CN113188461B - 一种高空间分辨率下的ofdr大应变测量方法 - Google Patents

Abstract

本发明提供一种高空间分辨率下的OFDR大应变测量方法，本发明在OFDR系统测量应变中，首先将光纤上对应各个位置的传统的一维互相关处理结果信号转化为二维图像信号，在二维图像的基础上通过全变分去噪算法或小波去噪算法对图像进行去噪处理，再将处理后的图像进行下一步运算，最终得到高空间分辨率下大应变的测量结果。其优点在于，本发明所提出的基于小波去噪算法的OFDR传感系统通过对二维图像信息的去噪处理，不仅能够提高系统空间分辨率，而且能够有效去除大应变测量结果的异常值，提高测量的准确性，实现高空间分辨率下的大应变测量。

Description

一种高空间分辨率下的OFDR大应变测量方法

技术领域

本发明涉及一种高空间分辨率下的OFDR大应变测量方法，在高空间分辨率下提升了OFDR系统应变测量范围，属于光纤传感探测的技术领域。

背景技术

分布式光纤传感中光纤作为传感介质的同时也是测量的传输介质，利用光纤中光波的传输特性，实现沿光纤长度方向对外界环境进行实时监控。分布式光纤传感技术具有抗电磁干扰能力强、远程信号传输性能优越、测试精度高、重复稳定性、定位精度高，传感距离大等优势。基于其上述优势，该技术正被逐渐应用在越来越多的领域，例如铁路现场检测、监测，桥梁结构应力检测，隧道等地下的火灾警报，地质灾害监测等。作为分布式光纤传感系统的代表，光频域反射技术(OFDR)具有高的动态范围,高灵敏度,高空间分辨率的优势等优点，可以连续测量沿光纤距离上的应变、振动、温度等外界的物理量变化。

OFDR原理为：可调谐激光光源发出的线性扫频光经过耦合器分为两束，一束进入待测光纤，待测光纤的后向瑞利散射光返回形成信号光，与另一束参考光发生拍频干涉。对拍频信号采集并进行快速傅里叶变换处理，就可以得到沿传感光纤构建的距离域信息。在OFDR系统测量中，需要采集一次没有外界影响的参考信号和光纤受影响的测试信号，将测试信号与参考信号进行互相关计算得到外界信息的变化。OFDR系统具有高空间分辨率的特点，其系统空间分辨率可以达到毫米量级，因此其在航天航空等高精度监测领域具有非常重要的应用。然而，当测量空间分辨率提高时或者测量大应变时，参考信号与测试信号的互相关相关性会极大降低，从而导致互相关结果产生多峰和假峰，得不到正确的结果。因此，如何在高空间分辨率下有效提高OFDR系统的应变测量范围是一个十分重要的研究方向。

发明内容

为解决上述问题，本申请提供一种可以去除大应变测量结果的异常值，提高测量的准确性的高空间分辨率下的OFDR大应变测量方法，其技术方案为，

一种高空间分辨率下的OFDR大应变测量方法，包括以下步骤：

S1.分别采集两次信号，一次为不包含应变信息的信号，为参考信号；另一次为包含应变信息的信号，为测试信号；

S2.将参考信号和测试信号通过快速傅里叶变化映射到距离域上，并取窗口大小C将信号划分为N等分，其中窗口大小C决定了系统的空间分辨率；

S3.对第一份参考信号和测量信号的局部距离域信息进行快速逆傅里叶变化。

S4.对快速逆傅里叶变换后的参考信号和测量信号通过互相关计算得到一维互相关结果；

S5.重复步骤S3-S4，得到光纤每一对应位置的互相关结果，将得到的所有一维互相关结果在光纤距离上重构成二维图像信号，在二维图像的基础上通过全变分去噪算法或小波去噪算法对图像进行去噪处理；

S6.将通过去噪算法处理后的图像重新分解到光纤的对应位置，通过寻找主峰的偏移得到对应光纤位置光谱的偏移量，从而能够得到高空间分辨率下的大应变测量结果，提高测量的准确性。

进一步的，利用小波算法对重构的二维图像信号进行去噪处理，具体过程为，

将信号通过小波变换后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零从而达到去噪的目的。

进一步的，所述小波去噪算法过程如下：

s(k)＝f(k)+u*e(k) k＝(0,1,……，n-1)

其中,f(k)为有用信号,s(k)为含噪声信号,u为噪声系数的标准偏差，e(k)为高斯白噪声；有用信号表现为低频部分或平稳信号,而噪声信号则表现为高频的信号,对s(k)信号进行小波分解的时候,则噪声部分通常包含在HL、LH、HH中,对HL、LH、HH作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的，根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行信号的小波重构。

进一步的，利用全变分算法对重构的二维图像信号进行去噪处理，具体过程为，

二维图像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；

全变分最小化方程如式如下，

式中，ε表示信号域，(α,β)∈ε；TV(x(α,β))表示全变分方程，x_α、x_β分别表示采集到二维图像像素点的行向量和列向量。

进一步的，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下，

∫_εx(α,β)dαdβ＝∫_εz(α,β)dαdβ

式中，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，通过约束条件式得到一个线性和非线性的约束，从而转化为最小值优化问题。

有益效果

1)本发明所提出的高空间分辨率下的OFDR大应变测量传感系统可以提高测量系统的空间分辨率，使其在航天航空、机器设备等高精度监测领域具有更大优势和更广阔的应用。

2)本发明所提出的高空间分辨率下的OFDR大应变测量传感系统通过对二维图像信息的去噪处理，不仅能够提高系统空间分辨率，而且能够有效去除大应变测量结果的异常值，提高测量的准确性，实现高空间分辨率下的大应变测量。

附图说明

图1是高空间分辨率下的OFDR大应变测量传感系统处理流程。

图2为OFDR系统原理图。

其中1-为可调谐激光器；2-为耦合器一；3-为耦合器二；4-为环形器；5-为马赫-曾德干涉仪；6为偏振控制器一；7-为偏振控制器二；8-为耦合器三；9-为偏振分束器；10-为平衡探测器；11-为采集卡；12-待测光纤；13-菲尼尔环。

图3为传感光纤10.1-10.7m处受7000με未使用此方法的结果图，空间分辨率为2mm。

图4为传感光纤10.1-10.7m处受7000με使用此方法的结果图，空间分辨率为2mm。

具体实施方式

下面结合附图1-4和具体实施例对技术作进一步说明，以助于理解本发明的内容。

一种高空间分辨率下的OFDR大应变测量方法，其步骤包括如下，

S1.分别采集两次信号，一次为不包含应变信息的信号，为参考信号；另一次为包含应变信息的信号，为测试信号。

S2.将参考信号与测试信号在距离域上按一定的窗口大小C分割成N等份。

S3.将参考信号与测试信号各自的第一份距离域信息使用快速逆傅里叶变换。

S4.将逆傅里叶变换后的参考信号与测试信号进行互相关运算，可以得出一维互相关结果。

S5.重复步骤S3-S4，得到光纤每一对应位置的互相关结果，将得到的所有一维互相关结果在光纤距离上重构成二维图像信号，在二维图像的基础上通过全变分去噪算法或小波去噪算法对图像进行去噪处理。

S6.将通过去噪算法处理后的图像重新分解到光纤的对应位置，通过寻找主峰的偏移得到对应光纤位置光谱的偏移量，从而能够得到高空间分辨率下的大应变测量结果，提高测量的准确性。

小波去噪原理为信号通过小波变换(采用Mallat算法)后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零从而达到去噪的目的。

所述小波去噪算法过程如下：

s(k)＝f(k)+u*e(k) k＝(0,1,……，n-1) (1)

其中,f(k)为有用信号,s(k)为含噪声信号,u为噪声系数的标准偏差，e(k)为高斯白噪声；有用信号表现为低频部分或平稳信号,而噪声信号则表现为高频的信号,对s(k)信号进行小波分解的时候,则噪声部分通常包含在HL、LH、HH中,对HL、LH、HH作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的，根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行信号的小波重构。

利用全变分算法对重构的二维图像信号进行去噪处理，具体过程为，

二维图像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。

全变分最小化方程如式(2)

式(2)中，ε表示信号域，(α,β)∈ε；TV(x(α,β))表示全变分方程，x_α、x_β分别表示采集到二维图像像素点的行向量和列向量。

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；，列全变分最小化方程的约束条件如式(3)、式(4)所示：

∫_εx(α,β)dαdβ＝∫_εz(α,β)dαdβ (3)

式(4)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(3)、式(4)，得到一个线性和非线性的约束。从而转化为最小值优化问题。

图3为传感光纤10.1-10.7m处受7000με未使用此方法的结果图，空间分辨率为2mm，由于大应变造成了参考谱和测量谱相似性变差，从而导致了其结果有许多异常值，无法得出沿光纤长度正确的应变分布结果。图4为传感光纤10.1-10.7m处受7000με使用此方法的结果图，此方法很好的消除了异常值，得到了高系统分辨率下的大应变分布结果。

当然，上述说明并非对本技术的限制，本技术也不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也属于本技术的保护范围。

Claims (5)

1.一种高空间分辨率下的OFDR大应变测量方法，其特征在于，包括以下步骤：

S1.分别采集两次信号，一次为不包含应变信息的信号，为参考信号；另一次为包含应变信息的信号，为测试信号；

S2.将参考信号和测试信号通过快速傅里叶变化映射到距离域上，并取窗口大小C将信号划分为N等分，其中窗口大小C决定了系统的空间分辨率；

S3.对第一份参考信号和测量信号的局部距离域信息进行快速逆傅里叶变化；

S4.对快速逆傅里叶变换后的参考信号和测量信号通过互相关计算得到一维互相关结果；

S5.重复步骤S3-S4，得到光纤每一对应位置的互相关结果，将得到的所有一维互相关结果在光纤距离上重构成二维图像信号，在二维图像的基础上通过全变分去噪算法或小波去噪算法对图像进行去噪处理；

S6.将通过去噪算法处理后的图像重新分解到光纤的对应位置，通过寻找主峰的偏移得到对应光纤位置光谱的偏移量，从而能够得到高空间分辨率下的大应变测量结果，提高测量的准确性。

2.根据权利要求1所述的一种高空间分辨率下的OFDR大应变测量方法，其特征在于，利用小波算法对重构的二维图像信号进行去噪处理，具体过程为，

将信号通过小波变换后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零，从而达到去噪的目的。

3.根据权利要求2所述的一种高空间分辨率下的OFDR大应变测量方法，其特征在于，所述小波去噪算法过程如下：

s(k)＝f(k)+u*e(k)k＝(0,1,……，n-1)

其中,f(k)为有用信号,s(k)为含噪声信号,u为噪声系数的标准偏差，e(k)为高斯白噪声；有用信号表现为低频部分或平稳信号,而噪声信号则表现为高频的信号,对s(k)信号进行小波分解的时候,则噪声部分通常包含在HL、LH、HH中,对HL、LH、HH作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的，根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行信号的小波重构。

4.根据权利要求1所述的一种高空间分辨率下的OFDR大应变测量方法，其特征在于，利用全变分去噪算法对重构的二维图像信号进行去噪处理，具体过程为，

二维图像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；

全变分最小化方程如式如下，

式中，ε表示信号域，(α,β)∈ε；TV(x(α,β))表示全变分方程，x_α、x_β分别表示采集到二维图像像素点的行向量和列向量。

5.根据权利要求4所述的一种高空间分辨率下的OFDR大应变测量方法，其特征在于，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下，

∫_εx(α,β)dαdβ＝∫_εz(α,β)dαdβ

式中，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，通过约束条件式得到一个线性和非线性的约束，从而转化为最小值优化问题。

Images