CN110501092B - 一种布里渊光纤传感系统温度提取方法 - Google Patents

一种布里渊光纤传感系统温度提取方法 Download PDF

Info

Publication number
CN110501092B
CN110501092B CN201910912361.6A CN201910912361A CN110501092B CN 110501092 B CN110501092 B CN 110501092B CN 201910912361 A CN201910912361 A CN 201910912361A CN 110501092 B CN110501092 B CN 110501092B
Authority
CN
China
Prior art keywords
brillouin
optical fiber
temperature
learning machine
extreme learning
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.)
Active
Application number
CN201910912361.6A
Other languages
English (en)
Other versions
CN110501092A (zh
Inventor
王健健
李永倩
廖建华
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201910912361.6A priority Critical patent/CN110501092B/zh
Publication of CN110501092A publication Critical patent/CN110501092A/zh
Application granted granted Critical
Publication of CN110501092B publication Critical patent/CN110501092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G01K11/322—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres using Brillouin scattering
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (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)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

一种布里渊光纤传感系统温度提取方法，所述布里渊光纤传感系统由激光器、第一光纤耦合器、电光调制器、任意信号发生器、第一掺铒光纤放大器、第二掺铒光纤放大器、第一光栅滤波器、第二光栅滤波器、环形器、扰偏器、第二光纤耦合器、光电检测器和数据采集单元构成；在进行温度提取时，首先确定布里渊频移的温度系数；然后构建确定温度下的理想布里渊增益谱数据；再后将第二步骤获得的数据作为训练样本，按测量条件训练极限学习机网络；最后将系统测量数据输入训练好的极限学习机网络，则极限学习机网络输出即为温度信息。本发明避免了曲线拟合带来的测量误差，提高了测量精度，同时也缩短了信号处理的时间，提高了系统测量效率。

