CN109945900A - 一种分布式的光纤传感方法 - Google Patents

Abstract

本发明涉及一种分布式的光纤传感方法，解决的是准确率低的技术问题，通过采用设置多个光纤传感信号接收器异步接收光纤传感信号，提取至少2个表征干扰信号的特征参数，对所有特征参数进行归一化处理；定义特征参数的权重值，对步骤一的表征干扰信号的特征参数进行优化，得到权重比最大的特征参数组合；将权重比最大的特征参数组合作为SVM函数的输入量，构建干扰信号识别模型，使用m个滤波器进行分帧处理，第k个滤波器起始频率为第k‑1个滤波器中心频率；将分帧处理后的单元信号输入干扰信号识别模型；将识别出的具有干扰信号的信号帧进行去噪处理，得到最终的传感数据的技术方案，较好的解决了该问题，可用于光纤传感技术中。

Description

一种分布式的光纤传感方法

技术领域

本发明涉及光纤传感领域，具体涉及一种分布式的光纤传感方法。

背景技术

分布式光纤传感器是采用独特的分布式光纤探测技术，对沿光纤传输路径上的空间分布和随时间变化信息进行测量或监控的传感器。它将传感光纤沿场排布，可以同时获得被测场的空间分布和随时间的变化信息，对于许多工业应用有许多吸引力。

分布式光纤传感系统原理是同时利用光纤作为传感敏感元件和传输信号介质，采用先进的OTDR技术和OFDR技术，探测出沿着光纤不同位置的温度和应变的变化，实现真正分布式的测量。Micron optics温度测量原理是基于Raman散射效应的分布式温度传感系统；应变测量原理是基于Brillouin散射的分布式温度和应变传感系统，它可以同时测量温度和应变。

现有的分布式的光纤传感对于干扰信号的处理存在精度差的问题，本发明提供一种新的方法用于克服该问题。

发明内容

本发明所要解决的技术问题是现有技术中存在的精度差的技术问题。提供一种新的分布式的光纤传感方法，该分布式的光纤传感方法具有传感精度高的特点。

为解决上述技术问题，采用的技术方案如下：

一种分布式的光纤传感方法，所述分布式的光纤传感方法为分布式发送光纤传感信号，多个光纤传感信号接收器对同一个光纤传感信号进行同步接收，并进行如下处理：

步骤一，设置G1个光纤传感信号接收器接收同一个光纤传感信号进行同步接收，定义并提取至少2个表征干扰信号的特征参数，并对所有特征参数进行归一化处理，G1为大于1的正整数；

步骤二，分别定义特征参数的权重值，采用机器集成学习算法对步骤一的表征干扰信号的特征参数进行优化，得到权重比最大的特征参数组合；

步骤三，将权重比最大的特征参数组合作为SVM函数的输入量，构建干扰信号识别模型，对光纤传感信号使用m个滤波器进行分帧处理，第k个滤波器的起始频率为第k-1个滤波器的中心频率，m为大于1的正整数，k＝1，2，3…m；

步骤四，将分帧处理后的单元信号输入干扰信号识别模型进行信号识别；

步骤五，将识别出的具有干扰信号的信号帧进行去噪处理，得到最终的传感数据。

本发明的工作原理：本发明通过对同一分布传输的光纤传感信号进行异步采样，得到观测角度不同的光纤传感信号。同时对干扰信号进行特征提取，并对各特征进行赋权值，以不同特征为组合检测干扰信号，兼顾检测高效和准确性。在对于检测分区上，使用叠加的滤波器对光纤进行检测分帧，实现了相邻帧数据可重性检测，减小了光纤传感信号的误差。同时仅对检测出干扰信号的帧内数据进行去噪处理，也减少了去噪处理的资源消耗，提高了效率。

上述方案中，为优化，进一步地，提取干扰信号的特征参数采用梅尔频率倒谱系数特征提取方法，包括：

步骤a，对光纤传感信号进行解调，对解调后的信号进行分帧和加汉明窗处理；

步骤b，对加汉明窗得到的信号单元进行快速傅里叶变换转换到频域，将得到的线性谱通过声音频率滤波器后得到声音频谱S(k),声音频率滤波器为梳状滤波器，每个梳状滤波器在声音尺度上是相同的，相邻的梳状滤波器，前一个梳状滤波器的中心频率是后一个梳状滤波器的起始频率；

步骤c，将声音频谱S(k)取对数，进行离散余弦变换，得到：

进一步地，表征干扰信号的特征参数包括：

x₁为检测周期参数，x₂包含信号幅度转折点D1的最小时间差阀值，x₃为信号幅度转折点D1的最大时间差阀值，x₄为光纤传感信号一个周期内的最大幅度，x₅为光纤传感信号一个周期内的最大相位，x₆为光纤传感信号的采样点数；信号幅度转折点D1与相邻采样点的信号幅度值差不小于阀值Tf，阀值Tf预先设置。

