CN105843779A - 一种面向potdr背向散射光信号的实时去噪方法 - Google Patents

一种面向potdr背向散射光信号的实时去噪方法 Download PDF

Info

Publication number
CN105843779A
CN105843779A CN201610399045.XA CN201610399045A CN105843779A CN 105843779 A CN105843779 A CN 105843779A CN 201610399045 A CN201610399045 A CN 201610399045A CN 105843779 A CN105843779 A CN 105843779A
Authority
CN
China
Prior art keywords
real
signal
noise elimination
frequency coefficient
time
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
Application number
CN201610399045.XA
Other languages
English (en)
Other versions
CN105843779B (zh
Inventor
唐明
廖若霖
胡子荷
王超东
周娅玲
吴昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201610399045.XA priority Critical patent/CN105843779B/zh
Publication of CN105843779A publication Critical patent/CN105843779A/zh
Application granted granted Critical
Publication of CN105843779B publication Critical patent/CN105843779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种面向POTDR背向散射光信号的实时去噪方法，根据POTDR的信号特征，首先对采集到的数据帧进行分数阶傅里叶变换，获得分数域数据；对该分数域数据的虚部采用小波变换的方法进行去噪以及重构；采用处理后的虚部与分数域数据的实部进行信号重构；对重构获得的信号进行分数阶傅里叶变换，根据变换结果获得去噪信号；本发明将分数阶傅里叶去噪与小波去噪相结合对信号进行处理，可以在实时去除背向瑞利散射光中背景噪声的同时最大限度的保存有效信号、提高传感信号的信噪比，相较于小波去噪和平均去噪，既能解决小波去噪导致信号中有用的尖峰信号被削平的问题，又能解决平均去噪耗时较长，实时性较低的问题。