Description

一种布里渊光纤传感系统温度提取方法
技术领域
本发明涉及一种基于极限学习机网络的温度提取方法，该方法可提高温度测量精度，属于测量技术领域。
背景技术
基于布里渊散射的分布式光纤传感技术是近几十年来研究的热点。布里渊光时域反射系统是一种典型的布里渊分布式光纤传感系统，通常由激光器、耦合器、电光调制器、任意信号发生器、掺铒光纤放大器、光栅滤波器、环形器、扰偏器、光电检测器和数据采集单元构成。该系统利用自发布里渊散射光实现温度等变量的分布式测量，并被广泛应用于电力线缆、油气管道等大型建筑的健康监测领域。具体来说，布里渊散射光和入射光的频差定义为布里渊频移，它是温度和应变的线性函数。因此，光纤沿线的温度等信息可以通过测量光纤某一位置的布里渊频移得到，这是基于布里渊散射实现分布式测量的基本原理。由于背向自发布里渊散射光非常微弱，该技术的关键问题之一是如何从检测到的信号中准确地找到布里渊频移，进而确定温度等信息。
通常采用洛伦兹曲线拟合法确定布里渊频移，即找到被测布里渊增益谱的最大值对应的中心频率作为布里渊频移，然后利用布里渊频移与温度的线性关系公式计算得到温度信息。洛伦兹曲线拟合法确定布里渊频移的精度取决于拟合初始参数的合理设置，而且对被测布里渊增益谱的信号处理需要迭代优化拟合参数，这意味着曲线拟合法需要较长的时间。较长的数据处理时间会使得由该系统获得温度数据的时间可能严重滞后于温度的变化，降低了温度传感的时效性。而且曲线拟合过程中可能出现过拟合或欠拟合的现象，特别是在选择较大扫频步进时，会导致估计不准确，影响测量精度，也不利于实现高精度的传感测量。此外，光纤的不同掺杂和横向结构使得布里渊增益谱比单一的洛伦兹型曲线更加复杂。由于光纤中被测光的自然展宽和多普勒展宽现象以及电光调制器消光比不足导致的连续光泄漏，使得布里渊增益谱会逐渐趋于高斯型曲线。因此，布里渊增益谱不能用简单的洛伦兹型曲线公式来描述，需利用洛伦兹型曲线和高斯型曲线按照一定比例的线性加权组合来描述，这也在一定程度上影响了洛伦兹曲线拟合方法的测量精度。
发明内容
本发明的目的在于针对现有技术之弊端，提供一种布里渊光纤传感系统温度提取方法，以缩短温度测量时间，提高温度测量精度。
本发明所述问题是以下述技术方案解决的：
一种布里渊光纤传感系统温度提取方法，所述布里渊光纤传感系统由激光器、第一光纤耦合器、电光调制器、任意信号发生器、第一掺铒光纤放大器、第二掺铒光纤放大器、第一光栅滤波器、第二光栅滤波器、环形器、扰偏器、第二光纤耦合器、光电检测器和数据采集单元构成；在进行温度提取时，首先利用布里渊光纤传感系统测量不同温度对应的布里渊频移，以确定布里渊频移的温度系数；然后利用洛伦兹型曲线和高斯型曲线按照一定比例的线性加权组合，构建确定温度下的理想布里渊增益谱数据；再后将第二步骤获得的数据作为训练样本，按测量条件训练极限学习机网络；最后将系统测量数据输入训练好的极限学习机网络，则极限学习机网络输出即为温度信息。
上述布里渊光纤传感系统温度提取方法，所述方法包括以下步骤：
1)确定布里渊频移的温度系数
利用布里渊光纤传感系统测量不同温度对应的布里渊频移，取室温、40℃、45℃、50℃、55℃、60℃、65℃和70℃共8个温度对应的布里渊频移进行线性拟合，得到布里渊频移的温度系数为1.09MHz/℃；
2)构建确定温度下的理想布里渊增益谱数据
Figure GDF0000015913830000031
其中，fB(v)为布里渊增益谱，v为频率，k为线性权重比，取值范围为0-1，vB为布里渊频移，ΔvB1和ΔvB2分别为洛伦兹曲线线宽和高斯曲线线宽，
设置以下参数：温度范围为0-100℃，变化步进为0.5℃；线宽ΔvB1和ΔvB2范围为10-70MHz，变化步进为1MHz；设置k的变化步进为0.1；设置vB的范围为10.78-10.98GHz，变化步进为1MHz；
3)训练极限学习机网络
具有L个隐藏层的极限学习机网络模型可描述为
Figure GDF0000015913830000032
其中fL(xj)为极限学习机网络的输出，xj为输入变量，g(x)为激励函数，βi为输出权重，wi和bi分别为输入权重和偏置，训练过程如下：
a.随机赋值给wi和bi；
b.计算隐藏层输出矩阵
Figure GDF0000015913830000041
c.计算输出权重矩阵β＝H+Y
其中β为权重矩阵，H+为隐藏层输出矩阵的广义逆矩阵，Y为输出变量矩阵；
4)提取布里渊光纤传感系统测量的温度数据
将布里渊光纤传感系统的测量信号输入训练好的极限学习机网络，则网络输出即为所需的温度数据。
