Datorită caracteristicilor unor interval mare de detectare, sensibilitate ridicată și adaptabilitate bună a mediului, rețelele de detectare a fibrelor optice au fost aplicate pe scară largă în securitatea pe scară largă și poziționarea țintă regională. Funcțiile tradiționale, cum ar fi identificarea prezenței unei ținte și judecarea aproximativ a poziției sale nu mai sunt suficiente pentru a îndeplini cerințele de detectare din ce în ce mai solicitante. Clasificarea precisă a mai multor ținte și mai mulți parametri de stare într -o zonă mare a devenit un punct de cercetare. Printre acestea, identificarea tipului de țintă, calcularea poziției țintă și deducerea stării de mișcare a țintei sunt principalele sarcini de detectare ale rețelei de detectare.
Sidelnikov O și colab. Teste efectuate pe mai multe semnale anormale de interferență într -o regiune, obținând o rată de detectare a 86. 3% prin utilizarea frecvențelor diferite pentru clasificarea țintei. Cu toate acestea, această metodă poate efectua doar o clasificare calitativă și nu poate furniza informații despre parametrii de stat ai țintelor. Tejedor J și colab. A prezentat o rețea de detectare a fibrelor optice pe conducte și a identificat operații potențiale de inginerie care ar putea pune în pericol conductele analizând diferențele de semnale de vibrație. De asemenea, au clasificat diferite interferențe folosind praguri de intensitate. Tian Miao a combinat rețelele neuronale cu metoda de descompunere a modului funcțional pentru a analiza patru tipuri de evenimente de intruziune, obținând o rată medie de recunoaștere de 85,2%. Zou Boxian și colab. a utilizat tehnologia de vizualizare tridimensională a semnalelor de vibrații pentru a clasifica diferite surse de vibrații, cum ar fi zgomotul alb, pietonii, vehiculele și excavatoarele. Analiza de simulare a arătat o rată corectă de peste 90%. Cu toate acestea, cantitatea mare de date în cloud cu punct tridimensional a redus semnificativ viteza de procesare. Peng Kuan și colab. Surse de intruziune regională testate pe baza diferențelor de domeniu de timp/frecvență, obținând o precizie de clasificare de peste 98% pentru patru tipuri de surse de interferență periodică. Jiang Hong și colab. au testat cinci interferențe de intruziune comune folosind grătarele Bragg cu fibre ultra-delicioase și le-a clasificat pe baza caracteristicilor semnalului normalizate. În 500 de probe de testare, rata de recunoaștere a fost de peste 98%. Pan Ruizhi și colab. a utilizat tehnologia de detectare tactilă cu fibre Bragg pentru a obține clasificarea țintei, cu o precizie a algoritmului de 96,6%. Cu toate acestea, această metodă este utilizată în principal pentru măsurarea directă a contactului între țintă și FBG. Deși are o precizie ridicată, performanța sa de răspuns scade semnificativ odată cu creșterea distanței. Wei-Hao C și colab. a utilizat tehnologia φ-OTDR pentru a obține semnale țintă, care are caracteristicile de înaltă precizie și stabilitate bună. Suzhen L și colab. a utilizat rețele neuronale artificiale pentru a măsura vibrațiile de construcție în datele de detectare a fibrelor optice, care are caracteristicile de înaltă precizie și acoperire largă. Cu toate acestea, această metodă este utilizată în principal pentru recunoașterea semnalelor de vibrații unice și nu poate realiza o clasificare multi-țintă. Shang Qiufeng și colab. Descompunerea modului variațional combinat cu algoritmi de mașină vector de asistență pentru a identifica patru tipuri de semnale anormale, obținând o precizie de identificare de peste 98%. Cu toate acestea, din cauza utilizării a doi algoritmi, timpul de procesare pentru un singur set de date a fost de 169 de secunde, ceea ce a fost relativ lent.
A fost proiectat un algoritm de identificare bazat pe caracteristicile parametrilor de semnal multi-obiectiv. Acest algoritm marchează caracteristicile diferitelor ținte în ceea ce privește amplitudinea, durata și frecvența, obținând decuplarea semnalului în cazul aliasului semnalului multi-obiectiv. Caracteristicile semnalului de detectare a fibrelor a patru ținte comune au fost testate și s-a finalizat analiza cantitativă a semnalelor multi-obiective. Rezultatele experimentale arată că amplitudinea medie a lungimii de undă a țintei 1 este de 1,25 nm, cu o perioadă caracteristică de aproximativ 12 0 MS; Amplitudinile medii ale lungimii de undă ale țintelor 2 și 3 sunt între 150-350 pm, cu durate cuprinse între 1 și 3s; Amplitudinea medie a lungimii de undă a țintei 4 este de peste 3,2 nm, cu o durată de aproximativ 15 ani. Aceste caracteristici au o precizie de recunoaștere ridicată în acest algoritm. În testul de aliasing țintă, rata medie de recunoaștere a țintei și media exactității recunoașterii sunt ambele peste 80,0%, verificând fezabilitatea algoritmului propus.