Description

一种面向POTDR背向散射光信号的实时去噪方法
技术领域
本发明属于光纤传感技术领域，更具体地，涉及一种面向POTDR背向散射光信号的实时去噪方法。
背景技术
分布式光纤传感器以其单端、非破坏性测量和全知的优点被广泛应用于大空间范围的温度分布和压力、应力分布测量。POTDR(偏振光时域反射计，Polarization Optical Time Domain Reflectometry)系统在振动频率测量和侵入式传感等领域具有独特的优势，但其采集的背向散射信号极其微弱、信噪比低，测得的传感信号不可避免的带有噪声，尤其在信号曲线的尾部，由于光功率衰减较大，信号受噪声影响更为严重，从而不可避免使信号复杂化，不利于后续的分析和信号处理。
采用平均处理的方法可以有效的减少随机噪声，不能满足实时性要求；公开号为CN105157874A的中国专利申请文件公开的小波去噪算法，虽然可以满足实时去噪的要求，但其对经过小波变换后的信号根据母小波的特点进行平滑处理，使得实际信号中有效的尖峰信号被一同滤除，使得去噪后的信噪比提高效果并不理想，尤其不适用于POTDR系统；
分数阶傅里叶变换(FRFT)的方法可以将时域信号变换到任意时频轴上而不仅限于频域，能量在频域上不够集中的信号可能在某一个分数域上能量集中，起到滤除噪声的效果；然而，分数阶傅里叶变换仍是对整个时域进行变换，和傅里叶变换一样不能分析信号的局部特性，而信号的局部特性在光纤传感系统中十分重要；
对于光纤传感信号的去噪处理，采用基于平均去噪或小波去噪的处理方法，可能会影响后期对信号的分析和判断的准确性；而采用FRFT的方法，不能分析信号的局部特性。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种面向POTDR背向散射光信号的实时去噪方法，其目的在于基于分数阶小波变换对背向散射光信号进行实时去噪处理，提高去噪后的信号信噪比。
为实现上述目的，按照本发明的一个方面，提供了一种面向POTDR背向散射光信号的实时去噪方法，包括如下步骤：
(1)以阶数a对各脉冲周期采集到数据帧XN进行分数阶傅里叶变换，获得分数域数据YN；将分数域数据YN的实部与虚部分离，获得长度为L的实部YRN、长度为L的虚部YIN；
其中，YN＝YRN+i*YIN；i代表虚数单位；分数域数据YN的帧长度L根据光纤长度和采集卡采样速率确定；其中，0<a<1；
(2)采用db8小波对分数阶傅里叶变换获得的虚部YIN进行3层分解，获得第三层低频系数cA3，以及第一层高频系数cD1、第二层高频系数cD2、第三层高频系数cD3；
(3)根据上述第一层高频系数cD1估计信号的噪声标准差
(4)采用惩罚算法，根据上述噪声标准差计算获得全局阈值THR；
其中，惩罚算法由记载在BirgéL,Massart P.From model selection toadaptive estimation[M].Springer New York,1997；在matlab中对应的函数为wbmpen()；
(5)根据所述全局阈值THR，利用软阈值函数对上述三层高频系数分别进行处理；用低频系数与处理后的各层高频系数进行信号重构，获得处理后的虚部YI′N；
(6)将步骤(1)中获得的实部YRN与步骤(5)获得的虚部YI′N，获得处理后的分数域数据Y′N＝YRN+i*YI′N；
以-a为阶数对上述分数域数据Y′N进行分数阶傅里叶变换，获得长度为L的复信号，对该复信号取模获得实信号，获得去噪后的信号数据ZN。
优选地，上述面向POTDR背向散射光信号的实时去噪方法，0<a<0.1。
优选地，上述面向POTDR背向散射光信号的实时去噪方法，a为0.05。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提供的面向POTDR背向散射光信号的实时去噪方法，由于采用了分数阶傅里叶变换，可以在信号更集中的分数域对信号进行小波去噪，相比于传统小波去噪方法，可以在去噪的同时更好的保留信号中有用的尖峰信号；
(2)本发明提供的面向POTDR背向散射光信号的实时去噪方法，由于采用了分数阶小波变换，可以有效分离信号中的信息，相比于重复测量取平均的方法，可以大幅减少平均次数，减少耗时，提高处理的实时性。
附图说明
图1是实施例所基于的POTDR传感测量系统示意图；
图2是实施例中的三层小波分解结构示意图；
图3是本发明实施例提供的面向POTDR背向散射光信号的实时去噪方法的流程图；
图4是本发明实施例中待处理的POTDR背向散射信号的波形示意图；
图5是本发明实施例中待处理的POTDR背向散射信号的波形细部示意图；
图6是本发明实施例中经过分数阶小波去噪处理获得的POTDR背向散射信号的波形细部示意图。
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仅用以解释本发明，并不用于限定本发明。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。
本发明实施例所基于的POTDR传感测量系统结构如图1所示，脉冲光源通过光纤跳线与环形器1端口连接；环形器2端口连接传感光纤链路，其中，传感光纤链路为通信用标准单模光纤；环形器3端口与在线检偏器一端相连；在线起偏器另一端连接光探测器输入端；光探测器的信号输出端通过信号线缆与数据采集卡相连，数据采集卡可通过其数据接口与计算机通信，将数据传输给计算机进行处理。
实施例中，采用的三层小波分解结构如图2所示，采用db8小波对虚部YIN进行3层分解，获得第三层低频系数cA3，以及第一层高频系数cD1、第二层高频系数cD2和第三层高频系数cD3。
以下结合图3所示的面向POTDR背向散射光信号的实时去噪方法的流程图与图2所示的分解结构，具体阐述实施例所提供的面向POTDR背向散射光信号的实时去噪方法，该方法包括如下步骤：
(1)根据光纤长度和采集卡采样速率确定数据帧长度L；实施例中，L＝2048；
(2)以阶数a对各脉冲周期采集到数据帧XN进行分数阶傅里叶变换，获得长度为L的分数域数据YN；实施例中，a＝0.05；
将分数域数据YN的实部与虚部分离，获得长度为L的实部YRN、长度为L的虚部YIN；其中YN＝YRN+i*YIN；
(3)采用db8小波对分数阶傅里叶变换获得的虚部YIN进行3层分解，获得第三层低频系数cA3，以及第一层高频系数cD1、第二层高频系数cD2、第三层高频系数cD3；
(4)根据上述第一层高频系数cD1估计信号的噪声标准差
(5)采用惩罚算法，根据上述噪声标准差计算获得全局阈值THR＝6.32e-7；
(6)根据所述全局阈值THR，利用软阈值函数对上述三层高频系数分别进行处理；用原低频系数与处理后的高频系数重构信号，获得虚部YI′N；
(7)将步骤(2)中获得的实部YRN与步骤(6)获得的虚部YI′N组合，获得处理后的分数域数据Y′N＝YRN+i*YI′N；
以-a为阶数对上述分数域数据Y′N进行分数阶傅里叶变换，获得长度为L的复信号；对该复信号取模获得实信号，获得去噪后的信号ZN；
图4所示，是实施例中待处理的POTDR背向散射信号波形示意图，其横坐标为距离，纵坐标为信号幅度；图5对应图4中横轴方向0～100米距离范围的POTDR背向散射信号的波形细部示意图；图6则是对应图4中横轴方向0～100米距离范围的POTDR背向散射信号的波形经过实施例的去噪处理之后的细部示意图；实施例中去噪处理后获得的信号ZN相对于原信号XN有约3.6dB的信噪比改善；从图6与图5对比分析可以看出，去噪前信号中存在的尖峰信号在经过去噪处理后仍然存在，表明本发明提供的去噪方法不仅抑制了噪声的影响，同时也保留了有用信号。
本领域的技术人员容易理解，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 (3)

