CN113639775A - 一种基于布里渊光时域反射仪的频移提取的方法和装置 - Google Patents
一种基于布里渊光时域反射仪的频移提取的方法和装置 Download PDFInfo
- Publication number
- CN113639775A CN113639775A CN202110921244.3A CN202110921244A CN113639775A CN 113639775 A CN113639775 A CN 113639775A CN 202110921244 A CN202110921244 A CN 202110921244A CN 113639775 A CN113639775 A CN 113639775A
- Authority
- CN
- China
- Prior art keywords
- data
- optical fiber
- brillouin
- time domain
- domain reflectometer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003287 optical effect Effects 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- 239000013307 optical fiber Substances 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 26
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 25
- 238000001069 Raman spectroscopy Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000035559 beat frequency Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/26—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
- G01D5/32—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
- G01D5/34—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
- G01D5/353—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre
- G01D5/35338—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre using other arrangements than interferometer arrangements
- G01D5/35354—Sensor working in reflection
- G01D5/35358—Sensor working in reflection using backscattering to detect the measured quantity
- G01D5/35364—Sensor working in reflection using backscattering to detect the measured quantity using inelastic backscattering to detect the measured quantity, e.g. using Brillouin or Raman backscattering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明涉及光纤传感技术领域,特别是涉及一种基于布里渊光时域反射仪的频移提取的方法和装置。接收布里渊光时域反射仪的采集到的数据,获取数据的二维坐标,其中,二维坐标的纵坐标为扫描频率,二维坐标的横坐标为数据采集点对应的光纤位置;在二维矩阵的每一行数据中分别筛选出初值数据集;对初值数据集中的数据进行拟合,根据拟合结果获得数据的布里渊增益谱,根据布里渊增益谱获取频移。本发明通过对采集到的布里渊光时域反射仪的数据进行筛选,减少了拟合的计算量,减少了可能出现的错误数据,提高了频移的计算效率和计算精度和计算速度。
Description
