Zbog karakteristika velikog raspona detekcije i dobre prilagodljivosti okoliša, optičkim optičkim mrežama optičkim vlaknima i regionalnim ciljevom pozicioniranjem, kao što su precizno sudeći svoj položaj, kao što su u velikoj mjeri u velikoj mjeri u velikoj mjeri u velikoj mjeri postali istraživanje Hotspot . Među njima, identificira vrstu cilja, izračunavanje ciljanog položaja i zaključivanje ciljanog stanja su glavne zadatke otkrivanja osjetljivosti .
Sidentikov O i ostali su testovi na više nenormalnim smetnjim signalima u regiji, postižući različite frekvencije ciljeve klasifikacije . ne može pružiti samo kvalitativnu klasifikaciju ciljeva {{. uloženi u cjevovode i identificirane Potencijalne inženjerske operacije koje bi mogle ugroziti razlikama u vibracionim signalima . Također su klasificirali pragove intenziteta . Tian Miao metodom neuronske dekomzanja za analizu prosječne brzine prepoznavanja od 85. 2% {{. Trodimenzionalna tehnologija vibracijskog signala za klasificiranje različitih vibracijskih izvora kao što su bijeli buka, pješaci, vozila i bageri ., međutim, prešla je veliku količinu od preko 90%. postizanje tačnosti klasifikacije za četiri vrste periodičnih smetnjivih izvora . testirali su pet uobičajenih upadljivih smetnji i klasificirali ih na 500 testnih uzoraka, premještanja za prepoznavanje bila je preko 98% . rabljena rabljena rabljenost vlakana Taktilna tehnologija za postizanje ciljane klasifikacije, sa algoritmom tačnosti od 96 . 6% . za izravnu merenje kontakta između cilja i FBG-a značajno se smanjuje {{{. koristi se φ-otdr tehnologiju za dobivanje ciljnih signala, koji imaju karakteristike visokog Međutim, koristili su umjetne neuronske mreže za mjerenje vibracija izgradnje u optičkim podacima o preciznostima i širokoj preciznoj i širokoj pokrivenosti . Cland Qiufeng i al . kombinirani režim varijacije Dekompozicija sa algoritmima vektorskih mašina za podršku za identifikaciju četiri vrste nenormalnih signala, postizanje tačnosti identifikacije preko 98%. Međutim, zbog upotrebe dva algoritma, vrijeme obrade za jedan set podataka iznosio je 169 sekundi, što je relativno sporo.
U . identifikacijski algoritam dizajniran je . Ovaj algoritam označava značajke različitih ciljeva u pogledu amplitude, trajanja i frekvencije u slučaju da su karakteristike signala opsežnih vlakana u četiri zajedničke ciljeve, a kvantitativna analiza više objektivnih signala bila je Završeno . eksperimentalni rezultati pokazuju da je srednja amplituda talasne dužine 1 . 25nm, sa razdobljem karakteristikom od oko 120 ms; Srednje amplitude talasnih dužina ciljeva 2 i 3 su između 150-350 PM, sa trajanjima u rasponu od 1 do 3 godine; Srednja amplituda metalne dužine 4 je preko 3 . 2nm, u trajanju od oko 15-ih . ove karakteristike imaju visoku preciznost prepoznavanja u ovom algoritmu. U ciljanim važećim testom, prosječna stopa prepoznavanja cilja i srednja vrijednost tačnosti prepoznavanja su i iznad 80,0%, provjeravajući izvodljivost predloženog algoritma.