CN109391321A - 一种相位敏感otdr传感中扰动定位方法 - Google Patents
一种相位敏感otdr传感中扰动定位方法 Download PDFInfo
- Publication number
- CN109391321A CN109391321A CN201811381961.6A CN201811381961A CN109391321A CN 109391321 A CN109391321 A CN 109391321A CN 201811381961 A CN201811381961 A CN 201811381961A CN 109391321 A CN109391321 A CN 109391321A
- Authority
- CN
- China
- Prior art keywords
- formula
- signal
- sensing
- equation
- curve
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/071—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using a reflected signal, e.g. using optical time domain reflectometers [OTDR]
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Transform (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明涉及一种相位敏感OTDR信号的扰动定位方法。本发明通过对相位敏感型OTDR传感曲线进行多组数据采集并叠加,对采集到的二维矩阵数据进行处理,利用没有噪声信号的全变分比有噪声的全变分小很多的特点,将相位敏感型OTDR中的去噪问题归结为最小化问题,之后通过梯度下降法对数据进行处理并求解,从而达到抑制背景噪声的目的,以此来寻找真实扰动的位置。
Description
技术领域
本发明涉及一种相位敏感OTDR传感中扰动定位方法,属于光纤传感探测的技术领域。
背景技术
由于光纤具有很强的抗电磁干扰、良好的电绝缘性以及传光特性。近年来,利用光纤作为敏感元件和信号传输介质的分布式光纤传感系统在国防、军事、民用设施等方面越来越受到人们的广泛关注。作为分布式光纤传感系统的代表,相位敏感型OTDR(光时域反射仪)具有重量轻、体积小、灵敏度高、抗电磁干扰性强等优点,并且可连续探测传输过程中的扰动、应变等外界干扰的时间变化及空间分布信息。因此相位敏感型OTDR系统在桥梁、隧道、水坝等大型公共设施的安全检测、或者输气管道、大型仓库、油库、矿井安全预防及国家边界安防等领域得到了广泛的应用。
相位敏感型OTDR主要是通过测量光纤中不同散射点产生的后向瑞利散射光之间的相互干涉效果。当传感光纤受到外界的扰动时,对应位置的光纤折射率会发生变化,进而引起对应的光相位变化,光相位的变化则会反映到后向瑞利散射信号的振幅之中。因此,最终的干涉结果将会直接反应出受到扰动的位置。但是,外界的轻微扰动便会引起光相位的变化进而导致探测到的光功率剧烈变化,导致真实信号被淹埋在噪声中。因此,降低背景噪声,识别真实扰动位置是相位敏感型OTDR系统中的一个重要问题,目前针对这种问题已经有人提出了降噪方案,但是这些方案的定位时间较长,可能会造成额外的损失。
中国专利文献CN106788697A公开了一种相位敏感OTDR信号的降噪方法。本发明对相位敏感型OTDR传感曲线进行多次采集并叠加,以组成的二维矩阵为处理对象,对其正循环平移,利用快速离散曲波变换对正循环平移后的信号进行多尺度的分解,对各尺度分量分析和阈值处理后进行重构,从而抑制背景噪声,达到降噪的效果,以此观测到真实扰动的位置。但是,该专利存在以下缺陷或不足:该专利通过重复“正循环平移-快速离散曲波变换-阈值处理-快速离散曲波逆变换-逆循环平移”对数据进行处理,这样会极大的增加数据的处理时间,使得定位时间较长。在实际应用中,较长的定位时间可能会造成更多不必要的损失。
发明内容
针对现有技术的不足,本发明提供一种相位敏感OTDR传感中扰动定位方法。
术语说明:
后向瑞利散射:由于在制造过程中,光纤密度的随机涨落引起折射率的局部变化,使得光向各个方向散射。散射光的波长等于入射光的波长,没有频率变化,后向瑞利散射指的是方向指向入射端的散射光。
发明概述:
本发明通过对相位敏感型OTDR传感曲线进行多组数据采集,对采集到的二维矩阵数据进行处理,利用没有噪声信号的全变分比有噪声的全变分小很多的特点,将相位敏感型OTDR中的去噪问题归结为最小化问题,之后通过梯度下降法对数据进行处理并求解,从而达到抑制背景噪声的目的,以此来寻找真实扰动的位置。
本发明的技术方案为:
一种相位敏感OTDR传感中扰动定位方法,用于对后向瑞利散射光信号进行去噪,得出振动位置,包括步骤如下:
(1)采集数据,获得传感曲线矩阵;
(2)通过步骤(1)获得的传感曲线矩阵求得全变分最小化方程;
(3)根据步骤(2)求得的全变分最小化方程及全变分最小化方程的约束条件,求得欧拉-拉格朗日方程;
(4)对欧拉-拉格朗日方程采用梯度下降法进行循环求解,达到最大循环次数后,最后一次循环结果即为降噪处理后的传感曲线矩阵;
(5)差分处理,获得振动位置。
根据本发明优选的,所述步骤(1),包括:对相位敏感OTDR信号曲线进行M次采集并叠加,将叠加后的相位敏感OTDR信号曲线表示为S×P的传感曲线矩阵;M的取值范围为0-5000;S M的取值范围为0-5000;P的取值范围为1-100000。
最优选的,M=1000,S=3000,P=1000。
传感曲线矩阵中包含噪声的原始信号为z(α,β);z(α,β)=x(α,β)+y(α,β),x(α,β)为不包含噪声的信号,y(α,β)为具有零均值、标准差为σ的随机噪声,α表示传感曲线矩阵位置信息的行向量,β表示传感曲线矩阵光强变化的列向量。
根据本发明优选的,所述步骤(2),全变分最小化方程如式(Ⅰ)所示:
式(Ⅰ)中,ε表示信号域,(α,β)∈ε;TV(x(α,β))表示全变分方程,xα表示采集到信号的行向量,表示信号的位置信息,xβ表示采集到信号的列向量,列向量表示信号光强的变化。
根据本发明优选的,所述步骤(3),包括:
由于噪声信号为具有零均值、标准差为σ的随机噪声,所以最小化方程受到约束;全变分最小化方程的约束条件如式(Ⅱ)、式(Ⅲ)所示:
∫εx(α,β)dαdβ=∫εz(α,β)dαdβ (Ⅱ)
式(Ⅲ)中,λ表示正则化参数;一般用来刻画函数的光滑程度,对平衡去噪有着重要作用。
通过约束条件式(Ⅱ)、式(Ⅲ),得到一个线性和非线性的约束,利用全变分最小化方程进行去噪定位,即全变分去噪问题如式(Ⅳ)所示:
式(Ⅳ)中,Min TV(x(α,β))为数据保真项,保留原始信号的特性作用; 为正则化项,正则性越高,函数的光滑性越好;
结合式(Ⅱ)、式(Ⅲ)、式(Ⅳ),得到欧拉-拉格朗日方程,如式(Ⅴ)所示:
式(Ⅴ)中,为扩散项,表示扩散系数,扩散系数越大,去噪效果越好。
根据本发明优选的,所述步骤(4),设置初始参数值k,k=1,k为循环次数,n为最大循环次数,空间步长h=1,即每次累加一次循环,包括:
采用xi,j表示信号x(α,β)在像素点αi=ih,βi=ih的灰度值;i,j=0,1…..N,Nh=L,L为信号长度;
采用x(αi,βi,tn)表示第n次循环后的迭代值,并记作tn=n·Δt,Δt为时间步长,式(Ⅴ)中扩散项表示为:
采用差商代替偏导数,中的各个偏导数可用如下式(Ⅵ)至式(Ⅹ)代替:
式(Ⅵ)至式(Ⅹ)中,表示对采集到的信号位置信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息和光强信息各求一次偏导并进行n次循环后的迭代值。
将式(Ⅴ)至式(Ⅹ)相结合,得到在相位敏感性OTDR中离散信号的迭代方程,如式(Ⅺ)所示:
对式(Ⅺ)进行循环求解,达到最大循环次数n后,最后一次循环结果即为降噪处理后的传感曲线矩阵。
根据本发明优选的,所述步骤(5),包括:
设定步骤(4)获得的降噪处理后的传感曲线矩阵为y(n),n=1,2,3…N-1,N表示相位敏感OTDR曲线的总数,则差分处理后的相位敏感OTDR曲线x(n)如式(Ⅻ)所示:
x(n)=y(n)-y(n+1) (Ⅻ)
则,x(N)=y(N)-y(1)。
通过差分处理之后,我们可以看出在振动处有一个非常明显的峰值,且这个峰值远高于其他位置处的值。
本发明的有益效果为:
1.本发明所述相位敏感型OTDR信号的定位方法,在对相位敏感OTDR信号曲线进行采集并叠加的次数为1000次时,寻找扰动位置的时间为10.7s,能过快速对扰动位置进行定位。
2.本发明所述的相位敏感型OTDR信号的定位方法,对相位敏感OTDR曲线进行多次采集并叠加后进行去噪处理,大大降低了实际中存在的偶然性,可以有效避免误报或漏报等现象。
3.本发明所述相位敏感型OTDR信号的定位方法,对采集到的信号频率没有任何要求,可以避免部分有效信号的丢失,提高了对扰动位置定位的准确性。
4.本发明所述相位敏感型OTDR信号的定位方法,提高了基于相位敏感型OTDR系统探测扰动位置的时间和准确性,可以广泛应用于国防,军事,民用设施检测等领域。
附图说明
图1为本发明一种相位敏感OTDR传感中扰动定位方法流程图;
图2为本发明所使用的相位敏感型OTDR装置示意图;
图3为使用压电陶瓷扰动的采集的原始信号曲线的叠加图;
图4为全变分去噪后的信号曲线叠加图;
图5为差分处理后的信号曲线的叠加图;
图6为不做去噪处理直接进行差分处理的信号曲线的叠加图。
具体实施方式
下面结合实施例和说明书附图对本发明做进一步说明,但不限于此。
实施例1
一种相位敏感OTDR传感中扰动定位方法,如图1所示,用于对后向瑞利散射光信号进行去噪,得出振动位置,包括步骤如下:
(1)采集数据,获得传感曲线矩阵;包括:对相位敏感OTDR信号曲线进行1000次采集并叠加,光纤长度是3Km,振动信号是100HZ的正弦信号,设置在1000m位置处。将叠加后的相位敏感OTDR信号曲线表示为3000×1000的传感曲线矩阵;传感曲线矩阵中包含噪声的原始信号为z(α,β);z(α,β)=x(α,β)+y(α,β),x(α,β)为不包含噪声的信号,y(α,β)为具有零均值、标准差为σ的随机噪声,α表示传感曲线矩阵位置信息的行向量,β表示传感曲线矩阵光强变化的列向量。
(2)通过步骤(1)获得的传感曲线矩阵求得全变分最小化方程;全变分最小化方程如式(Ⅰ)所示:
式(Ⅰ)中,ε表示信号域,(α,β)∈ε;TV(x(α,β))表示全变分方程,xa表示采集到信号的行向量,表示信号的位置信息,xβ表示采集到信号的列向量,列向量表示信号光强的变化。
(3)根据步骤(2)求得的全变分最小化方程及全变分最小化方程的约束条件,求得欧拉-拉格朗日方程;包括:
由于噪声信号为具有零均值、标准差为σ的随机噪声,所以最小化方程受到约束;全变分最小化方程的约束条件如式(Ⅱ)、式(Ⅲ)所示:
∫εx(α,β)dαdβ=∫εz(α,β)dαdβ (Ⅱ)
式(Ⅲ)中,λ表示正则化参数;一般用来刻画函数的光滑程度,对平衡去噪有着重要作用。
通过约束条件式(Ⅱ)、式(Ⅲ),得到一个线性和非线性的约束,利用全变分最小化方程进行去噪定位,即全变分去噪问题如式(Ⅳ)所示:
式(Ⅳ)中,Min TV(x(α,β))为数据保真项,保留原始信号的特性作用; 为正则化项,正则性越高,函数的光滑性越好;
结合式(Ⅱ)、式(Ⅲ)、式(Ⅳ),得到欧拉-拉格朗日方程,如式(Ⅴ)所示:
式(Ⅴ)中,为扩散项,表示扩散系数,扩散系数越大,去噪效果越好。
(4)对欧拉-拉格朗日方程采用梯度下降法进行循环求解,达到最大循环次数后,最后一次循环结果即为降噪处理后的传感曲线矩阵;设置初始参数值k,k=1,k为循环次数,n为最大循环次数,空间步长h=1,即每次累加一次循环,包括:
采用xi,j表示信号x(α,β)在像素点αi=ih,βi=ih的灰度值;i,j=0,1…..N,Nh=L,L为信号长度;
采用x(αi,βi,tn)表示第n次循环后的迭代值,并记作tn=n·Δt,Δt为时间步长,式(Ⅴ)中扩散项表示为:
采用差商代替偏导数,中的各个偏导数可用如下式(Ⅵ)至式(Ⅹ)代替:
式(Ⅵ)至式(Ⅹ)中,表示对采集到的信号位置信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息和光强信息各求一次偏导并进行n次循环后的迭代值。
将式(Ⅴ)至式(Ⅹ)相结合,得到在相位敏感性OTDR中离散信号的迭代方程,如式(Ⅺ)所示:
对式(Ⅺ)进行循环求解,达到最大循环次数n后,最后一次循环结果即为降噪处理后的传感曲线矩阵。在本实施例中,数据可以被处理成一个由瑞利散射构成的灰度图像。实验数据可以看作是图像的形式,也就是二维矩阵的形式。矩阵行向量表示位置信息,而列向量表示光强的变化。
(5)差分处理,获得振动位置。包括:
设定步骤(4)获得的降噪处理后的传感曲线矩阵为y(n),n=1,2,3…N-1,N表示相位敏感OTDR曲线的总数,则差分处理后的相位敏感OTDR曲线x(n)如式(Ⅻ)所示:
x(n)=y(n)-y(n+1) (Ⅻ)
则,x(N)=y(N)-y(1)。
通过差分处理之后,我们可以看出在振动处有一个非常明显的峰值,且这个峰值远高于其他位置处的值。通过图5可以直接看出,可以看出,在1000m处的位置存在明显的振动信号,所以说通过差分处理可以更加直观的看到扰动的位置。
本实施例中,传感曲线的总数是1000,差分处理的过程是第1根传感曲线与第2根传感曲线做差,结果作为新矩阵的第1列,第2根传感曲线与第3根传感曲线做差,结果作为新矩阵的第2列,以此类推,第1000根传感曲线与第1根传感曲线做差,结果作为新矩阵的第1000列,结果如图5所示。
本实施例中,所用相位敏感型OTDR装置示意图如图2所示,相位敏感型OTDR装置由激光器、隔离器、声光调制器、函数发生器、掺铒光纤放大器、滤波器、环形器、传感光纤、压电陶瓷、光电探测器、示波器组成。
激光器产生窄线宽激光光源进入隔离器,隔离器的作用是防止端面反射光反射回激光器,经隔离器进入可产生调制脉冲信号的声光调制器,函数发生器起到驱动声光调制器的作用,之后声光调制器产生的脉冲信号进入掺铒光纤放大器进行脉冲放大,并通过滤波器消除自发辐射噪声,然后脉冲信号进入环形器,通过环形器进入传感光纤,由压电陶瓷产生振动,后向瑞利散射由传感光纤进入环形器后进入掺铒光纤放大器进行放大,再经过滤波器消除自发辐射噪声,最后由光电探测器接收并由示波器显示。
采集到的相位敏感型OTDR信号曲线的叠加图如图3所示。传感信号曲线矩阵为3000×1000矩阵,全变分处理降噪后的信号曲线叠加图如图4所示。
对比例1
对于压电陶瓷振动采集的信号曲线,不做降噪处理直接进行差分处理;差分处理过程与实施例6的差分过程相同;得到的信号曲线的叠加图如图6所示。
通过图5、图6作对比可以看出:经过全变分处理去噪后的结果,明显可以看出在1000m处有振动信息的存在,并且随机噪声得到滤除,信噪比更高。而不做去噪处理的结果,噪声分量明显,信号淹没在噪声里,且完全看不出振动信息。从而证明了本发明在相位敏感OTDR信号的处理过程中,具有降低随机噪声,提高信噪比,定位扰动准确的有益效果。
Claims (7)
1.一种相位敏感OTDR传感中扰动定位方法,其特征在于,用于对后向瑞利散射光信号进行去噪,得出振动位置,包括步骤如下:
(1)采集数据,获得传感曲线矩阵;
(2)通过步骤(1)获得的传感曲线矩阵求得全变分最小化方程;
(3)根据步骤(2)求得的全变分最小化方程及全变分最小化方程的约束条件,求得欧拉-拉格朗日方程;
(4)对欧拉-拉格朗日方程采用梯度下降法进行循环求解,达到最大循环次数后,最后一次循环结果即为降噪处理后的传感曲线矩阵;
(5)差分处理,获得振动位置。
2.根据权利要求1所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,所述步骤(1),包括:对相位敏感OTDR信号曲线进行M次采集并叠加,将叠加后的相位敏感OTDR信号曲线表示为S×P的传感曲线矩阵;M的取值范围为0-5000;SM的取值范围为0-5000;P的取值范围为1-100000;传感曲线矩阵中包含噪声的原始信号为z(α,β);z(α,β)=x(α,β)+y(α,β),x(α,β)为不包含噪声的信号,y(α,β)为具有零均值、标准差为σ的随机噪声,α表示传感曲线矩阵位置信息的行向量,β表示传感曲线矩阵光强变化的列向量。
3.根据权利要求2所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,M=1000,S=3000,P=1000。
4.根据权利要求2所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,所述步骤(2),全变分最小化方程如式(I)所示:
式(I)中,ε表示信号域,(α,β)∈ε;TV(x(α,β))表示全变分方程,xα表示采集到信号的行向量,表示信号的位置信息,xβ表示采集到信号的列向量,列向量表示信号光强的变化。
5.根据权利要求4所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,所述步骤(3),包括:
全变分最小化方程的约束条件如式(II)、式(III)所示:
∫εx(α,β)dαdβ=∫εz(α,β)dαdβ (II)
式(III)中,λ表示正则化参数;
通过约束条件式(II)、式(III),得到一个线性和非线性的约束,利用全变分最小化方程进行去噪定位,即全变分去噪问题如式(IV)所示:
式(IV)中,Min TV(x(α,β))为数据保真项,保留原始信号的特性作用; 为正则化项,正则性越高,函数的光滑性越好;
结合式(II)、式(III)、式(IV),得到欧拉-拉格朗日方程,如式(V)所示:
式(V)中,为扩散项,表示扩散系数。
6.根据权利要求5所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,所述步骤(4),设置初始参数值k,k=1,k为循环次数,n为最大循环次数,空间步长h=1,即每次累加一次循环,包括:
采用xi,j表示信号x(α,β)在像素点αi=ih,βi=ih的灰度值;i,j=0,1…..N,Nh=L,L为信号长度;
采用x(αi,βi,tn)表示第n次循环后的迭代值,并记作tn=n·Δt,Δt为时间步长,式(V)中扩散项表示为:
采用差商代替偏导数,中的各个偏导数可用如下式(VI)至式(X)代替:
式(VI)至式(X)中,表示对采集到的信号位置信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求一次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号光强信息求两次偏导并进行n次循环后的迭代值,表示对采集到的信号位置信息和光强信息各求一次偏导并进行n次循环后的迭代值;
将式(V)至式(X)相结合,得到在相位敏感性OTDR中离散信号的迭代方程,如式(XI)所示:
对式(XI)进行循环求解,达到最大循环次数n后,最后一次循环结果即为降噪处理后的传感曲线矩阵。
7.根据权利要求1-6任一所述的一种相位敏感OTDR传感中扰动定位方法,其特征在于,所述步骤(5),包括:
设定步骤(4)获得的降噪处理后的传感曲线矩阵为y(n),n=1,2,3…N-1,N表示相位敏感OTDR曲线的总数,则差分处理后的相位敏感OTDR曲线x(n)如式(XII)所示:
x(n)=y(n)-y(n+1) (XII)
则,x(N)=y(N)-y(1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811381961.6A CN109391321B (zh) | 2018-11-20 | 2018-11-20 | 一种相位敏感otdr传感中扰动定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811381961.6A CN109391321B (zh) | 2018-11-20 | 2018-11-20 | 一种相位敏感otdr传感中扰动定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109391321A true CN109391321A (zh) | 2019-02-26 |
CN109391321B CN109391321B (zh) | 2021-05-18 |
Family
ID=65428909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811381961.6A Active CN109391321B (zh) | 2018-11-20 | 2018-11-20 | 一种相位敏感otdr传感中扰动定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109391321B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207805A (zh) * | 2019-06-24 | 2019-09-06 | 山东大学 | 一种分布式探测振动位置和声音信号的装置及其应用 |
CN111025306A (zh) * | 2019-11-15 | 2020-04-17 | 浙江浙能天然气运行有限公司 | 一种基于相位敏感otdr的振动定位方法及系统 |
CN112118531A (zh) * | 2020-09-12 | 2020-12-22 | 上海大学 | 一种基于位置的群智感知应用的隐私保护方法 |
CN113188461A (zh) * | 2021-05-06 | 2021-07-30 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
CN113670430A (zh) * | 2021-08-16 | 2021-11-19 | 上海大学 | 一种分布式光纤振动传感智能扰动识别方法 |
WO2023182938A3 (en) * | 2022-03-22 | 2023-11-02 | Agency For Science, Technology And Research | Method for brillouin optical time domain analysis (botda) based dynamic distributed strain sensing |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653229B2 (en) * | 2003-12-23 | 2010-01-26 | General Electric Company | Methods and apparatus for reconstruction of volume data from projection data |
CN103247061A (zh) * | 2013-02-05 | 2013-08-14 | 南方医科大学 | 一种x射线ct图像的增广拉格朗日迭代重建方法 |
US20150279084A1 (en) * | 2014-04-01 | 2015-10-01 | Yu Deuerling-Zheng | Guided Noise Reduction with Streak Removal for High Speed C-Arm CT |
CN105513026A (zh) * | 2015-12-17 | 2016-04-20 | 浙江大学 | 一种基于图像非局部相似的压缩感知重构方法 |
CN106097291A (zh) * | 2016-06-08 | 2016-11-09 | 天津大学 | 一种基于径向梯度全变差的art火焰切片重构算法 |
CN106097263A (zh) * | 2016-06-03 | 2016-11-09 | 江苏大学 | 基于全变分范数图像分块梯度计算的图像重构方法 |
CN106770131A (zh) * | 2017-01-17 | 2017-05-31 | 清华大学 | 三维超光谱显微成像系统及成像方法 |
CN106788697A (zh) * | 2017-03-16 | 2017-05-31 | 山东大学 | 一种相位敏感otdr信号的降噪方法 |
CN107817641A (zh) * | 2017-07-17 | 2018-03-20 | 哈尔滨工业大学深圳研究生院 | 基于多模光纤的单像素相机系统 |
-
2018
- 2018-11-20 CN CN201811381961.6A patent/CN109391321B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653229B2 (en) * | 2003-12-23 | 2010-01-26 | General Electric Company | Methods and apparatus for reconstruction of volume data from projection data |
CN103247061A (zh) * | 2013-02-05 | 2013-08-14 | 南方医科大学 | 一种x射线ct图像的增广拉格朗日迭代重建方法 |
US20150279084A1 (en) * | 2014-04-01 | 2015-10-01 | Yu Deuerling-Zheng | Guided Noise Reduction with Streak Removal for High Speed C-Arm CT |
CN105513026A (zh) * | 2015-12-17 | 2016-04-20 | 浙江大学 | 一种基于图像非局部相似的压缩感知重构方法 |
CN106097263A (zh) * | 2016-06-03 | 2016-11-09 | 江苏大学 | 基于全变分范数图像分块梯度计算的图像重构方法 |
CN106097291A (zh) * | 2016-06-08 | 2016-11-09 | 天津大学 | 一种基于径向梯度全变差的art火焰切片重构算法 |
CN106770131A (zh) * | 2017-01-17 | 2017-05-31 | 清华大学 | 三维超光谱显微成像系统及成像方法 |
CN106788697A (zh) * | 2017-03-16 | 2017-05-31 | 山东大学 | 一种相位敏感otdr信号的降噪方法 |
CN107817641A (zh) * | 2017-07-17 | 2018-03-20 | 哈尔滨工业大学深圳研究生院 | 基于多模光纤的单像素相机系统 |
Non-Patent Citations (2)
Title |
---|
BINGWEN ZHANG: "Precise phase transition of total variation minimization", 《2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》 * |
何坤: "基于水平集的自适应保边平滑分割", 《电子科技大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207805A (zh) * | 2019-06-24 | 2019-09-06 | 山东大学 | 一种分布式探测振动位置和声音信号的装置及其应用 |
CN111025306A (zh) * | 2019-11-15 | 2020-04-17 | 浙江浙能天然气运行有限公司 | 一种基于相位敏感otdr的振动定位方法及系统 |
CN112118531A (zh) * | 2020-09-12 | 2020-12-22 | 上海大学 | 一种基于位置的群智感知应用的隐私保护方法 |
CN113188461A (zh) * | 2021-05-06 | 2021-07-30 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
CN113188461B (zh) * | 2021-05-06 | 2022-05-17 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
CN113670430A (zh) * | 2021-08-16 | 2021-11-19 | 上海大学 | 一种分布式光纤振动传感智能扰动识别方法 |
WO2023182938A3 (en) * | 2022-03-22 | 2023-11-02 | Agency For Science, Technology And Research | Method for brillouin optical time domain analysis (botda) based dynamic distributed strain sensing |
Also Published As
Publication number | Publication date |
---|---|
CN109391321B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109391321A (zh) | 一种相位敏感otdr传感中扰动定位方法 | |
Fernández-Ruiz et al. | Distributed acoustic sensing for seismic activity monitoring | |
US9316754B2 (en) | Seismic acquisition system including a distributed sensor having an optical fiber | |
CN108020314A (zh) | 光纤水听器阵列系统和加速度传感器阵列系统及测量方法 | |
CN110703316B (zh) | 一种光纤地面地震检波方法及系统 | |
CN110608760A (zh) | 相位敏感光时域反射传感系统扰动探测信噪比提高方法 | |
Liehr et al. | Long-distance fiber optic vibration sensing using convolutional neural networks as real-time denoisers | |
CN108415067A (zh) | 一种基于微结构光纤分布式声波传感的地震波测量系统 | |
Martins et al. | Monitoring of remote seismic events in metropolitan area fibers using distributed acoustic sensing (DAS) and spatiotemporal signal processing | |
CN106646426A (zh) | 一种多发单收望远镜阵列的全光纤激光雷达 | |
Ni et al. | Distributed fiber-optic acoustic sensing for petroleum geology exploration | |
CN116380140B (zh) | 基于均值滤波技术的分布式声波传感系统及其测量方法 | |
Zhang et al. | Photonic sensors review progress of optical fiber sensors and its application in harsh environment | |
Jiang et al. | High-fidelity acoustic signal enhancement for phase-OTDR using supervised learning | |
CN102419247B (zh) | 高精度反射式光纤湍流检测装置及方法 | |
CN210567574U (zh) | 基于光纤的油气管道泄漏监测系统 | |
CN111157097B (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 | |
CN104062569A (zh) | 一种复眼式光纤efpi的局部放电方向检测方法 | |
CN113237431B (zh) | 一种提升ofdr系统分布式空间分辨率的测量方法 | |
CN116399379B (zh) | 分布式光纤声波传感系统及其测量方法 | |
Karapanagiotis et al. | A collection of machine learning assisted distributed fiber optic sensors for infrastructure monitoring | |
CN106788697B (zh) | 一种相位敏感otdr信号的降噪方法 | |
Li et al. | Spatio-temporal joint oversampling-downsampling technique for ultra-high resolution fiber optic distributed acoustic sensing | |
CN115165071A (zh) | 一种基于机器学习与相位分段差分实现振动精确定位的方法和系统 | |
CN104062568A (zh) | 一种复眼式光纤efpi局部放电方向检测系统 |
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 |