1、隨著神經網(wǎng)絡理論的飛速發(fā)展，對神經網(wǎng)絡的研究幾乎延伸到生活的各個領域。神經網(wǎng)絡有很多優(yōu)點，有很好的適應能力、較高的容錯性、能適應超大規(guī)模集成電路等等。本文主要是將人工神經網(wǎng)絡用于分布式光纖傳感系統(tǒng)中光纖傳感信號的模式識別，通過利用LABVIEW及MATLAB語言進行混合編程，獲取傳感信號的幅度和有效值，并利用神經網(wǎng)絡分析方法對傳感信號進行模式識別，通過該應用程序可以很容易實現(xiàn)實時的對傳感系統(tǒng)輸出信號進行檢測并分析出外界干擾信號的類型，從

2、而達到利用分布式光纖傳感系統(tǒng)對監(jiān)測對象的實時檢測及判別。本文的意義在于為光纖傳感信號的模式識別提供了一種新的思路，以期待能為進一步探索新的更加有效的神經網(wǎng)絡及訓練方法來實現(xiàn)傳感信號的模式識別帶來一定的幫助。該課題的研究重點在于MATLAB人工神經網(wǎng)絡的設計及由MATLAB的模式識別程序向LABVIEW中的移植實現(xiàn)。
　　 本論文的主要研究成果包括：
　　 1)深入研究MZI分布式光纖傳感系統(tǒng)及人工神經網(wǎng)絡的結構及功能，并

3、對MZI系統(tǒng)的解調及解調的誤差分析進行深入的分析研究。
　　 2)構建分布式光纖傳感系統(tǒng)來獲取樣本數(shù)據(jù)，并利用LABVIEW對數(shù)據(jù)進行分析和處理，選取所獲數(shù)據(jù)段的幅度值和有效值作為傳感信號的特征量。
　　 3)設計了四種改進后的BP神經網(wǎng)絡的MATLAB程序，并運用獲得的樣本數(shù)據(jù)的特征量對它們分別進行訓練，對訓練結果進行比較分析，選取最佳BP網(wǎng)絡訓練方法。以獲取最理想的傳感信號的模式識別效果。
　　 4)選取基于

4、最優(yōu)化數(shù)值理論算法的LMBP神經網(wǎng)絡和概率神經網(wǎng)絡及與其相對應的訓練方法來進行傳感信號的模式識別。設計相應的MATLAB程序，并運用獲得的樣本數(shù)據(jù)的特征量對神經網(wǎng)絡進行訓練，使其能夠具備準確識別不同的外界干擾信號的模式的能力。
　　 5)深入研究MATLAB和LABVIEW混合編程的方法，設計并利用LABVIEW中的MATLABscript節(jié)點進行混合編程，從而實現(xiàn)利用LABVIEW實現(xiàn)相對友好的用戶界面，同時提高了程序算法的高