAnkara Yıldırım Beyazıt Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ASAF BEHZAT ŞAHİN

  5. Tez No

    201674

    Localization in underwater acoustic sensor networks

    Sulatı akustik sensör ağlarında yer belirleme

    MEHMET TALHA IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR BARIŞ AKAN

Geri Dön