CN108603785A - 用于监视铁路网络的分布式光纤感测 - Google Patents

用于监视铁路网络的分布式光纤感测 Download PDF

Info

Publication number
CN108603785A
CN108603785A CN201680080747.XA CN201680080747A CN108603785A CN 108603785 A CN108603785 A CN 108603785A CN 201680080747 A CN201680080747 A CN 201680080747A CN 108603785 A CN108603785 A CN 108603785A
Authority
CN
China
Prior art keywords
train
signal
time window
data set
measuring signal
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
CN201680080747.XA
Other languages
English (en)
Other versions
CN108603785B (zh
Inventor
S.P.科尔
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.)
Optical Sensor Co
Optasense Inc
Original Assignee
Optical Sensor Co
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 Optical Sensor Co filed Critical Optical Sensor Co
Publication of CN108603785A publication Critical patent/CN108603785A/zh
Application granted granted Critical
Publication of CN108603785B publication Critical patent/CN108603785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B61L25/021—Measuring and recording of train speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/041—Obstacle detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/22—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in two directions over the same pair of rails
    • B61L23/30—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in two directions over the same pair of rails using automatic section blocking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L3/00—Devices along the route for controlling devices on the vehicle or train, e.g. to release brake or to operate a warning signal
    • B61L3/02—Devices along the route for controlling devices on the vehicle or train, e.g. to release brake or to operate a warning signal at selected places along the route, e.g. intermittent control simultaneous mechanical and electrical control
    • B61L3/06—Devices along the route for controlling devices on the vehicle or train, e.g. to release brake or to operate a warning signal at selected places along the route, e.g. intermittent control simultaneous mechanical and electrical control controlling by electromagnetic or particle radiation, e.g. by light beam
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请描述了用于使用光纤分布式声学感测（DAS）监视铁路网络、尤其是用于状况监视的方法和装置。一种方法涉及：取得（902）与来自至少一个光纤分布式声学传感器（100）的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器（100）具有被部署成监视所述铁路网络（201）的路径的至少部分的感测光纤（101）。所述第一数据集对应于随着火车（202）沿所述铁路网络的第一所监视区段通行而获取的测量信号。所述方法涉及：识别（903）所述火车经过所述第一所监视区段的速度；以及将所述第一数据集划分（904）成多个时间窗口。每一个时间窗口包含所述第一数据集的不同子集，其中时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间。针对每一个时间窗口，识别（905）任何适当时移并将该时移应用（906）于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号。然后在任何时移已经被应用之后对来自所述时间窗口的数据进行组合（907）以形成经对准的第一数据集；以及从经对准的第一数据集导出（908）特性火车信号。可以从经对准的第一数据集移除特性信号（1007）以留下剩余数据。可以对所述特性火车信号和/或剩余数据进行分析以用于状况监视。

