浙江大学信息与电子工程学院,浙江 杭州 310027
分布式光纤传感器(DOFS)在强噪声干扰和事件特征变化的情况下难以取得较高的事件识别率。采用多机理结合分布式光纤传感的多参量信号,提出一种基于特征量和多参量信号融合输入的一维卷积神经网络(1d-CNN)传感事件识别方法。与传统的仅采用特征量或单个参量的事件识别方法相比,所提方法同时处理特征量和多参量信号,从动静态两个方面提取多参量信号的特征,实现参量和特征量有效融合的传感信号处理。多参量信号及其特征量在时间尺度上具有差异,设计了一种多输入融合1d-CNN模型,通过提取动静态信号特征并进行特征间融合,实现准确事件识别。实验中对管道漏水相关的4类典型事件进行同时识别,结果表明特征量和多参量信号融合方法能够达到97%以上的准确率和0.95以上的F值,优于传统的仅依靠特征量或单个参量的方法。
分布式光纤传感 特征量和多参量融合 神经网络 事件识别 光学学报
2025, 45(10): 1028003
1 南京信息工程大学物理与光电工程学院,江苏 南京 210044
2 江苏省大气光电智能感知技术工程研究中心,江苏 南京 210044
3 中铁三局集团华东建设有限公司,江苏 南京 211153
4 江苏省气象光子学与光电探测国际合作联合实验室,江苏 南京 210044
5 剑桥大学工程系,英国剑桥 CB2 1PZ
为提高基于短时傅里叶变换的布里渊光时域反射(STFT-BOTDR)系统的解调数据信噪比(SNR),采取对经STFT处理后的时频数据中相同频率点序列所对应的时域数据组份去噪的模式,提出了一种三角拓扑聚合(TTA)优化变分模态分解(VMD)的自适应去噪算法。该方法自适应寻找VMD模态分解参数与惩罚因子最优组合,将STFT时频数据中同频时域数据分解为多个本征模态函数(IMF),并通过样本熵和方差贡献率的联合判据对信号重构范围进行客观量化。实验结果表明,解调系统SNR获得大于8 dB的提升,能够有效改善STFT-BOTDR系统的解调性能。
分布式光纤传感 短时傅里叶变换 三角拓扑聚合 变分模态分解 信噪比
红外与激光工程
2025, 54(4): 20250046
红外与激光工程
2025, 54(4): 20250114
胡鑫鑫 1,2,3刘琨 1,2,3井建迎 1,2,3薛康 1,2,3[ ... ]刘铁根 1,2,3
1 天津大学 精密仪器与光电子工程学院,天津 300072
2 天津大学 光电信息技术教育部重点实验室,天津 300072
3 天津市光纤传感工程中心,天津 300072
基于分布式光纤传感技术的振动监测在当前线性工程领域有着广阔的应用前景。非对称双Mach-Zehnder干涉型分布式光纤传感(Asymmetric Dual Mach-Zehnder Interferometer,ADMZI)有效延长了振动传感距离,然而系统固有的非对称性导致直接使用互相关算法定位失效。通过提取干涉信号的相位变化特征可消除传感系统的非对称性。文中提出了一种基于同步压缩小波变换(Wavelet-based Synchrosqueezing Transform, WSST)的高精度定位方法。首先,在功率谱分析获得干涉信号20 dB带宽的基础上,基于WSST对两路干涉信号进行时频分析,自适应提取有效的相位变化特征,消除传感系统的不对称性。与连续小波变换(Continuous Wavelet Transform, CWT)相比,WSST的时频分辨率更高,抗噪性更强,从而有利于提高定位精度。然后,基于相位变化特征进行互相关运算,获取干涉信号之间的时延并根据ADMZI传感原理解调出振动位置。为了验证所提方案的可行性,对传感系统进行了一系列现场测试。实验结果表明,该方案可在128 km长传感光纤上对振动信号进行精确定位,定位精度约为35.43 m。
分布式光纤传感 非对称干涉仪 振动传感 同步压缩小波变换 distributed fiber sensing asymmetric interferometer vibration sensing wavelet-based synchrosqueezing transform 红外与激光工程
2025, 54(4): 20250023
红外与激光工程
2025, 54(4): 20240582
红外与激光工程
2025, 54(4): 20250120
北京邮电大学 信息光子学与光通信国家重点实验室,北京 100876
布里渊光时域分析仪(Brillouin Optical Time-Domain Analyzer, BOTDA)和布里渊光时域反射计(Brillouin Optical Time-Domain Reflectometer, BOTDR)是分布式布里渊光纤传感技术的两大核心技术,基于布里渊散射效应对外界物理量(如温度和应变)进行高精度的分布式监测,近年来在结构健康监测、环境监测、油气管道检测以及地质灾害预警等领域得到了广泛的应用。信噪比是最终决定BOTDA/R系统综合传感性能的关键参数,对系统信噪比的全面分析是优化系统综合性能的基石。文中研究旨在系统性地综述BOTDA/R系统中的信噪比表现与优化方法,基于已有的信噪比模型,梳理并总结了影响系统信噪比性能的主要参数及其相应的优化极限,如泵浦脉冲峰值功率、探测光功率、本振光功率等,并探讨了对探测和采集的要求以及后处理方法的优化方案。通过建立一套系统性的优化框架,为经典BOTDA/R系统的极限性能的实现提供了理论指导,也为更先进的传感方案(如基于光脉冲编码的传感系统)的分析与优化奠定了基础。
光纤光学 分布式光纤传感 布里渊散射 信噪比 fiber optics distributed optical fiber sensing Brillouin scattering signal-to-noise ratio 红外与激光工程
2025, 54(4): 20250097
1 盐城工学院 信息工程学院,江苏 盐城 224051
2 南京晓庄学院 电子工程学院,江苏 南京 211171
使用卷积神经网络(CNN,Convolutional Neural Network)来对分布式光纤传感系统所采集到的扰动信号进行识别的方法已经非常常见。该方法借助卷积神经网络强大的特征提取能力,相比于传统的机器学习方法,无需手动提取事件信号中的特征。但是神经网络避免不了调参的环节,于是本文提出了一种改进的灰狼算法(GWO,Gray Wolf Optimizer)来实现对网络参数的自动调节。灰狼算法最重要的是目标函数的选取,本文以训练集上的准确率作为目标函数,将神经网络训练过程中的卷积核大小、批处理数量以及每一个卷积层和第一个全连接层的输出维度作为待优化的参数,这些参数不断迭代从而尽可能地找到目标函数取最大值时所对应的参数组合。训练结果显示,卷积神经网络使用通过改进后的灰狼算法优化的参数在测试集上的识别准确率可达96%,而优化前的准确率为94%,说明改进后的灰狼算法用于参数优化确实可以提高神经网络训练的准确性。
分布式光纤传感技术 灰狼算法 卷积神经网络 扰动信号识别 distributed fiber sensing technology Gray Wolf Optimizer convolutional neural networks identification of disturbance signals 量子光学学报
2025, 31(1): 010204