【技术领域】
本发明涉及光纤传感技术领域,特别是涉及一种基于布里渊光时域反射仪的频移提取的方法和装置。
【背景技术】
布里渊光时域反射仪具有结构简单,成本较低,使用方便等优点,所以要实现单端长距离传输、温度和应变的同时测量,布里渊光时域反射仪是比较合适的选择。美中不足的是自发布里渊散射光信号比较微弱,与入射光相较低约50dB,易受到光纤中噪声的干扰,因此对于布里渊光时域反射仪,信号的检测与处理是非常关键的一环。常规的去噪算法对于拟合结果精度提升均具有一定效果。高斯滤波和小波变换去噪的软阈值方法对于测量误差的改善效果都不是很明显,并且小波变换去噪算法的算法流程较为复杂,运算时间较长。神经网络算法对于光纤前端的误差改善较为明显,但是对于尾端反而增加了误差,所以神经网络的效果非常不稳定。
对布里渊光时域反射仪的背向布里渊散射信号中的布里渊频移提取主要是使用算法处理,以某个位置的布里渊增益谱为例,找到布里渊增益最大处对应的中心频率,即为相应位置布里渊频移。由于布里渊增益与温度和应力近似成线性关系,因此根据比例系数可以解调出对应光纤位置的温度/应力,进而得到整条光纤的温度/应力分布。由于洛伦兹拟合相较于其他拟合算法对于信号的形状拟合效果更好,峰值的位置也可以被准确标定。特别是在光纤两端(信噪比较小)的中心频率标定中,洛伦兹拟合相对于其他拟合算法具有更小的误差水平。但是使用基于高斯牛顿迭代算法的洛伦兹拟合容易出现了很多比较严重的问题,主要的问题有两个:一是拟合鲁棒性不足,在某些特殊情况下会出现明显不符合实际的拟合结果,如某些位置上由于首端或尾端的噪声过大而在频率图谱上存在双峰现象,这些频谱数据作为拟合算法的初值,将会严重影响布里渊增益最大处的中心频率;第二点是计算速度的问题,由于高斯牛顿算法的时间复杂度是o(N2),N为参与拟合的点的数量,因此当N较大时,计算时间会较大,对***的实时性有较大影响
鉴于此,如何克服现有技术所存在的缺陷,解决目前的现象,是本技术领域待解决的问题。
【发明内容】
针对现有技术的以上缺陷或改进需求,本发明解决了现有频移算法数据噪声影响较大的问题。
本发明实施例采用如下技术方案:
第一方面,本发明提供了一种基于布里渊光时域反射仪的频移提取的方法,具体为:接收布里渊光时域反射仪的采集到的数据,获取数据的二维坐标,其中,二维坐标的纵坐标为扫描频率,二维坐标的横坐标为数据采集点对应的光纤位置;在二维矩阵的每一行数据中分别筛选出初值数据集;对初值数据集中的数据进行拟合,根据拟合结果获得数据的布里渊增益谱,根据布里渊增益谱获取频移。
优选的,在二维矩阵的每一行数据中分别筛选出初值数据集,具体包括:获取每行数据中扫描频率的最大值,得到扫描频率的最大值对应的光纤位置;以对应的光纤位置为中点,向光纤起点和光纤中点各取光纤总长度的四分之一数据。
优选的,在二维矩阵的每一行数据中分别筛选出初值数据集,还包括:若对应的光纤位置与光纤起点的距离小于光纤总长度的四分之一,初值数据集为光纤起点至光纤中点对应的数据;若对应的光纤位置与光纤尾端的距离小于光纤总长度的四分之一,初值数据集为光纤中点至光纤尾端的数据。
优选的,在二维矩阵的每一行数据中分别筛选出初值数据集,具体包括:根据预设光纤长度将采集到的数据分组,判断每组数据的纵坐标值与相邻组数据纵坐标的差值;若某一分组的差值大于预设差值阈值,去除自该分组起远离扫描频率最大值对应光纤位置的数据。
优选的,初值数据集中的数据进行拟合之后,还包括:当拟合后的数据超出预设数据范围阈值,不使用本次拟合数据,等待下一次采集到的数据。
优选的,在二维矩阵的每一行数据中分别筛选出初值数据集之前,还包括:对二维矩阵中每一行数据分别进行滤波。
优选的,滤波方法具体包括:使用中值滤波、均值滤波、小波去噪、高斯滤波和基于深度学习的滤波中的一种或多种方式进行滤波。
优选的,对初值数据集中的数据进行拟合,具体包括:使用洛伦兹拟合、多项式拟合、高斯拟合和指数拟合中的一种或多种方式进行拟合。
优选的,获取数据的二维坐标之前,还包括:对采集到的数据进行归一化处理。
另一方面,本发明提供了一种基于布里渊光时域反射仪的频移提取的装置,包括布里渊时域反射仪和数据处理单元,具体的:所述布里渊时域反射仪和数据处理单元之间通过数据接口和控制接口连接;所述数据处理单元包括至少一个处理器和存储器,所述至少一个处理器和存储器之间通过数据总线连接,所述存储器存储能被所述至少一个处理器执行的指令,所述指令在被所述处理器执行后,用于完成第一方面中所述的基于布里渊光时域反射仪的频移提取的方法。
