IEEE IoT-J: RTO战术部署-可解释黎曼流形融合DAS系统实现零重训练跨场景检测

本文介绍了南方科技大学邵理阳教授团队发表在IEEE INTERNET OF THINGS JOURNAL上的研究，提出了一种基于黎曼流形的可解释深度学习方法Riemannian-Transformer-OTDR (RTO) model，用于分布式声学传感系统中的入侵事件检测。研究背景指出，DAS技术在入侵事件检测和城市安全管理中具有重要应用，但受限于数据质量波动和噪声干扰等问题，模型的泛化能力有限。研究目的是通过黎曼流形学习提升模型的跨场景适应性和鲁棒性。实验在地铁建设和气体管道监测两个真实场景中进行，数据规模超过10万样本。结果显示，RTO在地铁建设场景中准确率达98.43%，在气体管道监测中为94.21%，噪声环境下仍保持80.79%的准确率。结论表明，RTO通过流形空间学习实现了模型高泛化能力，为快速部署事件检测系统提供了可行的技术路径。