Description

用于监视铁路网络的分布式光纤感测
技术领域
本申请涉及用于使用分布式光纤感测（尤其是分布式声学感测）监视铁路网络的方法和装置，并且更具体地，涉及用于对铁路基础设施和/或在网络上移动的交通工具进行状况监视的方法和装置。
背景技术
光纤分布式声学感测（DAS）是已知类型的感测，其中光纤被部署为感测光纤且利用电磁辐射而重复地询问以提供沿其长度的声学活动的感测。典型地，一个或多个输入辐射脉冲被发射到光纤中。通过分析从光纤内反向散射的辐射，可以将光纤有效地划分成可能（但不必须）邻接的多个分立感测部分。在每一个分立感测部分内，光纤的机械扰动（例如，由于入射声波所致的应变）导致从该部分反向散射的辐射的性质中的变化。该变化可以被检测和分析且用于给出在该感测部分处光纤的扰动的度量。因此，DAS传感器有效地充当光纤的声学感测部分的线性感测阵列。光纤的感测部分的长度由被应用于反向散射信号的处理和询问辐射的特性确定，但是典型地，可以使用大约几米至几十米左右的感测部分。
DAS已经被用在多个应用（诸如，线性资产（诸如，管线）的周边安全和监视）中。其中已提出可以采用DAS传感器的一个特定应用是在铁路网络的监视（例如，监视在铁路网络上移动的火车）中。
为了监视铁路网络，可以将感测光纤部署成总体上沿着铁路网络的一个或多个铁轨的路径而延伸。火车在这种铁轨上邻近于DAS感测光纤的移动将生成声信号/振动，其可以用于随着交通工具移动而跟踪该交通工具，从而沿着所监视的区段的整个长度连续地提供实时位置信息到几十米的分辨率。
对于这种铁路网络监视，DAS具有若干优势。可以应用DAS以在较长长度的光纤上提供许多感测通道，例如，可以在具有大约10m长的邻接感测通道的多达40km或更多的光纤长度上应用DAS。因此，可以使用单个DAS传感器来监视铁路网络的长伸展。对于大于40km左右的长度，可以以各种间隔部署若干DAS传感器单元，以提供运输网络的任何期望长度的连续监视。
感测光纤可以是标准电信光纤，且因而相对便宜。光纤可以是简单地与运输网络并排（例如，沿着边或者在窄通道中在轨道或道路下面）埋入的，且相对容易安装。光纤可以被包封在保护性外壳中（即，在线缆中），且可以在没有维护的情况下长时间幸存。因此，安装和维护成本是低的。在许多运输网络中，可能已经存在沿至少主要路线部署的光纤，并且这种现有通信基础设施可能包括可以用于DAS的冗余光纤。
通过由询问器单元生成的光脉冲来询问光纤，并且因此，仅对于询问器单元而言需要功率。
因此，在铁路网络设定中，DAS系统提供了下述能力：实现期望空间分辨率和覆盖范围两者，这在使用其他感测技术而实现时将是非常困难和高成本的，且虑及运输网络的实时监视和/或控制。
发明内容
因此，本发明的实施例涉及用于针对铁路监视的分布式光纤感测的方法和装置。
因此，根据本发明的一个方面，提供了一种监视铁路网络的方法，包括：
取得与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集导出特性火车信号。
因此，本发明的该方面的方法将来自与火车的通行相关的DAS数据的若干通道的数据中的一致信号识别为特性火车信号。为了识别该信号，考虑火车的速度，使得可以考虑来自不同DAS通道的测量信号，该不同DAS通道来自火车的相同部分的通行。然而已经领会，尽管可以整体上针对火车确定单个速度值，但火车的不同部分可能在不同时间处以不同速度移动，并且火车的车厢之间的耦合可能影响一致火车信号的识别。因此，该方面的方法如下面将更详细描述的那样处理时间窗口中的数据，以便将测量信号进行对准并允许跨DAS通道一致的特性火车信号被识别。
在一些实施例中，所述时间窗口彼此重叠。这可以帮助将时间窗口的经时间调整的数据重新组装成经对准的第一数据集。
所述特性火车信号可以是通过下述操作来导出的：对经对准的第一数据集的多个通道的测量信号进行求和，在一些实施例中，所述多个通道可以包括所述第一数据集的所有通道。
识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号的步骤可以包括：对所述通道中的至少一些的测量信号进行求和以形成导频信号；以及迭代地针对每一个通道，识别时移以将针对该通道的该测量信号对准到所述导频信号以及更新所述导频信号。
在一些实施例中，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号包括：应用至少第一和第二对准遍（pass）。第一对准遍可以被应用于已低通滤波的时间窗口中的测量信号。附加地或可替换地，第一对准遍可以被应用于已被处理到更低分辨率的时间窗口中的测量信号。第一对准遍可以用于确定被应用于第二对准遍之前的每一个时间窗口的通道的第一时移集合。可以在更高分辨率数据和/或更大频率范围的数据（例如，未滤波的数据）上执行第二对准遍。
所述方法可以包括：从感兴趣数据集中移除所述特性火车信号以留下剩余数据集。因此，剩余数据集表示环境对火车通行的刺激物的声学响应，这可以由轨道的响应主导，且还可以由任何不规则火车相关信号主导。因此，剩余信号可以提供与火车和/或轨道的状况或操作有关的有用信息。
所述感兴趣数据集可以是经对准的第一数据集。然而，在一些实施例中，所述感兴趣数据集可以包括经对准的第二数据集，经对准的第二数据集对应于来自至少一个光纤分布式声学传感器的多个通道的测量信号的第二数据集，所述测量信号是随着所述火车沿所述铁路网络的第二所监视区段通行而获取的，所述第二所监视区段已经被处理以将来自不同通道的测量信号进行对准。所述方法可以进一步包括：通过与用于经对准的第一数据集的过程类似的过程来形成经对准的第二数据集。因此，所述方法可以包括：取得所述第二数据集；识别所述火车经过所述第二所监视区段的速度；将所述第二数据集划分成多个时间窗口，每一个时间窗口包括所述第二数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的经过第二区段的火车速度相关的时间；针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；以及在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第二数据集。
在一些实施例中，从感兴趣数据集中移除所述特性火车信号可以涉及：从经对准的第一数据集中减去所述特性火车信号。所述减法可以是基于最小二乘的自适应减法。
所述方法还可以涉及：处理所述剩余数据集，以反转被应用以将来自不同通道的测量数据进行对准的任何时移。
在一些实施例中，基于所述特性火车信号将解卷积应用于所述感兴趣数据集，以留下所述剩余数据集。在一些实施例中，所述方法包括：基于作为源信号的所述特性火车信号将干涉成像技术应用于所述感兴趣数据集。
可以针对相同轨道区段相对于一个或多个先前获取的剩余数据集分析所述剩余数据集。这可以突出显示可指示关于轨道的问题的发生或可能发作的任何显著改变，和/或突出显示由于不规则火车信号所致的任何信号分量。可以将所述剩余数据集与至少一个参考轨道简档进行比较。所述参考轨道简档可以包括从先前火车通行获得的剩余数据集的平均值。附加地或可替换地，所述方法可以涉及：基于所述剩余数据集和所述一个或多个先前获取的剩余数据集来执行趋势分析。如所提及的那样，所述方法可以涉及：识别剩余数据中的任何火车相关信号分量。
除了分析剩余数据外或者取代分析剩余数据，所述方法可以包括：分析所述特性火车信号。可以将所述特性火车信号与针对该火车的一个或多个参考火车信号进行比较。这可以突出显示指示实际的或发展中的故障的改变。所述参考火车信号可以基于针对该火车的至少一个先前获取的特性火车信号。
在本发明的另一方面中，提供了一种监视铁路网络的方法，包括：
取得与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集中移除特性火车信号以留下剩余数据集。
因此，本发明的该方面的方法通过移除特性火车信号来提供针对轨道区段的剩余数据——该特性火车信号可以从该DAS数据或从其他DAS数据导出，如稍后将更详细描述的那样。
如上所提及，所述时间窗口可以彼此重叠。
在一些实施例中，所述特性火车信号是通过下述操作来导出的：对经对准的第一数据集的多个通道的测量信号进行求和。然而在一些实施例中，所述特性火车信号可以是已通过下述操作而导出的信号：分析与来自至少一个光纤分布式声学传感器的多个通道的测量信号的第二数据集相对应的第二数据集，所述测量信号是随着所述火车沿所述铁路网络的第二所监视区段通行而获取的，所述第二所监视区段已经被处理以将来自不同通道的测量信号进行对准。因此，所述方法可以包括：以与上面关于本发明第一方面描述的方式类似的方式根据所述第二数据集形成特性信号。因此，所述方法可以涉及：取得所述第二数据集；识别所述火车经过所述第二所监视区段的速度；将所述第二数据集划分成多个时间窗口，每一个时间窗口包括所述第二数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第二数据集；以及从经对准的第一数据集导出特性火车信号。
在这点上，识别任何时移并将该时移应用于针对通道的测量信号以便在被应用于所述第一数据集的时间窗口内基本上对准所述通道的测量信号的步骤可以进一步包括：将所述测量信号与所述特性火车信号进行对准。
如上面关于第一方面所讨论的那样，在时间窗口内对准数据可以涉及：应用至少第一和第二对准遍。
可以从经对准的第一数据集中减去所述特性火车信号，例如使用基于最小二乘的自适应减法。
所述方法可以进一步包括：处理所述剩余数据集，以反转被应用以将来自不同通道的测量数据进行对准的任何时移。
可以基于所述特性火车信号将解卷积应用于经对准的第一数据集，以留下所述剩余数据集。所述方法可以包括：基于作为源信号的所述特性火车信号将干涉成像技术应用于经对准的第一数据集。
如关于第一方面所指出的那样，可以针对相同轨道区段相对于一个或多个先前获取的剩余数据集分析所述剩余数据集。可以将所述剩余数据集与至少一个参考轨道简档进行比较，该至少一个参考轨道简档可以包括从先前火车通行获得的剩余数据集的平均值。可以基于所述剩余数据集和所述一个或多个先前获取的剩余数据集来执行趋势分析。
所述方法可以涉及：识别剩余数据中的任何火车相关信号分量。
方面还涉及一种计算机程序产品，包括非瞬变储存介质上的计算机可读代码，所述计算机可读代码包括用于使计算机装置执行第一方面的任何变型的方法和/或第二方面的任何变型的方法的指令。
方面还涉及一种铁路网络监视装置，包括：
存储器，用于存储与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；以及
处理器，被配置成：
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集导出特性火车信号。
在另一方面中，提供了一种铁路网络监视装置，包括：
存储器，用于存储与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；以及
处理器，被配置成：
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集中移除特性火车信号以留下剩余数据集。
可以实现根据上面描述的方法的任何变型进行操作的铁路监视装置。
铁路网络监视装置可以进一步包括用于获取所述第一数据集的至少一个光纤分布式声学传感器。
附图说明
现在将仅关于附图、作为示例来描述本发明，在附图中：
图1图示了光纤分布式声学传感器；
图2图示了被应用于监视铁路网络的分布式声学感测（DAS）；
图3图示了来自火车通行经过DAS传感器的示例DAS数据；
图4图示了时间窗口中的DAS数据的处理；
图5图示了时间窗口中的所确定的速度中与平均值的偏离的示例；
图6图示了在时移已经被应用之后的经对准的DAS数据；
图7图示了从经对准的DAS数据导出的特性火车信号的示例；
图8图示了在从经对准的DAS数据中移除所识别的特性火车信号之后的剩余数据的示例；
图9图示了根据实施例的从DAS数据导出特性火车信号的方法的流程图；以及、
图10图示了根据实施例的从DAS数据中移除特性火车信号的方法的流程图。
具体实施方式
本公开的实施例涉及使用分布式光纤感测以及特别地使用光纤分布式声学感测（DAS）来监视铁路网络。
如前所提及，DAS是已知技术，其中本文中被称作感测光纤的光纤被部署在感兴趣区域中且利用光学辐射加以询问，以便确定与影响光纤的各种感测部分的环境扰动有关的信息。
图1图示了DAS传感器100的一个示例。DAS传感器包括：光纤101，被设置为感测光纤，且直接通过某种合适连接（其可以是可移除连接）或在一些实例中间接地（例如经由中间光纤等等）在一端处光学耦合到询问器单元102。感测光纤101在长度上可以是许多千米，且在长度上可以是例如40km或更多。感测光纤可以是标准的未经修改的单模光纤（诸如在电信应用中惯常使用），而无需故意引入的反射站点，诸如光纤布喇格光栅等等。使用未经修改的长度的标准光纤以提供感测的能力意味着可以使用低成本容易可用光纤。然而，在一些实施例中，感测光纤可以包括已被制造或布置成对入射振动尤其敏感的光纤。典型地，感测光纤将形成光纤线缆结构的一部分，可能作为处于线缆内且可选地具有其他部件（诸如，被布置成定制对横向应变的响应的一个或多个加强或护卫元件）的一捆光纤之一。由于感测光纤典型地相对不昂贵，因此可以以相对永久的方式在位置中部署感测光纤，这是由于将光纤留在原地的成本不显著。例如，可以与铁轨并排在地中埋入感测光纤的至少部分。
在操作中，询问器单元102将相干询问电磁辐射发射到感测光纤中，该相干询问电磁辐射可以例如包括具有所选频率模式的一系列光学脉冲。光学脉冲可以具有如专利公开GB2,442,745或WO2012/137022中描述的频率模式，该专利公开的内容通过引用于此并入本文，尽管使用其他形式的脉冲式询问辐射或连续调制波的DAS传感器也是已知的且可以被使用。注意，如本文所使用，术语“光学”不限于可见谱，并且光学辐射包括红外辐射和紫外辐射。因此，询问器单元102包括用于产生询问辐射的至少一个激光器103和至少一个光学调制器104，在一个实施例中，该询问辐射可以包括通过已知光学频率差分离的多个光学脉冲。
如GB2,442,745或WO2012/137022中所描述，瑞利反向散射的现象导致被输入到光纤中的光的某一小部分被散射回到询问器单元，其中它被检测和处理以提供表示作用于光纤上的扰动的测量信号。由于询问辐射是相干的，因此在任何时刻处在询问器处接收回的瑞利反向散射是在光纤内从光纤中的特定位置生成的反向散射的干扰信号。将指出的是，该瑞利反向散射由询问辐射与存在于光纤内的固有散射站点之间的交互生成。因此，感测功能可以遍及整个感测光纤而有效地分布（尽管在时间箱（time bin）中对返回进行处理以提供来自光纤的各个感测部分的结果）。因此，这种传感器被称作分布式传感器或内在传感器，这是由于感测遍及光纤自身而分布且对光纤自身来说是内在的。这与使用了具有光纤布喇格光栅（FBG）或类似的故意引入的外在反射站点的光纤的传感器形成对照，在该传感器中，在所定义的区域中提供感测功能，典型地作为点式传感器。
散射站点遍及光纤的分布实际上是随机的，并且因此，反向散射干扰信号包括沿感测光纤的长度随机变化的分量。然而，一般地，在缺少作用于感测光纤上的任何环境刺激物的情况下，来自光纤的给定感测部分的反向散射的特性将对于接续询问而言相同（假定询问辐射的特性不改变）。然而，在光纤的区段上创建动态应变的环境刺激物（诸如，入射声波）将导致针对该感测部分的有效光学路径长度中的改变，具有来自该区段的反向散射干扰信号的性质中的因而发生的变化。该变化可以被检测且用于指示作用于感测光纤上的扰动的程度。
因此，询问器单元102还包括：至少一个光电检测器105，被布置成检测从光纤101内的内在散射站点瑞利反向散射的辐射。然而，应当指出，尽管在本发明的实施例中瑞利反向散射DAS传感器是非常有用的，但在本发明的一些实施例中，基于布里渊或拉曼散射的系统也是已知的且可以被使用。
来自光电检测器的信号由信号处理器106在与到感测光纤的所定义的感测部分的往返行进时间相对应的时间箱中处理。对时间箱中的每一个中的信号进行处理，以检测反向散射性质中的变化并生成针对每一个感测部分的测量信号。
在一些示例中，信号处理器基于被发射到感测光纤中的询问辐射的光学脉冲之间的频率差来对所返回的信号进行解调。询问器可以如例如GB2,442,745或WO2012/137022中所描述的那样或如WO2012/137021中所描述的那样进行操作。在一些实施例中，信号处理器还可以应用相位展开算法。
可以从来自光纤的各种区段的反向散射光导出测量信号的相位。光纤的给定区段内的有效光学路径长度中的任何改变（诸如，将由于导致光纤上的应变的入射压力波所致）将导致重复询问之间的所测量的相位中的改变。因此，作用于光纤上的动态改变因而可以在光纤的多个感测部分中的每一个中检测到。相位中的改变的幅度与光学路径长度中的有效改变相关，且因而指示感测光纤的该感测部分上的应变。
光学输入的形式和检测方法允许单个连续光纤被空间分解成分立的纵向感测部分。也就是说，在一个感测部分处感测到的声信号可以是基本上与在邻近部分处感测到的信号无关地提供的。光纤的感测部分的空间分辨率可以例如是约10m，对于比方说大约40km的连续光纤长度而言，这提供了沿光纤的40km部署的4000个独立声通道左右。可以在具有不同通道宽度的光纤上布置更多通道。
注意，术语“声学”应当意指可导致光纤上的应变的改变的任何类型的压力波或机械扰动，并且为了避免怀疑，术语“声学”应当被采取以包括超声波和次声波以及地震波或其他诱发振动。如本说明书中所使用，术语“分布式声学感测”或“DAS”将被采取以意指通过对光纤进行光学询问来进行感测以提供沿光纤纵向分布的多个分立声学感测部分，并且，应当相应地解释术语“分布式声学传感器”。
因此，来自询问器单元102的输出可以是针对相关感测光纤101的每一个感测部分的测量信号，其指示作用于该感测部分上的声信号或动态应变。各个感测部分还可以被称作DAS传感器的通道。询问器单元102的输出可以被传递到数据处理器107，数据处理器107可以被配置成针对各种通道分析测量信号。数据处理器107可以与询问器单元102协同定位或远离于询问器单元102。
为了监视铁路网络，可以将一个或多个感测光纤101部署成沿着铁路网络的部分的路径而延伸。图2图示了用于监视铁路网络的DAS传感器装置200。注意，如本文所使用，对监视铁路网络的引用应当被采取以意指监视铁路网络的至少部分，即，铁路网络的一个或多个铁轨的至少部分。图2图示了火车202可沿其行进的铁轨201的区段。图2图示了感测光纤101a和101b被部署以便总体上与所监视的轨道并排且在与轨道的相对恒定的分离处延伸，使得光纤局部地平行于轨道。这可以是方便的布置，这是由于感测光纤101的感测部分可以被直接映射到铁轨201的对应部分。感测光纤可以是以任何方便的方式沿轨道部署的，且可以例如与轨道并排地埋入，要么被直接埋在地中，要么被埋在轨道道床下，要么被埋在某种合适管道中。在其他实施例中，感测光纤的至少部分可以耦合到铁路自身。然而，在一些实例中，尤其是如果使用最初出于除DAS外的目的而安装的光纤，则光纤可以在某些位置处不平行于轨道而延伸和/或在某时可能存在光纤的环路或者光纤的一部分可能转向远离轨道。在这种情况下，对与轨道相关的光纤的相关感测部分的位置进行校准可能是必要的。如对DAS感测领域的技术人员来说将已知的那样，存在可完成这一点的各种方式。因此，DAS传感器的各个通道可以被映射到可具有彼此不同的长度的轨道区段，使得沿轨道以恒定速度移动的火车将显得跨DAS传感器的通道线性地移动。
在图2中图示的示例中，铁轨201的一部分由第一感测光纤101a的至少部分监视，并且铁轨201的另一部分由第二感测光纤101b的至少部分监视。感测光纤101a和101b可以被布置成提供轨道201的相对长区段的相对连续监视。感测光纤中的每一个连接到相应DAS询问器单元102a和102b，尽管在一些布置中，可以以时分的方式在不同感测光纤之间复用单个DAS询问器单元。在图2中图示的示例中，询问器单元102a和102b被布置为传感器站202的一部分，其中感测光纤101a和101b沿轨道201在相反方向上延展。这可以提供从单个传感器站对多达约80km轨道或更多的感测覆盖。数据处理器107可以位于传感器站处，以处理来自询问器单元102a和102b的数据。将领会的是，然而，图2图示了仅一个示例，并且，可以取决于所监视的特定铁路网络来实现各种不同布置。
在使用中，每一个DAS传感器可以被操作成监视铁路网络，例如，询问器单元102a询问相关感测光纤101a以提供DAS感测。火车220沿轨道201的移动将生成将传播到感测光纤且被DAS传感器检测到的各种动态应变，例如声信号。
由DAS传感器的任何给定通道检测到的声信号将取决于引起声信号的刺激物以及声信号行进到感测光纤所通过的路径。为了监视在铁路网络上移动的火车，在铁轨上移动的火车充当移动声源，并且到达任何给定感测部分的声信号将取决于火车的特性、火车正在其上移动的轨道和相关感测部分周围的环境。
已经领会，在声信号的由于火车的特性所致的那些方面与声信号的由于相关感测部分的局部环境所致的那些方面之间进行区分将是有用的。因此，本发明的实施例响应于火车通行经过铁路网络的相关区段而分析来自一个或多个DAS传感器的多个DAS通道的声信号，以识别与该火车相关联的特性信号。在一些实施例中，可以对火车的特性信号进行分析，以便确定与火车有关的信息和/或用于火车的状况监视的信息。附加地或可替换地，在一些实施例中，可以对来自一个或多个感测部分的声信号进行处理，以基本上移除与火车相关联的特性信号，以便提供由于局部环境和/或与火车相关的瞬态事件所致的声信号的指示。可以对由于局部环境所致的声信号进行分析，以便确定与局部环境有关的信息和/或用于局部环境（例如局部铁轨）的状况监视的信息。
在由DAS传感器监视的铁轨上行进的火车产生具有由于火车的编组而变化的分量的声信号。一般来说，存在来自给定DAS通道的测量信号的强度中随时间的变化，该变化由于火车的车厢的类型和/或分布所致。由与火车轨道并排的DAS传感器的通道检测到的测量信号可能展现出基于火车车厢的长度/轴距和火车经过该感测部分的行进速度而变化的信号分量。
已经发现，由于火车轨道是相对光滑的，因此由于火车的给定区段经过第一感测部分的移动所致的声信号可以合理地与通过火车的相同区段经过第二不同感测部分移动而生成的声信号一致，该第二不同感测部分沿轨道与第一感测部分在空间上分离。
因此，识别火车的特性信号可以包括：识别来自DAS传感器的多个通道的测量信号中的特性模式，其由于火车经过那些通道的通行所致。
随着火车沿轨道移动，火车的清楚地不同的部分将在不同时间处通行经过DAS传感器的不同通道。因此，为了允许在来自各种通道的测量信号中识别由于火车的相同部分所致的信号的分量，考虑火车的速度是必要的。然而，火车的速度可能随时间且在轨道的不同部分处变化。例如，当在轨道的上坡区段处通行经过光纤的第一感测部分时，火车可能比当在轨道的下坡区段处通行经过第二感测部分时更慢地行进，并且因此，与第二区段相比，火车可能耗费更长时间来通行经过第一区段。附加地，火车将典型地在多个所连接的单元处包括例如至少一个火车头和多个所连接的车厢。火车的各种单元通过具有某种依从性的耦合而连接。这意味着：各个车厢之间的间距可以在使用中在最大和最小分离之间变化，并且相同火车的不同部分可以在任何给定时刻处以彼此稍微不同的速度行进。这尤其可能是针对诸如可以用于例如货运/货物运输的相对长的火车的情况。这种火车在长度上可以是大约若干百米或甚至千米，并且在火车的总长度上，耦合的组合效果可能导致火车的不同部分的速度中的相对显著的差异。
图3图示了随着火车经过而由监视铁轨的第一区段的DAS传感器系统获取的示例数据。图3图示了包括随着火车通行经过第一轨道区段而从多个通道中的每一个随时间获取的测量信号的第一数据集。图3实际上是其中沿光纤的通道作为y轴且时间作为x轴的声学数据的强度以及由灰阶强度图示的测量信号强度的曲线图。（本领域技术人员将领会，黑白表示仅提供了从DAS传感器可用的数据的粗略表示）。在该示例中，数据来自DAS传感器的200个邻接通道，其中感测光纤是沿铁轨的路径部署的。每一个通道对应于来自在宽度上为10m的感测部分的数据，并且因此，这对应于来自2km长的轨道区段的数据——并且在该示例中，相关火车在长度上几乎是2km。图3中图示的时间段对应于约120秒。
火车正在该时段期间以近似19.25ms-1的速度移动。已经从图3中的数据中移除该速度分量，以将通道进行时间对准。换言之，如果来自每一个通道的数据对应于由该通道获取的数据的120s部分，则接续通道（在火车行进方向上的下游）的数据的所选部分的开始时间比前一通道的数据的开始时间晚与以指定速度行进通道宽度所耗费的时间相对应的量。
从图3中可见，来自每一个通道的测量信号展现了由火车通行经过相关感测部分导致的合理地清楚的重复分量。然而还可见的是，来自不同通道的测量信号不是完好对准的，这是因为火车的速度跨各种通道而变化。例如，针对由箭头301指示的（一个或多个）通道，可见的是，火车通行经过的总时间比针对由302指示的（一个或多个）通道的总时间短。因此，在与通道301相对应的轨道的点处，火车比在与通道302相对应的轨道的部分处相对更快地移动。这导致信号演进的定时中的变化，即，对于一些通道而言与其他通道相比数据的“伸展”或“挤压”。然而，信号演进中的变化的程度对于给定通道而言甚至不必要在整个时间段内，也就是说，一个通道可能在数据的仅子时段内展现出相比于另一通道的伸展。换言之，不仅可能从通道到通道存在速度中的变化，而且可能沿给定通道在数据中存在速度中的变化。
在一个实施例中，因此，对数据进行处理，以提供各种通道之间的时间对准。在一种方法中，如图4中所图示，在多个时间窗口中对数据进行处理，以在时间窗口内将每一个通道中的数据进行时间对准。图4图示了多个时间窗口401a-c可以被应用于数据以选择数据的子集。每一个时间窗口包括数据的不同子集，即，来自该多个通道的测量信号。时间窗口具有相对短的时间宽度（即，持续时间），且因而针对每一个通道包括针对短时间段的测量信号。针对每一个通道的相对短时段从一个时间窗口到下一个时间窗口而变化，但可以是重叠的，使得测量信号的至少部分可以在两个时间窗口中出现。时间窗口被选择成使得时间窗口中的针对每一个通道的测量信号应当对应于通行经过与相关通道相对应的位置的火车的相同区段。在该示例中，在数据已经被对准以计及一般火车速度的情况下，时间窗口因而跨越针对每一个通道的相同的经调整的时间段。然而，针对一般火车速度的对准可能不必然作为分离的步骤而进行，并且，可以利用通道之间的合适延迟填充时间窗口，从而形成时间窗口。在两种情况中的任一种情况下，数据集被划分成多个时间窗口，其中时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间。然后，对该时间窗口中的数据进行处理，以在时间窗口内提供各种通道之间的时间对准。
时间窗口的持续时间被选择为相对短，使得火车的速度很可能在该时段内基本上恒定，即，在时间窗口内不存在来自给定通道的测量数据中的显著速度变化。因此，关于每一个时间窗口，可以假定针对给定通道的火车的速度是恒定的，尽管在现实中，可能仍然存在某种小速度变化。然而，时间窗口的持续时间应当足够长以包括可对准的测量信号中的可识别变化。图3中图示的信号中的变化由火车的各种车厢或单元的通行导致，因此，时间窗口应当足够长以虑及若干车厢的通行。时间窗口可以例如对于三个或更多个火车车厢或者四个或更多个火车车厢的通行而言足够长。在一些实例中，时间窗口可以足够短以使得不多于15个或可能不多于10个车厢在时间窗口的持续时间中通行经过给定感测位置。在一些实施例中，如果火车由n个分离单元（例如火车头、车厢等）构成，则时间窗口的数目可以是大约n/4。就所要求的处理而言，非常短的时间窗口的使用还将在计算上昂贵。
对来自各种通道的数据进行处理，以便在时间窗口内与来自其他通道的数据时间对准。实质上，对于时间窗口内的通道，对数据进行分析，以确定要在该窗口中被应用于来自该通道的数据的时间错位（slip），其会将各种通道中的测量信号变化进行时间对准。
为了在时间窗口中将数据进行对准，可以对来自多个通道的数据进行求和以产生导频信号。在一些实施例中，对时间窗口中的所有通道进行求和以产生导频信号，但在一些实施例中，可以使用通道中的仅一些以形成初始导频信号，例如可能在应用用于识别具有高信噪比的通道的某种质量度量或者良好质量信号的某种其他特性之后。一旦初始导频信号被形成，就可以将来自每一个通道的信号与导频信号进行互相关，以确定会最佳地将来自该通道的信号与导频信号进行对准的时移。然后更新导频信号——通过减法来移除该特定通道对导频信号的贡献，然后在新时移处将来自该通道的信号添加回到导频信号中。该过程针对所有通道迭代地继续进行，且可以被迭代若干次。在一些实施例中，对准过程可以被迭代，直到信号已经被最优地对准为止。当接续迭代不改变时移时，信号可以被视为最优地对准。然而在一些实施例中，对准过程可以出于计算原因而包括所设定的数目的迭代。
一旦每一个时间窗口中的数据已经被对准，就可以将各种时间窗口重新组装成经对准的数据集。
传统地，时间窗口可以如图4中图示的那样重叠，图4图示了三个接续的时间窗口。可见，时间窗口401b与时间窗口401a重叠，并且时间窗口401c与时间窗口401b重叠。这帮助了跨各种时间窗口的数据的对准，这些时间窗口可以以加权的方式加以组合。如果非重叠的时间窗口被使用，则在两个邻近时间窗口中应用的时移可能导致经重新组装的数据中的间隙。在一些实施例中，重叠的程度可以是大约50%，比如35%-55%，含35%和55%。也就是说，给定时间窗口的大约50%可以与邻近时间窗口重叠，尽管在一些实施例中，可以实现不同的重叠量，例如小于50%。应当指出，图4中图示的时间窗口仅用于解释，而不必然对应于可在实践中使用的时间窗口的持续时间。而且，纯粹为了清楚，将时间窗口图示为在垂直方向上交错，这不暗示时间窗口必然被应用于不同通道。使用时间窗口的数目被选择为大约n/4（其中n是车厢的数目）的上面描述的示例，那么对于具有100个车厢的火车和重叠50%的时间窗口，每一个时间窗口可以对应于约7-8个车厢的通行的时间。
在对数据重新组装时，可以将权重应用于重叠时间窗口中的每一个，以便在没有由于窗口化过程所致的振幅中的变化的情况下重构信号。所使用的权重可以取决于窗口的大小和重叠量。在一些实施例中，权重可以是使用最小二乘优化方案来确定的，例如，如其内容通过引用于此并入本文的Claerbout, J., 2014, “Geophysical image estimationby example”所描述。
注意，每一个时间窗口可以包括希望从其导出和/或减去特性火车信号的DAS数据的所有通道。因此，如图4中所图示，每一个时间窗口可以包括针对200个DAS通道中的每一个的数据的短时段。然而在一些实施例中，时间窗口可以均包括感兴趣通道中的仅一些。可以使用重叠时间窗口的相同一般原理。例如，时间窗口401a-c中的每一个可以被分割成多个不同时间窗口，该多个不同时间窗口覆盖数据的相同时间段但针对数据通道中的仅一些。例如在具有200个感兴趣数据通道的图4的示例中，时间窗口401a可以被划分成三个分离时间窗口，每一个覆盖相同时间段，但具有包括通道1-100的第一窗口、包括通道51-150的第二窗口和具有通道101-200的第三窗口。将通道划分成不同时间窗口可以使计算要求变容易。附加地，限制在任一个时间窗口中处理的通道的数目可以有助于确保对准过程是将由于火车的相同部分通行经过相关感测部分所致的信号进行对准。
在一些实施例中，时间窗口中的测量信号的对准可以包括多个阶段，即，可以存在对准的多遍方案。在一个实施例中，第一对准可以被应用于测量信号的低频分量。感兴趣的特性火车信号将典型地具有强的相对低频分量，例如大约1-2Hz左右。因此，初始至少查看低频数据可以帮助将感兴趣信号进行对准。传统地，第一对准可以被应用于测量信号的低分辨率版本。换言之，初始对准可能相对粗，这可能降低将不相关特征进行对准的机会。一旦初始对准完成，就可以执行关于更高分辨率数据的第二遍，以稍稍调整对准并提供期望准确度。该第二遍可以是使用更大频率范围的数据来执行的。
因此，在一些实施例中，对准可以包括：对数据进行低通滤波；以及针对第一对准遍，在时间窗口中将经低通滤波的数据进行对准。在一些实例中，可以抽取（decimate）针对第一对准的数据。基于第一对准，可以确定针对各种通道的一些初始时间错位。这些初始时间错位可以被应用于时间窗口中的未滤波的测量信号，并且然后，可以执行第二对准。
如上所描述的那样在时间窗口中处理了图3中图示的数据，以确定针对各种通道的合适时移。这提供了该时间窗口内的针对该通道的火车相对于火车其余部分的相对速度变化的指示。图5图示了各种时间窗口中的针对数据的各种通道的相比于平均速度19.25ms-1的速度变化的曲线图。能够如相对较快的火车移动的区域502所能够识别的那样识别相对较慢的火车移动的区域501。然而，整体上示出了火车速度可以在通道内以及跨通道相对显著地变化。