本发明利用训练好的极限学习机网络提取温度测量值，一方面避免了曲线拟合带来的测量误差，同时考虑到布里渊增益谱线宽对温度测量的影响，理想布里渊增益谱数据按Pseudo-Voigt型函数构建，提高了测量精度。在扫频间隔为16MHz、测量温度为80℃的情况下，相对于洛伦兹曲线拟合的方法，利用极限学习机网络获得的温度测量精度可提高3.09℃。该结果也说明即使在选择较大的扫频步进时，利用极限学习机网络提取温度信息仍能够保证测量精度。另一方面，避免了曲线拟合确定布里渊频移，再由布里渊频移计算温度的步骤，即不需要“测量信号——布里渊频移——温度”的转换，缩短了系统测量时间。由于极限学习机网络一旦训练完成即能够重复利用，因此可将极限学习机网络提取温度信息的测量时间定义为极限学习机网络的测试时间。计算机采用Core i3380M处理器和4G内存，在Matlab2014a环境下完成相关计算，在扫频间隔为16MHz、测量温度为80℃的情况下，利用极限学习机网络提取温度信息仅需约3.98s；而洛伦兹曲线拟合法最终提取温度信息则需约77.21min。该结果说明利用极限学习机网络提取温度信息可大大缩短测量时间。
附图说明
下面结合附图对本发明作进一步详述。
图1为利用极限学习机网络实现布里渊光纤传感系统的温度信息提取的过程；
图2是极限学习机网络图；
图3是布里渊分布式光纤传感系统图。
文中所用符号为：fB(v)为布里渊增益谱，v为频率，k为线性权重比，取值范围为0-1，vB为布里渊频移，ΔvB1和ΔvB2分别为洛伦兹曲线线宽和高斯曲线线宽，fL(xj)为极限学习机网络的输出，xj为输入变量，g(x)为激励函数，βi为输出权重，wi和bi分别为输入权重和偏置，β为权重矩阵，H+为隐藏层输出矩阵的广义逆矩阵，Y为输出变量矩阵。
具体实施方式
为了解决温度测量时间和测量精度的问题，同时考虑到布里渊增益谱线宽对测量精度的影响，本发明提出一种基于极限学习机网络实现布里渊光纤传感系统温度信息提取的方法。该方法只需按测量条件提前训练极限学习机网络，再将系统测量数据输入训练好的极限学习机网络，则极限学习机网络输出即为温度信息。
极限学习机作为一种单隐层前馈神经网络，可以随机选择隐藏层节点的参数，且不需要调整隐藏层，具有训练效率高、误码率低等优点。此外，极限学习机网络具有良好的全局搜索能力，克服了传统神经网络拟合度过高的缺点。近年来，极限学习机网络已经被广泛应用于科学工程的分类和预测领域。极限学习机网络图如图2所示，图中x1:xn为输入变量，y1:ym为输出变量，O1:Oj为隐藏层节点，ωij为输入权重，βjm为输出权重。
本方法包括以下步骤：
步骤1：确定布里渊频移的温度系数
利用布里渊分布式光纤传感系统测量不同温度对应的布里渊频移，取室温、40℃、45℃、50℃、55℃、60℃、65℃和70℃共8个温度对应的布里渊频移进行线性拟合，得到布里渊频移的温度系数为1.09MHz/℃。
步骤2：构建用于训练极限学习机网络的理想布里渊增益谱数据
利用Pseudo-Voigt型函数构建理想布里渊增益谱，所用公式为
Figure GDF0000015913830000061
其中，加号前的部分表示洛伦兹曲线，加号后的部分表示高斯曲线，fB(v)为布里渊增益谱，v为频率，k为线性权重比，取值范围为0-1。vB为布里渊频移，ΔvB1和ΔvB2分别为洛伦兹曲线线宽和高斯曲线线宽。需要设置以下参数：
1)设置理想布里渊增益谱的温度范围为0-100℃，变化步进为0.5℃；
2)设置ΔvB1和ΔvB2的变化范围为10-70MHz，变化步进为1MHz；
3)设置k的变化步进为0.1；
4)设置vB的变化范围为10.78-10.98GHz，变化步进为1MHz。
步骤3：训练极限学习机网络
具有L个隐藏层的极限学习机网络模型可描述为
Figure GDF0000015913830000071
其中fL(xj)为极限学习机网络的输出，xj为输入变量，g(x)为激励函数，βi为输出权重，wi和bi分别为输入权重和偏置。训练过程如下：
1)随机赋值给wi和bi；
2)计算隐藏层输出矩阵
Figure GDF0000015913830000072
3)计算输出权重矩阵β＝H+Y，
其中β为权重矩阵，H+为隐藏层输出矩阵的广义逆矩阵，Y为输出变量矩阵；
步骤4：提取布里渊光纤传感系统测量的温度数据
将布里渊光纤传感系统的测量信号输入训练好的极限学习机网络，即能够由网络输出直接获得温度数据。
对于布里渊光纤传感系统而言，传统的温度提取方法是需要将传感系统测量信号进行洛伦兹曲线拟合确定布里渊频移，再利用布里渊频移与温度的线性关系公式计算得到温度信息，即完成“测量信号——布里渊频移——温度”的转换。这种传统的方法耗时长，不满足快速测量的需求；而且在测量过程中若扫频步进较大，则会使得曲线拟合产生较大误差，进而造成较大的温度测量误差。本发明提出的方法只需提前训练极限学习机网络，然后直接将系统测量信号作为极限学习机网络的输入，则极限学习机网络的输出即为传感系统的温度测量信息。因此，本发明提出的方法考虑到了布里渊增益谱线宽对温度测量的影响，理想布里渊增益谱数据按Pseudo-Voigt型函数构建，该方法避免了曲线拟合的步骤，既避免了上述提到的拟合误差问题，提高了测量精度，也缩短了信号处理的时间；而且一旦极限学习机网络训练完成，则可以重复利用，能够进一步缩短系统测量所需的时间。