1.一种面向POTDR背向散射光信号的实时去噪方法，其特征在于，包括如下步骤：
(1)以阶数a对各脉冲周期采集到数据帧XN进行分数阶傅里叶变换，获得分数域数据YN；将分数域数据YN的实部与虚部分离，获得长度为L的实部YRN、长度为L的虚部YIN；
其中，所述分数域数据YN的帧长度L根据光纤长度和采集卡采样速率确定；
(2)采用db8小波对分数阶傅里叶变换获得的虚部YIN进行3层分解，获得第三层低频系数cA3，以及第一层高频系数cD1、第二层高频系数cD2和第三层高频系数cD3；
(3)根据所述第一层高频系数cD1估计信号的噪声标准差
(4)采用惩罚算法，根据所述噪声标准差计算获得全局阈值THR；
(5)根据所述全局阈值THR，利用软阈值函数，对所述三层高频系数分别进行处理；用低频系数与处理后的各层高频系数进行信号重构，获得处理后的虚部YI′N；
(6)将步骤(1)中获得的实部YRN与步骤(5)获得的虚部YI′N，获得处理后的分数域数据Y′N＝YRN+i*YI′N；
以-a为阶数对所述分数域数据Y′N进行分数阶傅里叶变换，获得长度为L的复信号；对所述复信号取模获得实信号，根据所述实信号获得去噪后的信号ZN。
2.如权利要求1所述的实时去噪方法，其特征在于，所述阶数0<a<0.1。
3.如权利要求1或2所述的实时去噪方法，其特征在于，所述阶数a为0.05。
CN201610399045.XA 2016-06-07 2016-06-07 一种面向potdr背向散射光信号的实时去噪方法 Active CN105843779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610399045.XA CN105843779B (zh) 2016-06-07 2016-06-07 一种面向potdr背向散射光信号的实时去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610399045.XA CN105843779B (zh) 2016-06-07 2016-06-07 一种面向potdr背向散射光信号的实时去噪方法

Publications (2)

Publication Number Publication Date
CN105843779A true CN105843779A (zh) 2016-08-10
CN105843779B CN105843779B (zh) 2019-01-04

Family

ID=56576820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610399045.XA Active CN105843779B (zh) 2016-06-07 2016-06-07 一种面向potdr背向散射光信号的实时去噪方法

Country Status (1)