与现有技术相比,本发明实施例的有益效果在于:本实施例提供的频移获取方法,通过对采集到的布里渊光时域反射仪的数据进行筛选,减少了拟合的计算量,减少了可能出现的错误数据,提高了频移的计算效率和计算精度和计算速度。在本实施例的优选方案中,还通过滤波、误差判定等方式,进一步提高了计算精度,提高了频移计算方法的容错性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为光纤传感中信号光和信号光的反射光的散射光谱图;
图2为本发明实施例中提供的一种基于布里渊光时域反射仪的频移提取的方法流程图;
图3为布里渊增益谱需拟合的高斯线型示意图;
图4为原始数据、现有拟合方法拟合后的数据和理想拟合数据对比示意图;
图5为本发明实施例中提供的一种初值数据集获取方法流程图;
图6为本发明实施例中提供的一种初值数据集获取示意图;
图7为本发明实施例中提供的另一种初值数据集获取方法流程图;
图8为本发明实施例中提供的另一种初值数据集获取示意图;
图9为本发明实施例中提供的一种基于布里渊光时域反射仪的频移提取的***结构示意图;
图10为本发明实施例中提供的布里渊时域反射仪的结构示意图;
图11为本发明实施例中提供的数据处理单元结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明是一种特定功能***的体系结构,因此在具体实施例中主要说明各结构模组的功能逻辑关系,并不对具体软件和硬件实施方式做限定。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面就参考附图和实施例结合来详细说明本发明。
实施例1:
在光纤传感中,信号光和信号光的反射光会产生如图1所示的散射光谱图。在进行激光传感测量时,基于布里渊散射的光纤传感技术功能全面并且稳定性更好,因此被广泛应用于国内外各种工程实践中。布里渊频移即散射光相较于入射光的频率偏移,通过检测沿光纤分布的布里渊频移即可实现应力和温度的分布式光纤传感。为了计算布里渊频移,需要获取布里渊增益谱,对每个距离上的布里渊增益谱进行拟合,拟合最高点对应的频率即为布里渊频移。
如图2所示,本发明实施例提供的基于布里渊光时域反射仪的频移提取的方法具体步骤如下:
步骤101:接收布里渊光时域反射仪的采集到的数据,获取数据的二维坐标。
为了对布里渊频移进行计算,首先需要通过布里渊光时域反射仪获取光纤上不同位置的布里渊散射光数值。为了便于后续计算处理,每次数据采集完成后,需要将采集到的每个数据进行处理,获取每个数据对应的二维坐标值。根据计算需要,二维坐标的纵坐标为扫描频率,二维坐标的横坐标为数据采集点对应的光纤位置。进一步的,为了便于后续计算,获取数据的二维坐标之前,还需要对采集到的数据进行归一化处理,使数据的二维坐标位于坐标轴上适当的位置,为之后的运算做准备。
进一步的,由于自发布里渊散射效应十分微弱,因此极易受到光纤中的高斯白噪声和相位噪声的污染,导致其信噪比较低。因此,为了提高频移计算的精度,在二维矩阵的每一行数据中分别筛选出初值数据集之前,还需要对二维矩阵中每一行数据分别进行滤波,以去除一定的高频噪声,以及降低脉冲噪声的影响。在实施例的具体使用中,可以根据需要使用中值滤波、均值滤波、小波去噪、高斯滤波和基于深度学习的滤波等常用的滤波方式。其中,中值滤波、均值滤波和高斯滤波具有优秀的时频特性,并且只依赖单一参数,最重要的是运算时间短,非常符合实时***的要求。根据实际测试结果,中值滤波无论是计算时间还是处理效果都优于其他算法,为了提高***的提取精度和数据处理速度,在本实施例的优选方案中使用中值滤波作为滤波方案。相应的,在基于深度学习的滤波方式中,基于中值滤波的神经网络优选使用卷积核大小为30的中值滤波函数。
步骤102:在二维矩阵的每一行数据中分别筛选出初值数据集。
在实际使用中,由于实际激光中存在自然展宽,在入射光脉宽过窄的情况下,消光比不足以压制连续光,布里渊增益谱会由标准的洛伦兹线型转变为如图3所示的高斯线型。根据高斯线型最高点位置,即可获取到相应的频移。
在实际场景中,布里渊光时域反射仪获取到的数据无法完全匹配高斯线性的数据分布,即使经过步骤101中的滤波等去噪方法,依然不易找到最高点。因此,还需要对获取到的数据进行拟合。
在进行拟合时,通常使用高斯牛顿算法进行拟合,基于高斯牛顿算法的洛伦兹线型表达式如公式1。
其中,计算系数为(Y,X,h,w)。对于一般的计算初值确定,Y取某组原始数据的最小值,X取原始数据最高点对应的x值,h取y坐标的最大值减去y的最小值。由原始数据的离散点左右两侧找出最接近Y+h/2的点,左右两侧两个点的横坐标差值的一半即为w。
