OEA：神经网络算法实现盲源信号分离识别率98.33%，赋能通感一体数字孪生城市！

本文研究背景是分布式声学传感（DAS）技术在复杂环境（如地下机房、道路隧道）中面临多源信号（如机械轰鸣、人行动静）混合干扰的难题，导致系统难以准确识别信号源。研究目的是提出一种基于双路径循环神经网络（DPRNN）与支持向量机（SVM）的融合方案，以实现单通道多源非线性混合信号的分离与识别。研究结论表明，该方案在双源和三源混合信号分离实验中表现优异，分离信号可识别率（RRSS）分别达到97.22%和98.33%，有效解决了传统评估指标（如时频熵）在信号重叠时的局限性，为DAS技术在智慧城市等复杂场景的规模化应用提供了新路径。