Country Link
CN (1) CN105843779B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109039438A (zh) * 2018-06-19 2018-12-18 武汉邮电科学研究院有限公司 一种基于数字线性调频信号的光纤链路检测系统及方法
CN110492930A (zh) * 2019-08-15 2019-11-22 深圳市矽赫科技有限公司 一种光纤故障点测量方法、装置、系统和存储介质
CN113810069A (zh) * 2020-06-16 2021-12-17 华为技术有限公司 用于传输信号的通信装置及信号传输方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031276A1 (en) * 2003-07-31 2006-02-09 Yoshinori Kumamoto Signal-processing apparatus and method
CN101487763A (zh) * 2009-02-23 2009-07-22 西北工业大学 一种测量大噪声环境下振动结构频率响应函数的方法
CN102305945A (zh) * 2011-06-20 2012-01-04 电子科技大学 一种线性噪声消除方法
CN103761719A (zh) * 2014-01-06 2014-04-30 暨南大学 一种基于邻域相关性的自适应小波阈值去噪方法
CN104794839A (zh) * 2015-04-27 2015-07-22 武汉世纪金桥安全技术有限公司 一种基于potdr光纤入侵识别算法
CN104792522A (zh) * 2015-04-10 2015-07-22 北京工业大学 一种基于分数阶小波变换和bp神经网络的齿轮缺陷智能分析方法
CN105302773A (zh) * 2015-09-18 2016-02-03 河海大学 一种基于同步压缩分数阶的小波变换方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031276A1 (en) * 2003-07-31 2006-02-09 Yoshinori Kumamoto Signal-processing apparatus and method
CN101487763A (zh) * 2009-02-23 2009-07-22 西北工业大学 一种测量大噪声环境下振动结构频率响应函数的方法
CN102305945A (zh) * 2011-06-20 2012-01-04 电子科技大学 一种线性噪声消除方法
CN103761719A (zh) * 2014-01-06 2014-04-30 暨南大学 一种基于邻域相关性的自适应小波阈值去噪方法
CN104792522A (zh) * 2015-04-10 2015-07-22 北京工业大学 一种基于分数阶小波变换和bp神经网络的齿轮缺陷智能分析方法
CN104794839A (zh) * 2015-04-27 2015-07-22 武汉世纪金桥安全技术有限公司 一种基于potdr光纤入侵识别算法
CN105302773A (zh) * 2015-09-18 2016-02-03 河海大学 一种基于同步压缩分数阶的小波变换方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DAVID MENDLOVIC 等: "Fractional wavelet transform", 《APPLIED OPTICS》 *
DAWEI YU 等: "Characterization of Rayleigh backscattering arising in various two-mode fibers", 《OPTICS EXPRESS》 *
尚宇 等: "基于分数阶小波变换的心电信号去噪处理研究", 《西安工业大学学报》 *
李天云 等: "分数阶傅立叶变换和小波变换相融合去噪的局部放电信号提取", 《吉林电力》 *
王新 等: "《机电设备故障诊断技术及应用》", 30 April 2014, 北京：煤炭工业出版社 *
黄雨青: "分数阶小波变换及应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109039438A (zh) * 2018-06-19 2018-12-18 武汉邮电科学研究院有限公司 一种基于数字线性调频信号的光纤链路检测系统及方法
CN110492930A (zh) * 2019-08-15 2019-11-22 深圳市矽赫科技有限公司 一种光纤故障点测量方法、装置、系统和存储介质
CN113810069A (zh) * 2020-06-16 2021-12-17 华为技术有限公司 用于传输信号的通信装置及信号传输方法
CN113810069B (zh) * 2020-06-16 2023-10-20 华为技术有限公司 用于传输信号的通信装置及信号传输方法

Also Published As

Publication number Publication date
CN105843779B (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN101138507B (zh) 多普勒血流声音信号的处理方法及装置
Sun Estimation of transmission eigenvalues and the index of refraction from Cauchy data
CN104898172B (zh) 一种基于互相关的核磁共振全波信号噪声滤除方法
Zhang et al. An improved AE detection method of rail defect based on multi-level ANC with VSS-LMS
CN105843779A (zh) 一种面向potdr背向散射光信号的实时去噪方法
CN105181152B (zh) 分布式布里渊散射光谱频移的计算方法
CN103115693A (zh) 一种分布式光纤拉曼测温系统
CN104997534B (zh) 基于带约束最小二乘法的超声衰减系数成像方法
CN104316160B (zh) 基于小波脊的水下声信号瞬时频率解调方法
CN109655714A (zh) 双传感器电缆故障定点检测系统及方法、电缆检测平台
CN111157097A (zh) 一种基于相位敏感光时域反射系统的振动信号检测方法
CN103778921A (zh) 消除雷达采集到的语音中的不均匀噪声的方法
Roonizi A new algorithm for fitting a Gaussian function riding on the polynomial background
CN108896274A (zh) 一种基于子集窗长度优化算法的分布式光纤应变解调方法
CN108663435A (zh) 一种分布式声波列车轮轨检测装置及方法
WO2019075913A1 (zh) 一种应用于去除otdr噪声的信号处理系统
CN109410178A (zh) 一种工件裂纹检测方法及系统
Bai et al. Noise reduction method of Φ-OTDR system based on EMD-TFPF algorithm
CN113389541A (zh) 一种油井动液面信号高精度提取方法
CN112904415A (zh) 基于重构源谱一致性的q层析反演方法、系统及处理设备
CN112033572A (zh) 一种光时域反射计中补偿弯曲损耗及斯托克斯光与反斯托克斯光衰减的方法
Lv et al. A multi-peak detection algorithm for FBG based on WPD-HT
CN110459197A (zh) 用于微弱盲信号去噪与提取的信号增强器及方法
CN106290564B (zh) 粮食声衰减系数测量系统及方法
CN112611444B (zh) 一种可精确定位的分布式光纤振动监测系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant