基于挤压激励与层级连接增强网络的分布式光纤数据人体入侵检测研究

为解决传统入侵检测方法存在视野盲区及空间信息利用率低的问题，研究人员提出了一种基于分布式光纤声波传感技术（DAS）的创新方案，结合Squeeze-Excitation和层级连接增强网络（SEHCENet），通过多分辨率特征增强实现99.2%的高精度入侵检测，为智能安防领域提供了经济高效的解决方案。

　　

随着中国城市化进程加速，居民对智能安防的需求日益迫切。传统入侵检测技术如摄像头监控存在成本高、隐私泄露风险，而基于环境传感器的方案易受视野盲区限制。分布式光纤声波传感（DAS）技术因其广覆盖、低成本等优势成为研究热点，但现有方法面临特征提取不充分、检测精度不足等挑战。广东某研究团队在《Optical Fiber Technology》发表论文，提出基于相位敏感光时域反射仪（φ-OTDR）的分布式多点声波识别技术，并设计SEHCENet网络模型，通过层级特征增强实现99.2%的检测准确率，为智能安防领域提供了突破性解决方案。

研究采用三项关键技术：1）基于φ-OTDR（相位敏感光时域反射仪）的DAS系统采集室内入侵振动信号；2）分布式多点声波识别技术提取空间特征；3）SEHCENet网络结合挤压激励模块（Squeeze-Excitation）和跨层级连接，增强多尺度特征表达。实验使用真实场景采集的光纤数据集验证性能。

方法
研究团队构建了包含φ-OTDR设备、光纤网络和数据采集模块的DAS系统。通过分布式多点声波识别技术，将单点检测扩展为空间多维分析。SEHCENet网络采用双分支结构处理不同分辨率特征图，利用通道注意力机制强化关键特征，最终实现端到端分类。

实验
在Windows 10系统和RTX 3060硬件环境下，模型对室内入侵事件的检测准确率达99.2%，显著优于传统CNN和LSTM方法。消融实验证实，层级连接和特征增强模块分别贡献3.1%和2.7%的精度提升。

结论
该研究首次将SEHCENet应用于光纤振动信号分析，验证了DAS技术在智能安防中的实用性。相比摄像头方案，该系统可复用现有通信光纤，单台设备即可覆盖多区域，成本降低超60%。未来可拓展至地震监测、管道安全等领域。

讨论
研究存在两点局限：1）未考虑极端天气对光纤信号的影响；2）模型在跨场景泛化性需进一步验证。团队计划结合联邦学习技术实现多节点协同优化，推动技术产业化落地。