Claims (1)

1.一种布里渊光纤传感系统温度提取方法，其特征是，所述布里渊光纤传感系统由激光器、第一光纤耦合器、电光调制器、任意信号发生器、第一掺铒光纤放大器、第二掺铒光纤放大器、第一光栅滤波器、第二光栅滤波器、环形器、扰偏器、第二光纤耦合器、光电检测器和数据采集单元构成；在进行温度提取时，首先利用布里渊光纤传感系统测量不同温度对应的布里渊频移，以确定布里渊频移的温度系数；然后利用洛伦兹型曲线和高斯型曲线按照一定比例的线性加权组合，构建确定温度下的理想布里渊增益谱数据；再后将获得的布里渊增益谱数据作为训练样本，按测量条件训练极限学习机网络；最后将系统测量数据输入训练好的极限学习机网络，则极限学习机网络输出即为温度信息；
所述布里渊光纤传感系统温度提取方法按以下步骤进行
1)确定布里渊频移的温度系数
利用布里渊光纤传感系统测量不同温度对应的布里渊频移，取室温、40℃、45℃、50℃、55℃、60℃、65℃和70℃共8个温度对应的布里渊频移进行线性拟合，得到布里渊频移的温度系数为1.09MHz/℃
2)构建确定温度下的理想布里渊增益谱数据
Figure FDF0000015913820000011
其中，fB(v)为布里渊增益谱，v为频率，k为线性权重比，取值范围为0-1，vB为布里渊频移，ΔvB1为洛伦兹曲线线宽，ΔvB2为高斯曲线线宽，
设置以下参数∶温度范围为0-100℃及变化步进为0.5℃；线宽ΔvB1和ΔvB2范围为10-70MHz及变化步进为1MHz；设置k的变化步进为0.1；设置vB的范围为10.78-10.98GHz及变化步进为1MHz；
3)训练极限学习机网络
具有L个隐藏层的极限学习机网络模型可描述为
Figure FDF0000015913820000021
其中fL(xj)为极限学习机网络的输出，xj为输入变量，g(x)为激励函数，βi为输出权重，wi为输入权重，bi为偏置，训练过程如下∶
a.随机赋值给wi和bi；
b.计算隐藏层输出矩阵
Figure FDF0000015913820000022
c.计算输出权重矩阵β＝H+Y
其中β为权重矩阵，H+为隐藏层输出矩阵的广义逆矩阵，Y为输出变量矩阵，N为训练数据组数，L为隐藏层个数；
4)提取布里渊光纤传感系统测量的温度数据
将布里渊光纤传感系统的测量信号输入训练好的极限学习机网络，则网络终输出即为所需的温度数据。
CN201910912361.6A 2019-09-25 2019-09-25 一种布里渊光纤传感系统温度提取方法 Active CN110501092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910912361.6A CN110501092B (zh) 2019-09-25 2019-09-25 一种布里渊光纤传感系统温度提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910912361.6A CN110501092B (zh) 2019-09-25 2019-09-25 一种布里渊光纤传感系统温度提取方法

Publications (2)

Publication Number Publication Date
CN110501092A CN110501092A (zh) 2019-11-26
CN110501092B true CN110501092B (zh) 2022-05-27

Family

ID=68592744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910912361.6A Active CN110501092B (zh) 2019-09-25 2019-09-25 一种布里渊光纤传感系统温度提取方法

Country Status (1)

Country Link
CN (1) CN110501092B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052629A (zh) * 2020-09-16 2020-12-08 北京邮电大学 一种基于adlasso-sempso-rbf的分布式光纤信号听觉信息解耦方法
CN112801306B (zh) * 2021-01-07 2024-03-22 浙江工业大学 一种基于随机扫频和机器学习的布里渊频移提取方法
CN115792136A (zh) * 2023-01-28 2023-03-14 清华大学合肥公共安全研究院 气体浓度检测方法及装置、终端设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105136179A (zh) * 2015-08-27 2015-12-09 太原理工大学 基于ase噪声相干探测的分布式光纤传感装置及方法
CN106404215A (zh) * 2015-08-13 2017-02-15 珠海任驰光电科技有限公司 基于布里渊散射的分布式光纤传感系统的设计
CN107036734A (zh) * 2017-05-17 2017-08-11 中国地质大学（武汉） 一种全分布式光纤温度或应变的传感方法与传感器
CN207007371U (zh) * 2017-05-17 2018-02-13 中国地质大学（武汉） 一种全分布式光纤温度或应变的传感器
CN109211289A (zh) * 2018-10-19 2019-01-15 华南师范大学 基于圆偏振光干涉的自发布里渊散射光纤传感方法与装置
CN110243493A (zh) * 2019-06-03 2019-09-17 太原理工大学 基于超连续谱的布里渊光时域反射仪装置及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB394025A (en) * 1931-12-22 1933-06-22 Charles Edwin Foster Improvements in or relating to electrical thermometers
TW542908B (en) * 2001-11-30 2003-07-21 Univ Nat Chiao Tung Signal processing method to improve spatial resolution in the temperature distribution measurement
US6741158B2 (en) * 2002-07-18 2004-05-25 Honeywell International Inc. Magnetically sensed thermostat control
EP2362190B1 (en) * 2008-11-27 2018-02-21 Neubrex Co., Ltd. Distributed optical fiber sensor
CN101825499B (zh) * 2010-05-18 2012-06-06 华北电力大学（保定） 一种基于光纤布里渊散射原理的海水温度剖面测量方法
CN102589748B (zh) * 2012-03-09 2013-11-27 华北电力大学（保定） 基于光纤瑞利与布里渊原理的环境温度测量方法
CN102798411B (zh) * 2012-07-27 2015-07-01 广西师范大学 基于布里渊散射的分布式光纤传感测量系统及测量方法
CN105548072B (zh) * 2015-12-04 2019-06-21 东南大学 一种同时测量高温气体二维瞬态温度场和浓度场的方法
CN106969800B (zh) * 2017-05-03 2019-10-11 东南大学 一种利用单条谱线同时测量气体温度和浓度的装置和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106404215A (zh) * 2015-08-13 2017-02-15 珠海任驰光电科技有限公司 基于布里渊散射的分布式光纤传感系统的设计
CN105136179A (zh) * 2015-08-27 2015-12-09 太原理工大学 基于ase噪声相干探测的分布式光纤传感装置及方法
CN107036734A (zh) * 2017-05-17 2017-08-11 中国地质大学（武汉） 一种全分布式光纤温度或应变的传感方法与传感器
CN207007371U (zh) * 2017-05-17 2018-02-13 中国地质大学（武汉） 一种全分布式光纤温度或应变的传感器
CN109211289A (zh) * 2018-10-19 2019-01-15 华南师范大学 基于圆偏振光干涉的自发布里渊散射光纤传感方法与装置
CN110243493A (zh) * 2019-06-03 2019-09-17 太原理工大学 基于超连续谱的布里渊光时域反射仪装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
光纤分布式布里渊传感散射谱数据分析模型;肖尚辉 等;《西南交通大学学报》;20091231;第44卷(第6期);正文第1.2节、第3、4节 *
基于径向基函数神经网络直接提取布里渊散射谱温度的方法;隋阳 等;《光学学报》;20181231;第38卷(第12期);摘要 *
极限学习机(Extreme Learning Machine, ELM)原理详解和MATLAB实现;佚名;《CSDN》;20180929;正文第1-2页 *

Also Published As

Publication number Publication date
CN110501092A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110501092B (zh) 一种布里渊光纤传感系统温度提取方法
CN107402082B (zh) 一种布里渊散射信号处理方法及其分布式光纤传感系统
CN107490397B (zh) 高精度自适应滤波fbg光谱快速寻峰方法
CN111121836B (zh) 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
CN101408427A (zh) 一种光纤陀螺仪分布式分层级温度误差补偿方法
Zhang et al. A feature extraction method of the particle swarm optimization algorithm based on adaptive inertia weight and chaos optimization for Brillouin scattering spectra
Bruneau et al. Airborne lidar LEANDRE II for water-vapor profiling in the troposphere. II. First results
CN109580033A (zh) 一种混凝土坝分布式光纤测温数据误差补偿方法
CN105181152A (zh) 分布式布里渊散射光谱频移的计算方法
Wei et al. Inversion probability enhancement of all-fiber CDWL by noise modeling and robust fitting
CN109635519B (zh) 一种基于电磁场和温度场耦合的微波光子器件建模方法
Zhao et al. A fast and high accurate initial values obtainment method for Brillouin scattering spectrum parameter estimation
Yu et al. Fast information acquisition using spectra subtraction for Brillouin distributed fiber sensors
Li et al. Optimized neural network for temperature extraction from Brillouin scattering spectra
Ge et al. Enabling variable high spatial resolution retrieval from a long pulse BOTDA sensor
Azizah et al. Characteristics of fiber Bragg grating due to temperature changes in honey solution
Sun et al. THzMINet: a Terahertz model-data-Driven Interpretable neural network for thickness measurement of thermal barrier coatings
Wang et al. Fast peak searching method for Brillouin gain spectrum using positive-slope inflection point
Deng et al. A deep learning algorithm ADPNet for strain and temperature decoupling of fiber bragg gratings
CN107588927B (zh) 基于频移干涉技术的弱光纤光栅反射率的测量方法
Zhang et al. Hybrid algorithm combining genetic algorithm with back propagation neural network for extracting the characteristics of multi-peak Brillouin scattering spectrum
Lv et al. Cascaded Feedforward Neural Network Based Simultaneously Fast and Precise Multi-Characteristics Extraction and BFS Error Estimation
Cheng et al. Disturbance signal recognition using convolutional neural network for DAS system
CN117740189A (zh) 一种基于门控循环单元和注意力机制的botda的温度提取方法
Song et al. Extraction of double-peak Brillouin frequency shift based on ANN for nonuniform strain within BOTDR spatial resolution

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