但是,由于高斯牛顿算法对初值的选取非常敏感,而实际获取到的原始信号的信噪比不高,有些信号会出现多个尖峰,如果对所有数据点进行拟合,会得出没有意义的结果,或出现初值确定有误导致拟合失败的情况,即如图4所示拟合后的高斯曲线与原始数据集无法对应的情况。因此,在进行计算时,必须要根据实际信号的特点合理选择初值。
在分析实际信号中,发现数据的首尾端噪声比较大,经常出现较大的噪声,或出现多个尖峰,如果对所有数据点进行拟合,会得出没有意义的结果,在本实施例中,通过对数据进行筛选处理,获取噪声较小的部分数据作为初值数据集。根据实际信号的噪声分布情况可知,对于某个位置的一组信号,峰值点附近的数据更加稳定,噪声干扰较少。因此,理论上可以认为,使用这部分数据进行迭代,更能提高拟合的准确率。
具体的,如图5,可以通过以下步骤由二维矩阵的每一行数据中分别筛选出初值数据集。以下实例中,如图6所示,以扫频带宽为3dB为例,以每一行数据的个数N的一半作为初值数据集的大小w,对应公式1中参数w。在实际使用中,w的值可以根据数据总数、精度要求、计算量要求等自行设定。
步骤201:获取每行数据中扫描频率的最大值,得到扫描频率的最大值对应的光纤位置。
在首先得到3dB带宽内最大信号对应的横坐标X,对应公式1中参数X。
步骤202:以对应的光纤位置所在横坐标为中点,向光纤起点和光纤终点方向各取光纤总长度的四分之一数据。
以横坐标X为中心,在X两侧各取w/2个点,共取w个点作为初值数据集。
进一步的,若X一侧的点数少于w/2个点,按照步骤202的方式无法取够w个点作为初值数据集。因此,还需要通过以下步骤调整初值数据集的获取方式。
步骤203:若对应的光纤位置与光纤起点的距离小于光纤总长度的四分之一,初值数据集为光纤起点至光纤中点对应的数据。
步骤204:若对应的光纤位置与光纤尾端的距离小于光纤总长度的四分之一,初值数据集为光纤中点至光纤尾端的数据。
通过步骤201-步骤204,能够获取到原始数据峰值点附近的数据作为初值数据集,使得数据更加稳定,噪声干扰较少,以提高拟合的准确率。并且,高斯牛顿迭代中有大量的矩阵运算,算法复杂度为o(N2),N为参与拟合的点的总数,因此只选取原始数据集中的部分点参与迭代运算,可以大大提高计算的速度,更符合监测实时性的要求。
在实际使用中,如图7所示,也可以使用以下方式获取到初值数据集。
步骤301:根据预设光纤长度将采集到的数据分组,判断每组数据的纵坐标值与相邻组数据纵坐标的差值。
如图8所示,由于高斯线型为光滑曲线,相邻区域的纵坐标值可视为逐渐均匀变化。因此,可以通过判断相邻组数据纵坐标的插值对数据中是否存在噪音或异常尖峰进行判断。
步骤302:若某一分组的差值大于预设差值阈值,去除自该分组起远离扫描频率最大值对应光纤位置的数据。
若某个区域内数据纵坐标的总值、平均值、最大最小值等与相邻组数据差别过大,例如图8中第2组、第4组和第8组,分别包含异常尖峰A、B、C。因此,需要将异常组的数据以及异常组之外的数据进行排除,如图8中第1组-3组,以及第9组-第10组数据。
经过步骤301-步骤302,可以获取到与步骤201-步骤204中相似的初值数据集,即第5组-第7组数据,同样能够获得提高拟合精度和计算速度的效果。
步骤103:对初值数据集中的数据进行拟合,根据拟合结果获得数据的布里渊增益谱,根据布里渊增益谱获取频移。
获取到初值数据集后,即可对初值数据集中的数据进行拟合,获取数据的布里渊增益谱。在一般场景中,可以使用洛伦兹拟合、多项式拟合、高斯拟合和指数拟合中的一种或多种方式进行拟合。在本实施例的实际使用场景中,优选使用基于高斯牛顿迭代的洛伦兹拟合,根据实际测量结果,对于任何信噪比的信号,洛伦兹拟合的BFS提取精度都优于二次拟合方式。在信噪比较高的光纤中部,洛伦兹拟合和二次拟合的拟合误差比较接近,洛伦兹拟合较二次拟合误差有所减小。洛伦兹拟合相比二次拟合,在光纤首端最大误差提升为8MHz,平均误差提升为4MHz;在光纤尾端最大误差提升为6MHz,平均误差提升为3MHz。
经过本实施例中提供的步骤101-步骤103后,即可完成数据的筛选和拟合,获取到布里渊增益谱,进而获取到频移值。
为了进一步保证数据的准确性,避免因原始数据误差等原因造成的拟合失败,还需要对拟合后的数据进行检测。具体的,可以根据正常数据范围设定预设数据范围的最大值和最小值,当拟合后的数据超出预设数据范围阈值,不使用本次拟合数据,等待下一次采集到的数据。
本实施例提供的基于布里渊光时域反射仪的频移提取的方法具有以下有益效果。