进一步地，对步骤一的表征干扰信号的特征参数进行优化包括：

步骤1，输入样本以及初始样本权值；

步骤2，对权值进行归一化；

步骤3，计算错误率，并对错误率与预先设置的错误率阀值进行对比，错误率小于错误率阀值则执行步骤5，错误率不小于错误率阀值则执行步骤4；

步骤4，将权值进行更新，重新执行步骤2-步骤3；

步骤5，测试样本错误率，并计算样本错误率收敛速度，计算出权重影响因子，删除冗余特征；

步骤6，依次输入特征参数组合，测试错误率，判断错误率是否满足光纤传感精度，满足光纤传感精度则输出结果和特征组合，否则返回执行步骤5。

进一步地，所述去噪处理包括：

对干扰信号的信号帧s(i)进行离散小波变换得到小波系数(d_a1，a2；2)，对小波系数(d_a1，a2；2)进行阀值处理，得到估计小波系数d1_a1，a2；利用估计小波系数d1_a1，a2进行小波重构得到干扰信号的信号帧的估计信号s(i1)作为去噪后的信号；

所述阀值处理包括定义小波阀值：

小波阀值其中，N为帧内信号的采样个数，δ为噪声信号的均方差。

本发明的有益效果：本发明通过实现了准确度高且效率高的分布式光纤传感方法。有效减少了外界干扰对于传感信号的干扰，造成的传感信号失真。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1，分布式的光纤传感方法示意图。

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。

实施例1

本实施例提供一种分布式的光纤传感方法，所述分布式的光纤传感方法为分布式发送光纤传感信号，多个光纤传感信号接收器对同一个光纤传感信号进行同步接收，如图1，并进行如下处理：

步骤一，设置G1个光纤传感信号接收器接收同一个光纤传感信号进行同步接收，定义并提取至少2个表征干扰信号的特征参数，并对所有特征参数进行归一化处理，G1为大于1的正整数；

步骤二，分别定义特征参数的权重值，采用机器集成学习算法对步骤一的表征干扰信号的特征参数进行优化，得到权重比最大的特征参数组合；

步骤三，将权重比最大的特征参数组合作为SVM函数的输入量，构建干扰信号识别模型，对光纤传感信号使用m个滤波器进行分帧处理，第k个滤波器的起始频率为第k-1个滤波器的中心频率，m为大于1的正整数，k＝1，2，3…m；

步骤四，将分帧处理后的单元信号输入干扰信号识别模型进行信号识别；

步骤五，将识别出的具有干扰信号的信号帧进行去噪处理，得到最终的传感数据。

本实施例中通过对同一分布传输的光纤传感信号进行异步采样，得到观测角度不同的光纤传感信号。同时对干扰信号进行特征提取，并对各特征进行赋权值，以不同特征为组合检测干扰信号，兼顾检测高效和准确性。在对于检测分区上，使用叠加的滤波器对光纤进行检测分帧，实现了相邻帧数据可重性检测，减小了光纤传感信号的误差。同时仅对检测出干扰信号的帧内数据进行去噪处理，也减少了去噪处理的资源消耗，提高了效率。

具体地，提取干扰信号的特征参数采用梅尔频率倒谱系数特征提取方法，包括：

步骤a，对光纤传感信号进行解调，对解调后的信号进行分帧和加汉明窗处理；

步骤b，对加汉明窗得到的信号单元进行快速傅里叶变换转换到频域，将得到的线性谱通过声音频率滤波器后得到声音频谱S(k),声音频率滤波器为梳状滤波器，每个梳状滤波器在声音尺度上是相同的，相邻的梳状滤波器，前一个梳状滤波器的中心频率是后一个梳状滤波器的起始频率；

步骤c，将声音频谱S(k)取对数，进行离散余弦变换，得到：

具体地，本实施例的表征干扰信号的特征参数可以是如下参数，也可以是现有对于干扰信号进行特征取样的参数。本实施例中，x₁为检测周期参数，x₂包含信号幅度转折点D1的最小时间差阀值，x₃为信号幅度转折点D1的最大时间差阀值，x₄为光纤传感信号一个周期内的最大幅度，x₅为光纤传感信号一个周期内的最大相位，x₆为光纤传感信号的采样点数；信号幅度转折点D1与相邻采样点的信号幅度值差不小于阀值Tf，阀值Tf可预先设置。

具体地，对步骤一的表征干扰信号的特征参数进行优化包括：

步骤1，输入样本以及初始样本权值；

步骤2，对权值进行归一化；

步骤3，计算错误率，并对错误率与预先设置的错误率阀值进行对比，错误率小于错误率阀值则执行步骤5，错误率不小于错误率阀值则执行步骤4；

步骤4，将权值进行更新，重新执行步骤2-步骤3；

步骤5，测试样本错误率，并计算样本错误率收敛速度，计算出权重影响因子，删除冗余特征；

步骤6，依次输入特征参数组合，测试错误率，判断错误率是否满足光纤传感精度，满足光纤传感精度则输出结果和特征组合，否则返回执行步骤5。

本实施例的去噪处理可采用现有的干扰噪声去噪处理方法，也可采用如下方法：

对干扰信号的信号帧s(i)进行离散小波变换得到小波系数(d_a1，a2；2)，对小波系数(d_a1，a2；2)进行阀值处理，得到估计小波系数d1_a1，a2；利用估计小波系数d1_a1，a2进行小波重构得到干扰信号的信号帧的估计信号s(i1)作为去噪后的信号；

所述阀值处理包括定义小波阀值：

小波阀值其中，N为帧内信号的采样个数，δ为噪声信号的均方差。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化只要在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。

Claims (5)

1.一种分布式的光纤传感方法，其特征在于：所述分布式的光纤传感方法包括：

步骤一，设置G1个光纤传感信号接收器异步接收同一个光纤传感信号，定义至少2个表征干扰信号的特征参数并提取，对表征干扰信号的特征参数进行归一化处理，G1为大于1的正整数；

步骤二，分别定义特征参数的权重值，采用机器集成学习算法对步骤一的表征干扰信号的特征参数进行优化，得到权重比最大的特征参数组合；

步骤三，将权重比最大的特征参数组合作为SVM函数的输入量，构建干扰信号识别模型，对光纤传感信号使用m个滤波器进行分帧处理，第k个滤波器的起始频率为第k-1个滤波器的中心频率，m为大于1的正整数，k＝1，2，3…m；

步骤四，将分帧处理后的单元信号输入干扰信号识别模型进行信号识别；

步骤五，将识别出的具有干扰信号的信号帧进行去噪处理，得到最终的传感数据。

2.根据权利要求1所述的分布式的光纤传感方法，其特征在于：提取干扰信号的特征参数采用梅尔频率倒谱系数特征提取方法，包括：

步骤a，对光纤传感信号进行解调，对解调后的信号进行分帧和加汉明窗处理；

步骤b，对加汉明窗得到的信号单元进行快速傅里叶变换转换到频域，将得到的线性谱通过声音频率滤波器后得到声音频谱S(p),声音频率滤波器为梳状滤波器，每个梳状滤波器在声音尺度上是相同的，相邻的梳状滤波器，前一个梳状滤波器的中心频率是后一个梳状滤波器的起始频率；

步骤c，将声音频谱S(p)取对数，进行离散余弦变换，得到：

3.根据权利要求2所述的分布式的光纤传感方法，其特征在于：表征干扰信号的特征参数包括：

x₁为检测周期参数，x₂包含信号幅度转折点D1的最小时间差阀值，x₃为信号幅度转折点D1的最大时间差阀值，x₄为光纤传感信号一个周期内的最大幅度，x₅为光纤传感信号一个周期内的最大相位，x₆为光纤传感信号的采样点数；信号幅度转折点D1与相邻采样点的信号幅度值差不小于阀值Tf，阀值Tf预先设置。

4.根据权利要求3所述的分布式的光纤传感方法，其特征在于：对步骤一的表征干扰信号的特征参数进行优化包括：

步骤1，输入样本以及初始样本权值；

步骤2，对权值进行归一化；

步骤3，计算错误率，并对错误率与预先设置的错误率阀值进行对比，错误率小于错误率阀值则执行步骤5，错误率不小于错误率阀值则执行步骤4；

步骤4，将权值进行更新，重新执行步骤2-步骤3；

步骤5，测试样本错误率，并计算样本错误率收敛速度，计算出权重影响因子，删除冗余特征；

步骤6，依次输入特征参数组合，测试错误率，判断错误率是否满足光纤传感精度，满足光纤传感精度则输出结果和特征组合，否则返回执行步骤5。

5.根据权利要求3所述的分布式的光纤传感方法，其特征在于：所述去噪处理包括：

对干扰信号的信号帧s(i)进行离散小波变换得到小波系数(d_a1，a2；2)，对小波系数(d_a1，a2；2)进行阀值处理，得到估计小波系数d1_a1，a2；利用估计小波系数d1_a1，a2进行小波重构得到干扰信号的信号帧的估计信号s(i1)作为去噪后的信号；

所述阀值处理包括定义小波阀值：

小波阀值其中，N为帧内信号的采样个数，δ为噪声信号的均方差。