Deep Learning Based Threat Classification for Fiber Optic Distributed Acoustic Sensing Using SNR Dependent Data Generation

Emre UZUNDURUKAN; Ali KARA

doi:https://doi.org/10.5281/zenodo.3977620

Makale detayları

Deep Learning Based Threat Classification for Fiber Optic Distributed Acoustic Sensing Using SNR Dependent Data Generation

Yazarlar:

Emre UZUNDURUKAN | Ali KARA

Yayıncı:

Mehmet BULUT

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Journal of Science, Technology and Engineering Research 2020 Vol.1 Issue 2, pp.4-12

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000495168

Sıklık:

İki Yıllık

eISSN:

2717-8404

DOI:

https://doi.org/10.5281/zenodo.3977620

Özet:

 

In this study, a novel method is proposed to generate SNR dependent database and classify seismic events for fiber optic distributed acoustic sensing (DAS) systems. Optical time-domain reflectometry (OTDR) is used to acquire DAS signals. Proposed data creation method generates signals with different SNR values which is based on real channel noise characteristics. By this way, from the limited dataset, huge dataset consists of three different seismic events such as hammer hit, digging with pickaxe and digging with shovel is generated. In the classification part, two different Deep Learning algorithm (Convolutional Neural Network and fully connected neural networks) are used to identify three different seismic events. Results show that remarkable identification accuracy for the three different SNR ranges is achieved.

 

Bu çalışmada, SNR bağımlı veri tabanı oluşturmak ve fiber optik dağıtılmış akustik algılama (DAS) sistemler için sismik olayları sınıflandırmak yöntemi önerilmiştir. DAS sinyallerini almak için optik zaman alanı reflektometrisi (OTDR) kullanılmıştır. Önerilen veri oluşturma yöntemi, gerçek kanal gürültü özelliklerine dayanan farklı SNR değerlerine sahip sinyaller üretir. Bu şekilde, sınırlı veri kümesinden, çekiç vuruşu, kazma ile kazma ve kürekle kazma gibi üç farklı sismik olaydan oluşan büyük veri kümesi elde edilmiştir. Sınıflandırma bölümünde, üç farklı sismik olayı tanımlamak için iki farklı Derin Öğrenme algoritması (Evrişimsel Sinir Ağları ve tam bağlantılı sinir ağları) kullanılır. Sonuçlar, üç farklı SNR aralığı için dikkate değer tanımlama doğruluğunun elde edildiğini göstermektedir.

Makale detayları

Deep Learning Based Threat Classification for Fiber Optic Distributed Acoustic Sensing Using SNR Dependent Data Generation

Yazarlar: Emre UZUNDURUKAN | Ali KARA

Yayıncı: Mehmet BULUT

Ana Başlıklar: Uygulamalı fizik

Dergi: Journal of Science, Technology and Engineering Research 2020 Vol.1 Issue 2, pp.4-12

Belge Tipi: Makale

Yayın Tarihi: 12/2020

Belge Dili: İngilizce

Document ID (Org No.): 2000495168

Sıklık: İki Yıllık

eISSN: 2717-8404

DOI: https://doi.org/10.5281/zenodo.3977620

Sayı

Yazarlar:

Emre UZUNDURUKAN | Ali KARA

Yayıncı:

Mehmet BULUT

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Journal of Science, Technology and Engineering Research 2020 Vol.1 Issue 2, pp.4-12

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000495168

Sıklık:

İki Yıllık

eISSN:

2717-8404

DOI:

https://doi.org/10.5281/zenodo.3977620