1、本实施例提供的方法针对包含有较大的高频噪声或低频噪声的原始数据直接作为初值导致的拟合失败,采用了初值筛选方法对基于高斯牛顿迭代算法的洛伦兹拟合初值进行了筛选,既提高了基于高斯牛顿迭代算法的洛伦兹拟合的准确率,也降低了洛伦兹拟合计算的计算量。
2、本实施例提供的方法由于对初始数据进行了中值滤波,对于传感光纤前端和传感光纤尾端噪声造成测量误差具有较好的抑制效果,且具有较低的计算延迟,为后续数据的拟合处理节省了较多计算时间。
3、本发明对拟合后的结果进行了检测,防止错误的拟合结果数据造成传感误报警,提高布里渊频移方法的容错性。
实施例2:
在实施例1中基于布里渊光时域反射仪的频移提取的方法的基础上,本实施例还提供了一种基于布里渊光时域反射仪的分布式光纤传感装置,以获取原始数据,并依照实施例1中提供的方法对数据进行处理。
如图9所示,装置包括布里渊时域反射仪和数据处理单元,布里渊时域反射仪和数据处理单元之间通过数据接口和控制接口连接,以进行数据信号和控制信号的交互。图9中,实线表示数据接口连接,虚线表示控制接口连接。
如图10所示,布里渊时域反射仪包括光源、耦合器、两个偏振控制器、脉冲调制器、掺铒放大器(EDFA)、环行器、两个微波源、马赫曾德尔调制器(MZM)、拉曼泵浦光源、波分复用器(WDM)、耦合器、光电探测器、混频器、带通滤波器(BPF)。布里渊时域反射仪按照数据处理单元的控制,获取用于频移计算的原始数据,并将原始数据通过数据接口传输至数据处理单元。其中,拉曼泵浦光源和WDM合称拉曼放大器。
首先光源产生连续信号光,被光耦合器分成两路相同的信号,一路连续光经过偏振控制器之后再进入脉冲调制器,脉冲调制器将连续的信号调制成设定的脉宽和重复频率脉冲信号,然后该脉冲信号被脉冲掺铒光纤放大器从微瓦放大到毫瓦量级,放大后的脉冲信号通过环形器的一端注入传感光纤的一端中,和拉曼泵浦光源产生的泵浦光信号一起通过波分复用器,最后进入传感光纤。传感光纤产生的背向布里渊散射光最后向数据处理单元的数据接口传输。
第二路信号经过偏振控制器后继续进入马赫曾德尔调制器,与微波源产生的微波信号混频,输出具有频移的参考信号。然后背向布里渊散射光与该参考信号在耦合器处耦合,耦合后布里渊散射信号完成第一次降频。原理是在对背向散射光同另一路参考信号进行拍频处理,将原本的高频信号搬移至中频段,极大降低了对光电子器件的性能要求,也便于信号的解调处理。降频后的信号经过光电探测器,被转换成电信号。
电信号经过二次降频模块完成第二次降频。二次降频后的电信号经过带通滤波器,得到滤去部分噪声的信号被采集卡采集,采集卡将数据发送至数据处理单元,并使用实施例1中提供的方法进行处理。
在具体实施场景中,二次降频模块具体由第二微波源与混频器组成。拉曼放大器具体由拉曼泵浦光源和光波分复用器组成。由于布里渊光时域反射仪的探测光信号在传输过程中衰减迅速,本硬件***应用了拉曼放大补偿技术来补偿探测光传输过程中的衰减。该技术可以有效改善布里渊光时域反射仪***的探测距离,提高布里渊散射信号的质量,最终提高***的传感性能。拉曼放大技术基于拉曼散射原理,其本质上是在合适条件下将泵浦光的一部分能量转移到探测光中,从而实现对信号光的放大的过程。
数据处理单元包括一个或多个处理器以及存储器。其中,图11中以一个处理器为例。处理器和存储器可以通过总线或者其他方式连接,图11中以通过总线连接为例。存储器作为一种基于布里渊光时域反射仪的频移提取方法非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如实施例1中的基于布里渊光时域反射仪的频移提取方法。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现实施例1的基于布里渊光时域反射仪的频移提取的方法。存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。程序指令/模块存储在存储器中,当被一个或者多个处理器执行时,执行上述实施例1中的基于布里渊光时域反射仪的频移提取的方法,例如,执行以上描述的图1、图5和图7所示的各个步骤。本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(Read Only Memory,简写为:ROM)、随机存取存储器(RandomAccess Memory,简写为:RAM)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于布里渊光时域反射仪的频移提取的方法,其特征在于,具体包括:
接收布里渊光时域反射仪的采集到的数据,获取数据的二维坐标,其中,二维坐标的纵坐标为扫描频率,二维坐标的横坐标为数据采集点对应的光纤位置;
在二维矩阵的每一行数据中分别筛选出初值数据集;
对初值数据集中的数据进行拟合,根据拟合结果获得数据的布里渊增益谱,根据布里渊增益谱获取频移。
2.根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述在二维矩阵的每一行数据中分别筛选出初值数据集,具体包括:
获取每行数据中扫描频率的最大值,得到扫描频率的最大值对应的光纤位置;
以对应的光纤位置所在横坐标为中点,向光纤起点和光纤终点方向各取光纤总长度的四分之一数据。
3.根据权利要求2所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述在二维矩阵的每一行数据中分别筛选出初值数据集,还包括:
若对应的光纤位置与光纤起点的距离小于光纤总长度的四分之一,初值数据集为光纤起点至光纤中点对应的数据;
若对应的光纤位置与光纤尾端的距离小于光纤总长度的四分之一,初值数据集为光纤中点至光纤尾端的数据。
4.根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述在二维矩阵的每一行数据中分别筛选出初值数据集,具体包括:
根据预设光纤长度将采集到的数据分组,判断每组数据的纵坐标值与相邻组数据纵坐标的差值;
若某一分组的差值大于预设差值阈值,去除自该分组起远离扫描频率最大值对应光纤位置的数据。
5.对根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述初值数据集中的数据进行拟合之后,还包括:
当拟合后的数据超出预设数据范围阈值,不使用本次拟合数据,等待下一次采集到的数据。
6.根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述在二维矩阵的每一行数据中分别筛选出初值数据集之前,还包括:
对二维矩阵中每一行数据分别进行滤波。
7.根据权利要求6所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述滤波方法具体包括:
使用中值滤波、均值滤波、小波去噪、高斯滤波和基于深度学习的滤波中的一种或多种方式进行滤波。
8.根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述对初值数据集中的数据进行拟合,具体包括:
使用洛伦兹拟合、多项式拟合、高斯拟合和指数拟合中的一种或多种方式进行拟合。
9.对根据权利要求1所述的基于布里渊光时域反射仪的频移提取的方法,其特征在于,所述获取数据的二维坐标之前,还包括:
对采集到的数据进行归一化处理。
10.一种基于布里渊光时域反射仪的频移提取的装置,包括布里渊时域反射仪和数据处理单元,其特征在于:
所述布里渊时域反射仪和数据处理单元之间通过数据接口和控制接口连接;
所述数据处理单元包括至少一个处理器和存储器,所述至少一个处理器和存储器之间通过数据总线连接,所述存储器存储能被所述至少一个处理器执行的指令,所述指令在被所述处理器执行后,用于完成权利要求1-9中任一项所述的基于布里渊光时域反射仪的频移提取的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921244.3A CN113639775B (zh) | 2021-08-11 | 2021-08-11 | 一种基于布里渊光时域反射仪的频移提取的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921244.3A CN113639775B (zh) | 2021-08-11 | 2021-08-11 | 一种基于布里渊光时域反射仪的频移提取的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113639775A true CN113639775A (zh) | 2021-11-12 |
CN113639775B CN113639775B (zh) | 2023-08-29 |
Family