一旦已经在每一个时间窗口中针对每一个通道发现合适时移，就可以将该时移应用于数据并且可以将来自所有通道的经时移的数据重新组装成单个数据集。
图6图示了在已经如上所描述在时间窗口中被处理以将来自各种通道的测量信号进行对准且然后被重新组装之后的来自图3的数据。可见，跨数据通道的信号中的变化的对准被显著改进。实际上，数据已经被校正以计及火车的跨通道以及还在通道内随时间的速度变化。
在已经以该方式将跨通道以及通道内的数据进行时间对准的情况下，可以将专用于火车自身的信号识别为跨显著数目的数据通道一致的信号。
可以以各种方式确定专用于火车的该一致信号，但在一个简单实施例中，可以对跨所有通道的数据进行求和以提供本文中将被称作特性火车信号的信号。图7图示了通过对来自所有通道的数据进行求和而形成的因而产生的声信号，即，特性火车信号。
如所提及的那样，因此，该特性火车信号是指示随着火车通行经过多个DAS通道而由火车产生的一致信号的信号。在一些实施例中，该特性火车信号可以被用作针对该火车的火车简档，且被分析以提供与特定火车有关的信息，且可以对于状况监视而言特别有用，如下面将更详细描述的那样。
附加地或可替换地，在知道由于火车所致的一致信号分量的情况下，可以分析在火车的通行期间获取的DAS测量信号，以提供与环境对由火车供给的声学刺激物的响应有关的信息和/或识别火车信号中的任何瞬变信号。
在一些实施例中，可以从来自一个或多个DAS感测通道的测量信号中移除（例如，减去）特性火车信号，以便留下声信号的排除一致特性火车信号的分量。然后，可以如上所指出的那样分析这种减法后的测量信号（其可以被称作剩余信号），以提供与包括铁轨的相关感测部分的环境有关的信息和/或提供与DAS数据中的瞬态声信号（即，不在特性火车信号中一致地出现的不规则信号分量）有关的信息。
在一些实施例中，因此，可以从在火车的通行期间获取的来自DAS通道中的至少一些的数据中减去所识别的特性火车信号，例如，图7中图示的所隔离的信号。
可以以各种不同方式执行减法。在一个实施例中，特性火车信号可以由针对相关通道的适当振幅扩缩因子扩缩（例如，通过假定所经历的峰值到峰值变化指示特性火车信号），并且然后可以执行减法。减法可以是自适应减法，例如基于最小二乘类型方案以便优化减法中的残数。自适应减法确定适当扩缩因子，使得当在给定通道处从数据中减去经扩缩的特性火车信号时，针对该通道的结果具有最小残余能量。换言之，自适应减法将特性火车信号的振幅与每一个通道中存在的信号进行匹配。以该方式，最优地从每一个通道中减去特性火车信号。这种技术已经被应用在诸如地震学之类的其他领域中，以从感兴趣数据中减去已知信号，并且，可以应用类似技术，例如如下述各项中的任一项中所描述：
Spitz, S., 1999, Pattern recognition, spatial predictability, andsubtraction of multiple events: The Leading Edge, 18, 55-58；
Haykin, S., 2001, Adaptive filter theory: Prentice Hall；
Abma, R., N. Kabir, K.H. Matson, S. Mitchell, S. Shaw and B. McLain,2005, Comparisons of adaptive subtraction methods for multiple attenuation:The Leading Edge, 24, 277-280；
它们的内容通过引用于此包括在本文中。
应当指出，自适应减法的类似方法可以被应用于信号谱，使得可以在不关注通道灵敏度的情况下从通道到通道观察谱差异。这可以被应用于功率谱和平方谱包络两者。在谱自适应减法之前数据的对准在该情况下也是有益的，这是由于其应当将任何谱分量进行对准，从而优化谱差异。
图8图示了在已经从所有数据通道移除特性火车信号之后（即，在已经从图6中图示的数据中减去特性火车信号之后）的经时间对准的剩余数据。可见，由于火车所致的规则变化已经被移除，但各种相干数据特征保持处于与相关感测部分的局部环境的特征相对应的数据中。对这种信号的一个显著贡献因素将是铁轨对火车通行的刺激物的响应。可见，在数据中存在通过火车通行时段在数据的某些通道处清楚地一致的特征。
将领会的是，图8中图示的剩余数据基于被时间调整以提供由于火车所致的信号分量的对准的各种DAS通道的数据。这种时间调整是对补偿火车的速度变化来说有用的。尽管在一些实例中可以使用该经时间调整的剩余数据来执行至少某种有用分析，但在至少一些实例中，附加地或可替换地，处理该剩余数据以反转在对准步骤期间应用的时移可以是有用的。结果将是来自每一个传感器通道的声信号到火车通行的实时演进的指示，但排除了一致特性火车信号自身。
可以对在特性火车信号已经被移除之后的剩余信号进行分析，以提供与局部环境有关的信息。实际上，剩余数据提供了局部环境对火车通行的刺激物的响应的指示。由任何给定感测部分检测到的对火车通行的声学响应可以取决于多个因素，包括感测光纤如何声学耦合到铁轨，例如直接附着或并排埋入，但是，响应的显著部分将由于该位置处的铁轨及其状况所致。
因此，可以对如上针对轨道的给定位置而描述的那样产生的剩余数据进行分析，以提供与铁轨的状况和/或该位置处的更宽环境有关的信息。在一些实施例中，因此，可以如上所讨论的那样处理随着火车沿感兴趣轨道区段通行而获取的与该轨道区段相对应的DAS测量数据，以减去与火车相对应的特性火车信号并留下某种剩余数据。
在一些实例中，可以获得和使用针对给定轨道区段的剩余数据以确定轨道参考简档。如所提及的那样，剩余数据指示相关轨道区段的响应，其中火车自身的影响被移除。可以从火车在相关轨道区段上的若干通行获得轨道简档。在一些实施例中，可以以某种方式（例如，通过求平均）获得和组合来自相同火车在给定轨道区段上的若干通行的剩余数据以提供参考简档，尽管在一些实例中可以使用来自不同火车的通行的剩余数据以形成参考简档。简档可以例如是针对与相关轨道区段相对应的DAS传感器的一个或多个通道的经组合的剩余数据而获得的单个值。在一些实例中，可以对经组合的剩余数据进行阈值化，以提供针对每一个通道或针对通道组的值。例如，经求平均的数据值可以基于其关于若干预定义阈值位于何处而被分配值，和/或可以获得值的比率以提供包括值集合的参考简档，该值集合中的每一个值对应于轨道的不同部分。
这种参考简档将利用单个值集合表示针对给定轨道区段的铁路状况的某种测量结果。一旦参考轨道区段简档是可用的，则可以将来自后续火车通行的新剩余数据与现有简档进行比较，以检测任何异常或相对显著的变化。在一些实施例中，可以对来自当前火车通行的数据进行阈值化，以用于与参考简档进行比较和/或相关。以该方式进行的阈值化意味着：由于不同环境状况等所致的剩余数据中的小变化可能不会导致简档中的任何显著可检测改变，而显著变化会呈现异常。如果在沿轨道的特定位置处检测到异常，则可以触发警报。可以存在取决于针对一次通行的剩余物与相关轨道区段简档之间的差异的警报级别。
应当指出，特性火车信号自身不必须是使用来自该感兴趣轨道区段的DAS数据来确定的。由DAS传感器监视的一些轨道区段可以出于各种原因而提供将提供特性火车信号的相对差评估的DAS测量信号。例如，一些轨道区段可能具有感测光纤与轨道之间的差声学耦合，或者可能遭受共振或某种其他噪声因素。在某种轨道区段中，可能存在铁轨的感测光纤之间的良好声学耦合，但由火车生成的大信号可能导致来自这种感测部分的测量信号的过度扩缩，这可能破坏感兴趣低频信号。因此，出于确定特性噪声信号的目的，一些轨道区段将比其他区段提供更好的信噪比（SNR）。
对于任何轨道区段，可以执行（可能周期性地）某种分析或校准过程，以确定使用上面描述的方法提供特性火车信号的一致估计的那些轨道区段。然后可以使用仅来自提供最高质量日期的轨道区段的DAS数据来确定针对沿轨道通行的任何火车的特性火车信号。然后可以从针对感兴趣的且相关火车穿过的任何轨道区段的DAS数据中减去已被识别的特性信号。
一般地，因此，这里描述的技术提供了一种用于识别特性火车信号的方法。该特性火车信号自身可以有利地用于提供与火车有关的信息，和/或其可以用于从DAS数据中移除火车的一致影响——不论DAS数据是否用于导出特性火车信号或者从经过不同的所监视的轨道区段的火车通行获取的其他DAS数据。可以对所得剩余数据进行分析，以提供与轨道有关的信息或不规则火车相关信号。
图9图示了导出特性火车信号的方法的流程图的一个示例。如上所提及，在一些实例中，可以存在初始步骤901：识别具有对于估计特性轨道信号而言有用的良好SNR的至少一个区域。这可以作为初始校准而进行一次，或者周期性地进行，或者可能通过分析来自沿长轨道区段的火车行进的DAS数据而进行以识别具有良好SNR的区域。然后可以获取902与经过该第一区域的火车通行相对应的DAS数据。在一些实施例中，该方法可以包括操作一个或多个DAS传感器以获取数据，但该方法还适用于先前获取的DAS数据的处理，在该情况下，该步骤可以仅仅是识别适当的预先存在的数据集。可以在步骤903处通过火车的移动的知识或通过分析DAS数据来识别经过该区域的一般火车速度。火车的速度可以通过该区域而改变，并且，这可以被考虑。然后，基于一般火车速度将DAS数据划分904成时间窗口，换言之，如前所讨论的那样，作出针对一般火车速度的调整并且形成时间窗口。在每一个时间窗口中，针对DAS数据的每一个通道确定905时移，以在该时间窗口中将数据进行对准。然后应用906该时移，并且将时间窗口重新组合907成单个数据集。从经重新组合的经时间对准的数据集，可以导出908特性火车信号，例如通过对数据进行求和。在某种实施例中，可以如下面将讨论的那样分析909该特性火车信号。
图10图示了导出剩余数据的方法的流程图的一个示例。图10的方法的步骤中的至少一些可以是图9的方法的那些步骤所共有的，其中相同数据被用于导出特性火车信号并产生剩余数据——但如所提及的那样，可以使用利用不同数据而导出的特性火车信号将图10的方法应用于数据。在步骤1001处，获取与经过感兴趣区域的火车通行相对应的DAS数据。如关于图9所讨论的那样，在一些实施例中，该方法可以包括操作一个或多个DAS传感器以获取数据，但该方法还适用于先前获取的DAS数据的处理，在该情况下，该步骤可以仅仅是识别适当的预先存在的数据集。以与上面讨论的方式类似的方式，可以在步骤1002处识别经过该区域的一般火车速度，并且可以基于一般火车速度将DAS数据划分1003成时间窗口。
在每一个时间窗口中，针对DAS数据的每一个通道确定1004时移，以在该时间窗口中将数据进行对准。如果已经从来自另一轨道区段的某种其他DAS数据导出特性火车信号，则时间对准可以将时间窗口中的来自每一个通道的信号对准到所识别的特性火车信号，以便提供该通道处的火车速度与对应于特性火车信号的火车速度之间的速度校正。
然后应用1005时移并且将时间窗口重新组合1006成单个数据集。然后可以移除1007特性火车信号（不论是否从该数据导出）。这将仅留下与该轨道区段的声学响应和关于火车自身的任何不规则信号相对应的针对该轨道区段的剩余数据。然后可以处理1008如上所讨论的该剩余数据以移除来自给定通道的数据内的任何时移的影响，即，重新被划分成相同时间窗口、反转的时移被应用以及数据被重新组合。
因此，来自给定轨道区段的所得剩余数据可以被视为具有下述分量：该分量表示铁轨和周围环境此时对火车通行的声学响应。在一些实施例中，可以相对于针对给定轨道区段的一个或多个先前获取的剩余数据而分析1009针对相同轨道区段的剩余数据，以确定任何显著差异。在一些实例中，剩余数据中的显著改变可以指示该区段中的轨道的性质中的改变，其可以指示关于轨道的问题的发生或可能发作。
因此，在一些实施例中，在火车在给定轨道区段上的每一次通行之后，可以获取并相对于参考简档而分析针对该轨道区段的剩余数据。参考简档可以对应于在一次或多次先前火车通行期间获取的数据。在一些实施例中，参考简档可以包括针对每一个DAS传感器通道或通道组的单个导出值。
在一些实施例中，该方法可以将新获取的数据与参考简档进行比较。参考简档可以例如包括从先前火车通行获得的剩余数据的平均值。如果该比较指示新获取的剩余数据类似于该简档（例如，在某些所定义的限制内），则其可以用于更新参考简档。然而如果在新获取的剩余数据与简档之间存在显著差异，则这可以指示关于相关轨道区段的可能问题，例如故障的发生或可能发作。在该情况下，可以生成某个种类的报警或警报，例如，用于将检查组派遣到相关区域的报警和/或用于采取措施（诸如，减少区域中的速度限制）的警报。可以执行新获取的数据与参考简档之间的相关，以突出显示差异的区域。
在一些实例中，给定轨道区段对火车通行的响应对于在该轨道区段上通行的任何火车而言基本上相同。因此，对于任何火车的任何通行，可以确定轨道的声学响应并将其与参考简档进行比较。然而在一些实例中，响应可以取决于火车的类型，在该情况下，可以存在针对给定轨道区段的不同参考简档，每一个参考简档对于给定火车或给定类型的火车或者已被确定成导致相同一般响应的火车集合而言是适当的。
给定轨道区段对火车通行的声学响应还可以取决于其他因素，诸如盛行的环境状况。例如，对不同火车的通行的响应可能在冬天相比于夏天不同，或者由于环境温度或最近降雨量而不同，等等。因此，可以存在与不同环境状况相对应的不同简档，或者可以以已知的方式调整参考简档以计及在DAS数据被/曾被获取时盛行的环境状况。
因此，分析可以识别新获取的不同数据与适当参考简档之间的任何显著差异，并指示轨道或周围环境的状况可能已经改变到显著的程度。然而在一些实施例中，可以对来自若干火车通行的数据进行分析，以执行趋势分析，以便识别可作为给定位置中的轨道的状况中的进行中的改变的指示的任何趋势。趋势分析可以对来自若干火车通行的剩余数据进行分析，以识别数据中的任何趋势。来自一个或多个给定感测部分的数据中的特定趋势或者具有高于某个限制的改变速率的趋势或升高的趋势可以是关注的原因且用于触发各种报警。这种趋势分析可以被用作预防性维护系统的一部分，且可以在失效发生之前提供给定位置中的轨道的恶化的指示。
在一些实施例中，预测可以被应用于所获得的剩余数据，例如，可以应用线性预测，例如使用卡尔曼滤波器或预测误差滤波器等等。预测误差滤波器可以实际上维护给定轨道区段的声学响应的模型并对响应如何改变进行建模。可以将任何新数据与预测进行比较以查看其是否匹配。
以该方式对剩余数据的分析对于多个不同状况监视和预防性维护功能而言可以是有用的。该方法可以例如用于监视下述各项的状况：
铁路自身，例如，断轨的检测或预测；
铁轨的道床，例如，移动的道床的检测或预测；
轨枕，例如，枕木的退化或移动；
轨夹，使铁路就位；
点的状况；
诸如桥、隧道、站台、路堤等之类的更宽铁路网络基础设施的状况。
在一些实例中，通过移除特性火车信号而产生的剩余数据还可以包括与火车而不是轨道或更宽的环境相关的分量，但其对平均或规则火车信号来说是不同的，且因而不形成特性火车信号的一部分。将剩余数据与根据多次火车通行形成的参考简档（其不会包括任何这种瞬态火车信号）进行比较可以用于识别这种不规则火车相关分量。附加地或可替换地，与关于局部环境的响应的那些信号形成对照，可以在火车相关的剩余数据中的信号之间鉴别如所讨论的预测误差滤波器的使用。
在一些实施例中，因此，可以对剩余数据进行分析以检测剩余数据的这种火车相关分量。可以对任何这种所识别的火车相关分量进行分析，以提供与火车及其操作或状况有关的信息。
例如，考虑铁道车厢之间的特定耦合的减震（shock damping）已经或正在失效，使得当火车的相关部分减速或加速时，两个车厢相撞并相对重地分离。这可能导致生成间或的声学碰撞音。这种碰撞可以是不规则的，且因而不被识别为特性火车信号的一部分，且由此会在剩余数据上显现。这些可以被识别为火车相关的，而不是由于局部环境所致，这是由于它们可能仅出现在针对该特定火车的剩余数据中，并且这种声音的实例也会以与火车速度相关的速度在DAS剩余数据的通道之间移动。因此，在剩余数据中识别这种信号可以指示关于火车的该部分的问题。
可根据剩余数据确定的一个特定火车相关特征可以是减速和/或加速力如何传播通过火车。如果火车开始制动以减速，则其趋向于开始从前面制动，并且通过火车车厢向后传播制动力，其中制动力也被施加在铁路上。这会创建有效的向后传播的声信号，该声信号似乎会相比于火车的参考框架向后行进。由此，该信号不会形成特性火车信号的一部分，但可以作为剩余数据中的传播的声学特征而清楚可见。该信号在火车和/或轨道的各种部分中的相对强度以及其如何传播可以提供与例如在火车上施加的力或应力以及车厢的耦合和制动的状态有关的有用信息。这种信息对于火车和轨道的总体状况监视或预防性维护而言可以是有用的，但也可以在通知火车应当如何行进通过给定轨道区段时有用，以减小火车及其部件上的不必要应力。
剩余数据还可以允许识别火车的部分的轴蛇形摆动（axle hunting）的发作。如果特性火车信号是基于如DAS通道所检测到的信号分量来导出的、其中火车未展现出轴蛇形摆动或者仅最小轴蛇形摆动发生，则一些通道中的轴的横向振荡的发作可以显现为剩余数据中的空间维度上的振幅调制。
线性预测也可以被应用于在剩余数据中检测到的任何火车相关信号。
应当指出，上面的讨论已经聚焦于从DAS数据中减去特性火车信号以提供剩余数据。然而在一些实施例中，可以以其他方式有效地从DAS数据中移除特性火车信号。例如，在一些实施例中，可以基于特性火车信号将解卷积应用于DAS数据。这更多地提供了与环境对火车通行的刺激物的声学响应有关的更多信息。
在一些实施例中，特性火车信号可以实际上被视为针对周围环境的声学点源刺激物。在这种情况下，可以基于特性火车信号将干涉成像技术应用于DAS数据。各种干涉成像技术从诸如地震学之类的其他领域中已知，且可以被应用于DAS数据以提供铁轨周围的环境的成像。
如前所指出的那样，附加地或可替换地，特性火车信号自身可以用于提供与火车有关的信息。如关于图9所指出的那样，可以分析909特性火车信号。
特性火车信号可以实际上被视为该特定火车的标志或简档。这种火车标志或简档可以用于确定一个或多个火车性质和/或火车性质中的改变。在一些实施例中，因此，可以确定针对给定火车的特性火车信号并将其与针对该火车的一个或多个参考火车信号进行比较。至少一个参考火车信号可以包括针对该特定火车的先前获取的特性火车信号（即，先前火车简档），或者从针对该火车的一个或多个先前获取的特性火车信号导出。
因此，例如，对于在相对长的长度的轨道上行进的火车，可以从DAS数据的多个集合中的每一个产生特性火车信号，DAS数据的每一个集合是随着火车在不同时间处沿不同轨道区段通行而获取的。然后可以对所获得的特性火车信号进行分析，以确定是否存在特性火车信号中随时间的任何显著改变。实际上，从最早获取的DAS数据导出的特性火车信号可以被用作初始参考火车信号。特性火车信号中的显著改变可以指示火车的性质中的改变，其可以指示关于火车的问题的发生或可能发作。
例如，考虑火车在沿火车的特定位置处（即，在火车的特定车厢处）发展成一个或多个车轮磨平。本领域技术人员将理解，车轮磨平表示火车车轮的形状的畸变。车轮磨平可能导致车轮随着其转动而撞击铁路，这清楚地将对由火车的该部分随着其行进而生成的声信号有影响。因此，车轮磨平的发展可能导致来自火车的对应区段的声信号的模式中的改变。通过检测与火车的某个位置相对应的特性火车信号中的改变，检测这种故障的发生或发作可以是可能的。当然，将领会的是，车轮状况仅是可在使用中以可影响特性火车信号的方式变化的火车性质的一个示例，并且其他性质可以包括车轮组的其他方面，例如，类型、轴承或轴状况、或者例如车厢之间的耦合的状况。
应当指出，如上所描述的那样产生的特性火车信号是以某个速度行进的火车的信号特性。因此，将特性火车信号和/或参考信号扩缩到公共速度以用于分析（例如，比较）可能是必要的。这可以是相对简单的时间扩缩，这是由于如上所讨论的那样产生的特性火车信号是以下述方式产生的：该方式意味着整个特性火车信号对应于基本上相同的速度。在一些实施例中，所确定的特性火车信号可以被扩缩以对应于预定速度，或者被处理以提供速度无关火车简档。然而在一些实例中，特性火车信号的对于火车的状况监视而言感兴趣的至少一些方面可能不是真正速度无关的，并且因此，可能有用的是，基于火车在该时间处的速度来确定特性火车信号且然后将其与对该速度来说适当的参考火车信号进行比较。因此，可以存在与火车的不同速度带相对应的不同参考火车信号。如果特性火车信号不显著改变，则在一些实施例中，可以对各种所获取的特性火车信号进行组合以形成针对该火车的参考火车信号。可以使用该火车在相同或不同轨道区段上的后续通行，以形成可与用于火车的进行中的状况监视的参考进行比较的新特性火车信号。
在一些实施例中，针对各种火车的特性火车信号还可以用于帮助识别和/或跟踪铁路网络上的不同火车。
在一些实施例中，附加地或可替换地，可以对特性火车信号进行分析，以检测一个或多个预定义感兴趣标志的存在或不存在。影响火车的一些状况（例如诸如车轮磨平的存在）可能被预期导致特性火车信号中的某个所定义的标志，例如，与火车速度相关的频率处的重复分量。因此，特性火车信号中的这种标志的检测可以发信号通知火车已经或正在发展感兴趣性质，其可以用于发信号通知某种动作，从调度维护检验到发信号通知相关火车应当从操作中退出。
应当指出，上面提及的实施例说明而非限制本发明，并且本领域技术人员将能够在不脱离所附权利要求的范围的情况下设计许多可替换实施例。可以将来自各种实施例的特征进行组合并一起使用，除了在以其他方式明确指示的情况下。词语“包括”不排除存在除在权利要求中列出的那些元件或步骤外的元件或步骤，“一”或“一个”不排除多个，并且单个特征或其他单元可以履行在权利要求中记载的若干单元的功能。权利要求中的任何参考标号或标签不应当被理解为限制它们的范围。

Claims (49)

1.一种监视铁路网络的方法，包括：
取得与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集导出特性火车信号。
2.如权利要求1所述的方法，其中所述时间窗口彼此重叠。
3.如权利要求1或权利要求2所述的方法，其中所述特性火车信号是通过下述操作来导出的：对经对准的第一数据集的多个通道的测量信号进行求和。
4.如前述任一权利要求所述的方法，其中识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号包括：对所述通道中的至少一些的测量信号进行求和以形成导频信号；以及迭代地针对每一个通道，识别时移以将针对该通道的该测量信号对准到所述导频信号以及更新所述导频信号。
5.如前述任一权利要求所述的方法，其中识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号包括：应用至少第一和第二对准遍。
6.如权利要求5所述的方法，其中所述第一对准遍被应用于已低通滤波的时间窗口中的测量信号。
7.如权利要求5或权利要求6所述的方法，其中所述第一对准遍被应用于已被处理到更低分辨率的时间窗口中的测量信号。
8.如权利要求6或权利要求7所述的方法，其中所述第一对准遍用于确定被应用于第二对准遍之前的每一个时间窗口的通道的第一时移集合。
9.如前述任一权利要求所述的方法，进一步包括：从感兴趣数据集中移除所述特性火车信号以留下剩余数据集。
10.如权利要求9所述的方法，其中所述感兴趣数据集包括经对准的第一数据集。
11.如权利要求9所述的方法，其中所述感兴趣数据集包括经对准的第二数据集，经对准的第二数据集对应于来自至少一个光纤分布式声学传感器的多个通道的测量信号的第二数据集，所述测量信号是随着所述火车沿所述铁路网络的第二所监视区段通行而获取的，所述第二所监视区段已经被处理以将来自不同通道的测量信号进行对准。
12.如权利要求11所述的方法，进一步包括通过下述操作来形成经对准的第二数据集：
取得所述第二数据集；
识别所述火车经过所述第二所监视区段的速度；
将所述第二数据集划分成多个时间窗口，每一个时间窗口包括所述第二数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的经过第二区段的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第二数据集。
13.如权利要求9至12中任一项所述的方法，其中从所述感兴趣数据集中减去所述特性火车信号。
14.如权利要求13所述的方法，其中所述减法是基于最小二乘的自适应减法。
15.如权利要求9至14中任一项所述的方法，包括：处理所述剩余数据集，以反转被应用以将来自不同通道的测量数据进行对准的任何时移。
16.如权利要求9至12中任一项所述的方法，其中基于所述特性火车信号将解卷积应用于所述感兴趣数据集，以留下所述剩余数据集。
17.如权利要求9至12中任一项所述的方法，包括：基于作为源信号的所述特性火车信号将干涉成像技术应用于所述感兴趣数据集。
18.如权利要求9至17中任一项所述的方法，包括：针对相同轨道区段相对于一个或多个先前获取的剩余数据集分析所述剩余数据集。
19.如权利要求18所述的方法，包括：将所述剩余数据集与至少一个参考轨道简档进行比较。
20.如权利要求19所述的方法，其中所述参考轨道简档包括从先前火车通行获得的剩余数据集的平均值。
21.如权利要求18所述的方法，包括：基于所述剩余数据集和所述一个或多个先前获取的剩余数据集来执行趋势分析。
22.如权利要求18或权利要求19所述的方法，包括：识别剩余数据中的任何火车相关信号分量。
23.如前述任何权利要求所述的方法，包括：分析所述特性火车信号。
24.如权利要求23所述的方法，其中所述方法包括：将所述特性火车信号与针对该火车的一个或多个参考火车信号进行比较。
25.如权利要求24所述的方法，其中所述参考火车信号基于针对该火车的至少一个先前获取的特性火车信号。
26.一种监视铁路网络的方法，包括：
取得与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集中移除特性火车信号以留下剩余数据集。
27.如权利要求26所述的方法，其中所述时间窗口彼此重叠。
28.如权利要求26或权利要求27所述的方法，其中所述特性火车信号是通过下述操作来导出的：对经对准的第一数据集的多个通道的测量信号进行求和。
29.如权利要求26或权利要求27所述的方法，其中所述特性火车信号是已通过下述操作而导出的信号：分析与来自至少一个光纤分布式声学传感器的多个通道的测量信号的第二数据集相对应的第二数据集，所述测量信号是随着所述火车沿所述铁路网络的第二所监视区段通行而获取的，所述第二所监视区段已经被处理以将来自不同通道的测量信号进行对准。
30.如权利要求29所述的方法，包括通过下述操作形成所述特性火车信号的步骤：
取得所述第二数据集；
识别所述火车经过所述第二所监视区段的速度；
将所述第二数据集划分成多个时间窗口，每一个时间窗口包括所述第二数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第二数据集；以及
从经对准的第一数据集导出特性火车信号。
31.如权利要求29或30所述的方法，其中识别任何时移并将该时移应用于针对通道的测量信号以便在被应用于所述第一数据集的时间窗口内基本上对准所述通道的测量信号的步骤进一步包括：将所述测量信号与所述特性火车信号进行对准。
32.如权利要求26至31中任一项所述的方法，其中识别任何时移并将该时移应用于针对通道的测量信号以便在被应用于所述第一数据集的时间窗口内基本上对准所述通道的测量信号包括：应用至少第一和第二对准遍。
33.如权利要求32所述的方法，其中所述第一对准遍被应用于已低通滤波的时间窗口中的测量信号。
34.如权利要求32或权利要求33所述的方法，其中所述第一对准遍被应用于已被处理到更低分辨率的时间窗口中的测量信号。
35.如权利要求33或权利要求34所述的方法，其中所述第一对准遍用于确定被应用于第二对准遍之前的每一个时间窗口的通道的第一时移集合。
36.如权利要求26至35中任一项所述的方法，其中从经对准的第一数据集中减去所述特性火车信号。
37.如权利要求36所述的方法，其中所述减法是基于最小二乘的自适应减法。
38.如权利要求26至37中任一项所述的方法，包括：处理所述剩余数据集，以反转被应用以将来自不同通道的测量数据进行对准的任何时移。
39.如权利要求26至27中任一项所述的方法，其中基于所述特性火车信号将解卷积应用于经对准的第一数据集，以留下所述剩余数据集。
40.如权利要求26至37中任一项所述的方法，包括：基于作为源信号的所述特性火车信号将干涉成像技术应用于经对准的第一数据集。
41.如权利要求26至40中任一项所述的方法，包括：针对相同轨道区段相对于一个或多个先前获取的剩余数据集分析所述剩余数据集。
42.如权利要求41所述的方法，包括：将所述剩余数据集与至少一个参考轨道简档进行比较。
43.如权利要求42所述的方法，其中所述参考轨道简档包括从先前火车通行获得的剩余数据集的平均值。
44.如权利要求41所述的方法，包括：基于所述剩余数据集和所述一个或多个先前获取的剩余数据集来执行趋势分析。
45.如权利要求40或权利要求41所述的方法，包括：识别剩余数据中的任何火车相关信号分量。
46.一种计算机程序产品，包括非瞬变储存介质上的计算机可读代码，所述计算机可读代码包括用于使计算机装置执行如权利要求1至25中任一项所述的方法和/或如权利要求26至45中任一项所述的方法的指令。
47.一种铁路网络监视装置，包括：
存储器，用于存储与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；以及
处理器，被配置成：
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集导出特性火车信号。
48.一种铁路网络监视装置，包括：
存储器，用于存储与来自至少一个光纤分布式声学传感器的多个通道的测量信号相对应的第一数据集，所述至少一个光纤分布式声学传感器具有被部署成监视所述铁路网络的路径的至少部分的感测光纤，其中所述第一数据集对应于随着火车沿所述铁路网络的第一所监视区段通行而获取的测量信号；以及
处理器，被配置成：
识别所述火车经过所述第一所监视区段的速度；
将所述第一数据集划分成多个时间窗口，每一个时间窗口包括所述第一数据集的不同子集，其中每一个时间窗口包括来自所述多个通道的测量信号，时间窗口中的针对每一个接续通道的测量信号相对于前一通道延迟与所识别的火车速度相关的时间；
针对每一个时间窗口，识别任何时移并将该时移应用于针对通道的测量信号以便在所述时间窗口内基本上对准所述通道的测量信号；
在任何时移已经被应用之后对时间窗口进行组合以形成经对准的第一数据集；以及
从经对准的第一数据集中移除特性火车信号以留下剩余数据集。
49.如权利要求47或权利要求48所述的铁路网络监视装置，包括用于获取所述第一数据集的至少一个光纤分布式声学传感器。
CN201680080747.XA 2015-12-01 2016-12-01 用于监视铁路网络的分布式光纤感测 Active CN108603785B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562261490P 2015-12-01 2015-12-01
US62/261490 2015-12-01
PCT/GB2016/053783 WO2017093741A1 (en) 2015-12-01 2016-12-01 Distributed fibre optic sensing for monitoring rail networks

Publications (2)

Publication Number Publication Date
CN108603785A true CN108603785A (zh) 2018-09-28
CN108603785B CN108603785B (zh) 2021-10-22

Family

ID=57530721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680080747.XA Active CN108603785B (zh) 2015-12-01 2016-12-01 用于监视铁路网络的分布式光纤感测

Country Status (6)

Country Link
US (1) US10850754B2 (zh)
EP (1) EP3384253B1 (zh)
CN (1) CN108603785B (zh)
AU (1) AU2016363995B2 (zh)
CA (1) CA3006429A1 (zh)
WO (1) WO2017093741A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110631681A (zh) * 2019-09-26 2019-12-31 华北水利水电大学 一种基于光纤分布式振动监测的高铁铁轨安全运行检测方法
CN114194255A (zh) * 2021-12-31 2022-03-18 安徽洪鸿光电技术有限公司 一种基于光纤传感技术的列车锁定跟踪方法

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017093741A1 (en) * 2015-12-01 2017-06-08 Optasense Inc. Distributed fibre optic sensing for monitoring rail networks
BR112018070577A2 (pt) 2016-04-07 2019-02-12 Bp Exploration Operating Company Limited detecção de localizações de ingresso de areia de fundo de poço
CA3020007C (en) 2016-04-07 2023-01-31 Bp Exploration Operating Company Limited Detecting downhole events using acoustic frequency domain features
CA3058256C (en) 2017-03-31 2023-09-12 Bp Exploration Operating Company Limited Well and overburden monitoring using distributed acoustic sensors
BR112020003742A2 (pt) 2017-08-23 2020-09-01 Bp Exploration Operating Company Limited detecção de localizações de ingresso de areia em fundo de poço
JP7277059B2 (ja) 2017-10-11 2023-05-18 ビーピー エクスプロレーション オペレーティング カンパニー リミテッド 音響周波数領域特徴を使用した事象の検出
KR20190064035A (ko) * 2017-11-30 2019-06-10 (주)넷케이티아이 분산음향광센서 기반 철도운행 상태 감시 시스템 및 그 방법
EP3575758A1 (en) * 2018-06-01 2019-12-04 Frauscher Sensortechnik GmbH Monitoring unit for monitoring a linear asset and method for monitoring a linear asset
US10797789B2 (en) * 2018-06-28 2020-10-06 Nec Corporation Distributed fiber sensing interrogator with detachable end
EP3844044B1 (en) * 2018-08-30 2024-04-03 Voestalpine Signaling USA Inc. Computer-implemented method for an acoustic monitoring system for rail vehicles
EP3881034B1 (en) * 2018-11-13 2024-04-24 Fiber Sense Limited Method and system for distributed fibre optic sensing
CA3120493A1 (en) 2018-11-29 2020-06-04 Bp Exploration Operating Company Limited Das data processing to identify fluid inflow locations and fluid type
US11124211B2 (en) * 2018-12-07 2021-09-21 Alstom Transport Technologies Methods and devices for locating a railway vehicle
GB201820331D0 (en) 2018-12-13 2019-01-30 Bp Exploration Operating Co Ltd Distributed acoustic sensing autocalibration
US10614708B1 (en) * 2019-01-28 2020-04-07 Alstom Transport Technologies Train detection system for a railway track section, associated railway track section, and associated method for detecting presence of a railway vehicle on a track section
SE542981C2 (en) * 2019-04-04 2020-09-22 Icomera Ab Sensor system and method for montioring environmental variables of a rail-bound vehicle
EP4045766A1 (en) 2019-10-17 2022-08-24 Lytt Limited Fluid inflow characterization using hybrid das/dts measurements
CA3154435C (en) 2019-10-17 2023-03-28 Lytt Limited Inflow detection using dts features
WO2021093974A1 (en) 2019-11-15 2021-05-20 Lytt Limited Systems and methods for draw down improvements across wellbores
US20210253149A1 (en) * 2020-02-14 2021-08-19 International Electronic Machines Corporation Methods and systems for monitoring a transportation path with acoustic or vibration sensing
CA3180595A1 (en) 2020-06-11 2021-12-16 Lytt Limited Systems and methods for subterranean fluid flow characterization
EP4168647A1 (en) 2020-06-18 2023-04-26 Lytt Limited Event model training using in situ data
US20220017129A1 (en) * 2020-07-15 2022-01-20 Zahid F. Mian Onboard Railway Health Monitoring
CN112542046B (zh) * 2020-12-07 2022-03-11 无锡科晟光子科技有限公司 基于das的长距离管道重型车辆预警监测方法
EP4202374A1 (de) 2021-12-22 2023-06-28 Universität Hamburg Vorrichtung zum faser-optischen messen und transportieren von messsignalen
CN114280322B (zh) * 2021-12-28 2024-05-17 武汉烽理光电技术有限公司 基于光栅阵列传感器的车辆定位测速系统及方法
CN115384581A (zh) * 2022-10-27 2022-11-25 高勘(广州)技术有限公司 轨道监测方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102292622A (zh) * 2009-11-13 2011-12-21 秦内蒂克有限公司 光纤分布式感测
US20130151203A1 (en) * 2010-08-16 2013-06-13 Optasense Holdings Limited Detection of Moving Objects
WO2013114135A2 (en) * 2012-02-01 2013-08-08 Optasense Holdings Limited Control of transport networks
CN103733027A (zh) * 2011-04-08 2014-04-16 光学感应器控股有限公司 光纤分布式感测
CN104204737A (zh) * 2012-02-01 2014-12-10 光学感应器控股有限公司 指示位置
CN104203713A (zh) * 2012-02-01 2014-12-10 光学感应器控股有限公司 检测列车分离
CN104246467A (zh) * 2012-02-24 2014-12-24 光学感应器控股有限公司 监视运输网络基础结构

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2442745B (en) 2006-10-13 2011-04-06 At & T Corp Method and apparatus for acoustic sensing using multiple optical pulses
US8868288B2 (en) * 2006-11-09 2014-10-21 Smartdrive Systems, Inc. Vehicle exception event management systems
GB201414616D0 (en) * 2014-08-18 2014-10-01 Optasense Holdings Ltd Detection of anomalies in rail wheelsets
CA2870425C (en) * 2014-11-12 2015-12-29 Frank C. Van Der Merwe Automated in motion railway seismic wheel failure detection system
US9296401B1 (en) * 2015-01-12 2016-03-29 Smartdrive Systems, Inc. Rail vehicle event triggering system and method
WO2017093741A1 (en) * 2015-12-01 2017-06-08 Optasense Inc. Distributed fibre optic sensing for monitoring rail networks
JP6676443B2 (ja) * 2016-04-01 2020-04-08 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ インフラ検査装置、インフラ検査方法及びインフラ検査システム
ES2900752T3 (es) * 2016-07-27 2022-03-18 Frauscher Sensortechnik GmbH Arreglo de sensores para vigilancia ferroviaria y método correspondiente
US10614708B1 (en) * 2019-01-28 2020-04-07 Alstom Transport Technologies Train detection system for a railway track section, associated railway track section, and associated method for detecting presence of a railway vehicle on a track section

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102292622A (zh) * 2009-11-13 2011-12-21 秦内蒂克有限公司 光纤分布式感测
US20130151203A1 (en) * 2010-08-16 2013-06-13 Optasense Holdings Limited Detection of Moving Objects
CN103733027A (zh) * 2011-04-08 2014-04-16 光学感应器控股有限公司 光纤分布式感测
WO2013114135A2 (en) * 2012-02-01 2013-08-08 Optasense Holdings Limited Control of transport networks
CN104204737A (zh) * 2012-02-01 2014-12-10 光学感应器控股有限公司 指示位置
CN104203713A (zh) * 2012-02-01 2014-12-10 光学感应器控股有限公司 检测列车分离
CN104246467A (zh) * 2012-02-24 2014-12-24 光学感应器控股有限公司 监视运输网络基础结构

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110631681A (zh) * 2019-09-26 2019-12-31 华北水利水电大学 一种基于光纤分布式振动监测的高铁铁轨安全运行检测方法
CN114194255A (zh) * 2021-12-31 2022-03-18 安徽洪鸿光电技术有限公司 一种基于光纤传感技术的列车锁定跟踪方法

Also Published As

Publication number Publication date
EP3384253A1 (en) 2018-10-10
US20180354534A1 (en) 2018-12-13
CA3006429A1 (en) 2017-06-08
US10850754B2 (en) 2020-12-01
AU2016363995B2 (en) 2021-11-04
CN108603785B (zh) 2021-10-22
WO2017093741A1 (en) 2017-06-08
AU2016363995A1 (en) 2018-07-12
EP3384253B1 (en) 2020-02-05

Similar Documents

Publication Publication Date Title
CN108603785A (zh) 用于监视铁路网络的分布式光纤感测
US10377397B2 (en) Detection of anomalies in rail wheelsets
CN109641604A (zh) 用于列车中力监控的分布式光纤感测
US10040465B2 (en) Abnormal vehicle dynamics detection
CN104203713B (zh) 检测列车分离
US10928546B2 (en) Optic fibre sensing
US20210253149A1 (en) Methods and systems for monitoring a transportation path with acoustic or vibration sensing
KR102264039B1 (ko) 차량 탑재형 열차 지진 경보 시스템 및 방법

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