ID=78420934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110921244.3A Active CN113639775B (zh) | 2021-08-11 | 2021-08-11 | 一种基于布里渊光时域反射仪的频移提取的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113639775B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485747A (zh) * | 2021-12-30 | 2022-05-13 | 广州劲联智能科技有限公司 | 一种布里渊频移提取方法和*** |
CN114970705A (zh) * | 2022-05-20 | 2022-08-30 | 深圳市有一说一科技有限公司 | 基于多传感数据的行驶状态分析方法、装置、设备及介质 |
CN115265613A (zh) * | 2022-07-28 | 2022-11-01 | 浙江大学绍兴研究院 | 一种多频率间隔的布里渊频移提取方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110228255A1 (en) * | 2008-11-27 | 2011-09-22 | Neubrex Co., Ltd | Distributed optical fiber sensor |
CN106546275A (zh) * | 2016-10-31 | 2017-03-29 | 华北电力大学(保定) | 一种布里渊散射谱特征初值的获得方法 |
CN107402082A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种布里渊散射信号处理方法及其分布式光纤传感*** |
CN110926355A (zh) * | 2019-11-07 | 2020-03-27 | 华中科技大学 | 一种基于卷积神经网络的布里渊频移提取方法和装置 |
CN111121836A (zh) * | 2019-12-18 | 2020-05-08 | 华北电力大学(保定) | 基于改进二次多项式拟合的布里渊频移快速准确提取方法 |
CN112798142A (zh) * | 2020-12-28 | 2021-05-14 | 哈尔滨工业大学 | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 |
-
2021
- 2021-08-11 CN CN202110921244.3A patent/CN113639775B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110228255A1 (en) * | 2008-11-27 | 2011-09-22 | Neubrex Co., Ltd | Distributed optical fiber sensor |
CN107402082A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种布里渊散射信号处理方法及其分布式光纤传感*** |
CN106546275A (zh) * | 2016-10-31 | 2017-03-29 | 华北电力大学(保定) | 一种布里渊散射谱特征初值的获得方法 |
CN110926355A (zh) * | 2019-11-07 | 2020-03-27 | 华中科技大学 | 一种基于卷积神经网络的布里渊频移提取方法和装置 |
CN111121836A (zh) * | 2019-12-18 | 2020-05-08 | 华北电力大学(保定) | 基于改进二次多项式拟合的布里渊频移快速准确提取方法 |
CN112798142A (zh) * | 2020-12-28 | 2021-05-14 | 哈尔滨工业大学 | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 |
Non-Patent Citations (1)
Title |
---|
张燕君;刘文哲;付兴虎;毕卫红;: "基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取", 光谱学与光谱分析, no. 10, pages 2916 - 2923 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485747A (zh) * | 2021-12-30 | 2022-05-13 | 广州劲联智能科技有限公司 | 一种布里渊频移提取方法和*** |
CN114485747B (zh) * | 2021-12-30 | 2024-07-16 | 广州劲联智能科技有限公司 | 一种布里渊频移提取方法和*** |
CN114970705A (zh) * | 2022-05-20 | 2022-08-30 | 深圳市有一说一科技有限公司 | 基于多传感数据的行驶状态分析方法、装置、设备及介质 |
CN114970705B (zh) * | 2022-05-20 | 2024-05-07 | 深圳市有一说一科技有限公司 | 基于多传感数据的行驶状态分析方法、装置、设备及介质 |
CN115265613A (zh) * | 2022-07-28 | 2022-11-01 | 浙江大学绍兴研究院 | 一种多频率间隔的布里渊频移提取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113639775B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113639775A (zh) | 一种基于布里渊光时域反射仪的频移提取的方法和装置 | |
US10014935B2 (en) | Multiple-acquisition OTDR method and device | |
CN107483106B (zh) | 一种在线的光时域反射仪结构、检测***和检测方法 | |
US9322740B2 (en) | Distributed disturbance sensing device and the related demodulation method based on polarization sensitive optical frequency domain reflectometry | |
JP3549942B2 (ja) | ノイズレベルの測定方法およびノイズレベルを測定するための装置 | |
CA2775673A1 (en) | Reference-based in-band osnr measurement on polarization-multiplexed signals | |
CN102420650A (zh) | 一种抑制光频域反射仪的激光器非线性扫描装置和方法 | |
CN110207804B (zh) | 一种基于单模光纤分布式声学传感的离散化处理方法 | |
CN110793558B (zh) | 一种相干探测型φ-otdr***及自检方法 | |
EP3593468A1 (en) | High resolution correlation optical time domain reflectometer | |
JP6400119B2 (ja) | 光信号対ノイズ比をモニタリングする方法及び装置 | |
CN111510207A (zh) | 量子密钥分发***中源端光强波动测试方法 | |
JP5890940B2 (ja) | 光チャネルの反射プロファイルを推定する方法 | |
CN109768826B (zh) | 数据处理方法、装置及设备、计算机可读存储介质 | |
CN110880971B (zh) | 基于啁啾的连续变量量子密钥分发方法及分发*** | |
CN105843779B (zh) | 一种面向potdr背向散射光信号的实时去噪方法 | |
US20170167916A1 (en) | System and method of optical spectrum analysis | |
CN111371436A (zh) | 雷达天线扫描周期测量方法、装置、设备及存储介质 | |
CN116576897A (zh) | 多参量光纤分布式传感***及其方法 | |
CN115389007A (zh) | 一种采用散射增强光纤的分布式声波传感***的解调方法 | |
CN111721438B (zh) | 一种噪声调制线阵ccd采集的免扫频botda装置 | |
CN116754910B (zh) | 基于多路光纤差分的电缆局部放电监测方法、***和设备 | |
CN114485747B (zh) | 一种布里渊频移提取方法和*** | |
CN115791090B (zh) | 一种提高信号测量灵敏度及偏振稳定性的***及方法 | |
CN107588927A (zh) | 基于频移干涉技术的弱光纤光栅反射率的测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |