CN116243242A - 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 - Google Patents
基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 Download PDFInfo
- Publication number
- CN116243242A CN116243242A CN202211513195.0A CN202211513195A CN116243242A CN 116243242 A CN116243242 A CN 116243242A CN 202211513195 A CN202211513195 A CN 202211513195A CN 116243242 A CN116243242 A CN 116243242A
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- disturbance
- amplitude
- noise reduction
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于Ф‑OTDR的自适应滤波一体化降噪高精度3D定位方法,该基于Ф‑OTDR的自适应滤波一体化降噪高精度3D定位方法,包括以下步骤:构造二维时‑空域信号矩阵、传感信号正交解调、幅度信号预处理、建立幅度信号扰动下理想时‑空域灰度图模型得最优占比、设置初始参数、引导滤波、图像处理并计算像素占比、调整窗口平滑半径、输出结果3D成像。通过本发明的自适应滤波一体化降噪高精度3D定位方法,实现一体化降噪流程,实现Ф‑OTDR系统降噪算法的智能化;与此同时,最佳参数下引导滤波算法使得最终信号具有较高信噪比,并且空间分辨率可达到理想状态,实现最终结果的多维度定位显示,相较于以往的定位算法,具备直观形象、可视化的定位效果。
Description
技术领域
本发明属于光纤传感技术应用领域,尤其涉及基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法。
背景技术
分布式光纤振动传感作为光纤传感技术中一个热门的研究方向,逐步在大型建筑工程、地下管道传输网络、电力通信系统中体现巨大的价值。在目前众多的分布式光纤振动传感系统中,相位敏感光时域反射计Phase-sensitive Optical Time DomainReflectometry,缩写为Ф-OTDR/Phase-sensitive OTDR凭借其长距离探测、抗干扰、连续感知外界信息、监测并辨识入侵等性能从中脱颖而出,在大型设施健康监测、线缆安全监测、管道防护、海底光缆等安防系统中发挥着重要作用。
Ф-OTDR主要分析光脉冲在传感光纤中传播时产生的瑞利散射光,传感光纤上的振动信号因相位调制原理会影响传输光的相位,继而采用干涉测量技术将这种相位变化转化为光强变化,再通过获取光强可解调出扰动的相位和幅度信号,因此光纤外部的扰动信息可以进行获取和恢复。目前,在Ф-OTDR系统扰动源定位中,普遍采用幅度差分方案;与此同时,在相干探测型Ф-OTDR系统中,也有利用相位信息进行扰动定位的方案。但是这些定位方法大多存在以下不足:受光源线宽及频率漂移的限制,在实际应用中扰动定位精度通常无法达到极限空间分辨率;信噪比低,通常与滑动平均算法或其他算法结合以提高信噪比,但是最优信噪比的产生取决于人为设置的滑动窗口大小以及其它参数,需要不断实验及参数调整;通常只考虑了较大的低频噪声、高频噪声,忽略了本身振幅差分或者相位差分产生的噪声基底,影响定位结果的准确性;定位结果通常只考虑了扰动发生的位置,忽略了扰动作用的时域及频域信息,无法呈现直观、可视化的扰动探测定位效果。
发明内容
鉴于上述现有基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法存在的问题,提出了本发明。
因此,本发明目的是提供基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,解决了Ф-OTDR系统信号传统定位信噪比低、需要人工进行降噪参数调整导致响应不及时、定位效果差以及定位结果单一等问题。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,包括:采集探测光脉冲中背向瑞利散射曲线相关数据建立二维时-空域信号矩阵;
传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵;
根据二维幅度信号扰动频率与信号矩阵采样时长,建立幅度信号扰动下理想时-空域灰度图模型并计算所述幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比;
对引导滤波器参数进行初始设置、迭代设置以及输入输出设置;
对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比;
判断所述像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:所述二维时-空域信号矩阵包括,
采集卡数模转换的每个探测光脉冲产生的每一条条背向瑞利散射曲线,得到转换后的采样点;
设定所述转换后的采样点数为M点,探测光脉冲为N个,得到N×M个采样数据。
将采样数据逐行排列得到一个N×M的二维时-空域信号矩阵X=[Xi,j]N×M;
其中,Xij为第i个探测光脉冲在传感光纤上第j个采样点处产生的背向瑞利散射光强,每一列表示传感光纤上对应点连续N个光脉冲作用下的散射光强值,即该采样点的时域信息;
每一行表示为一个光脉冲在整条待测光纤上产生的背向瑞利散射信号,即待测光纤的空域信息。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵包括,
幅度信号预处理通过对幅度信号矩阵E进行时域上的前向差分和Savitzky-Golay平滑去噪,得到重构幅度矩阵Ediff。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:根据二维幅度信号扰动频率与信号矩阵采样时长,建立幅度信号扰动下理想时-空域灰度图模型并计算所述幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比包括,
将重构幅度矩阵边缘位置处的时域信号进行傅里叶变换,得到扰动频率为f,并确定重构幅度矩阵采样时长为N/F秒;
确立扰动迹线的形态和单次作用下理想的像素个数,建立幅度信号扰动下理想时-空域灰度图模型;
根据幅度信号扰动下理想时-空域灰度图模型中总像素N×M,并以保证容错率为基础,扩大非扰动区域像素与有扰动区域像素之比,计算理想状态下重构幅度矩阵Ediff图像中非扰动区域像素与有扰动区域像素最优占比,具体如下式:
N×M-N/F×f2:N/F×f2
k=(N×M-N/F×f2)/(N/F×f2)×(1+m)
其中,k为非扰动区域像素与有扰动区域像素最优占比,N为矩阵的行数,M为矩阵的列数,f为二维幅度信号扰动频率,F为Ф-OTDR系统脉冲发射频率,N/F为幅度信号矩阵采样时长秒数,m为容错率。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:对引导滤波器参数进行初始设置、迭代设置以及输入输出设置包括设置平滑项参数为ε,设置引导滤波器的滤波项以及引导项均为重构幅度矩阵Ediff,设置引导滤波器的输出项为图片数据格式,依据所述重构幅度矩阵Ediff的规格设置最小窗口平滑半径为r及其迭代步长。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比包括,
引导滤波通过将所述幅度矩阵Ediff按照初始参数输入到引导滤波器中,输出Eout信号;
对所述Eout信号进行灰度图转换以及统计黑白像素比得到非扰动区域与扰动区域的像素比为k’。
作为本发明所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其中:判断像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像包括,
将所述非扰动区域与扰动区域的像素比k’与非扰动区域像素与有扰动区域像素最优占比k对比;
若所述非扰动区域与扰动区域的像素比k’大于所述非扰动区域像素与有扰动区域像素最优占比k,则引导滤波后的幅度信号灰度图的黑白像素占比停止参数调整,输出最终幅度信号;
若所述非扰动区域与扰动区域的像素比k’小于所述非扰动区域像素与有扰动区域像素最优占比k,则根据迭代步长增大引导滤波窗口平滑半径,将幅度信号再次输入到参数调整后的滤波器中;
将最终幅度信号的列数与传感光纤的长度进行转换,行数与采样时长进行转换,并创建Axes3D对象,设置显示维度分别为时间、距离以及幅度,输入最终幅度信号,绘制3D定位图像。
第二方面,本发明实施例提供了基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位系统,包括,
矩阵搭建模块,用于采集探测光脉冲中背向瑞利散射曲线相关数据建立二维时-空域信号矩阵,以及传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵;
计算模块,用于根据二维幅度信号扰动频率与信号矩阵采样时长计算幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比,对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比,自适应调整参数以接近最优占比;
输出模块,用于判断像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像。
第三方面,本发明实施例提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法。
本发明的有益效果:本发明基于引导滤波的速度优势以及边缘保持优势,引入自适应参数选择实现一体化降噪流程,实现Ф-OTDR系统降噪算法的智能化;与此同时,最佳参数下引导滤波算法使得最终信号具有较高信噪比,并且空间分辨率可达到理想状态,解决了Ф-OTDR系统信号信噪比低、定位效果差等问题。本发明基于整体算法流程获得的高信噪比、高精度的结果矩阵,创建3D对象,实现最终结果的多维度定位显示,相较于以往的定位算法,具备直观形象、可视化的定位效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的相位敏感光时域反射光纤传感系统结构示意图。
图2为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的流程图。
图3为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的理想时-空域灰度图。
图4为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的理想时-空域模型图。
图5为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的理想时-空域模型的直方图。
图6为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的最终结果矩阵的3D定位结果图。
图7为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的不存在边缘信息图。
图8为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的存在边缘信息的信号原始3D图。
图9为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的不存在边缘信息的信号自适应引导之后的3D图。
图10为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的存在边缘信息的信号自适应引导之后的3D图。
图11为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的不存在边缘信息的信号灰度图。
图12为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的存在边缘信息的信号灰度图。
图13为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的传统幅度方差定位的信噪比与分辨率图。
图14为本发明基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的定位信噪比与分辨率图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
参照图1~图6,为本发明第一个实施例,提供了基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,包括:
如图1所示,为本发明采用的相敏光时域反射光纤传感系统为相干探测型Ф-OTDR系统,本系统硬件部分包括:中心波长为1550.12nm的窄线宽激光器1,分光比为90:10的1×2耦合器2,声光调制器3,驱动器4,掺铒光纤放大器5,环形器6,待测光纤7,分光比为50:50的2×2耦合器8,平衡探测器9,数据采集卡10,任意波形发生器11,计算机12,压电陶瓷管13。
如图2所示,本发明的具体步骤如下:
S1:采集探测光脉冲中背向瑞利散射曲线相关数据建立二维时-空域信号矩阵。应说明的是:
通过波形发生器触发数据采集卡数模转换的每个探测光脉冲产生的每一条条背向瑞利散射曲线,得到转换后的采样点;
设定转换后的采样点数为M点(点数由采集卡采集速率以及待测光纤长度决定),探测光脉冲为N个,得到N×M个采样数据;
将采样数据逐行排列得到一个N×M的二维时-空域信号矩阵X=[Xi,j]N×M;
其中,Xij为第i个探测光脉冲在传感光纤上第j个采样点处产生的背向瑞利散射光强,每一列表示传感光纤上对应点连续N个光脉冲作用下的散射光强值,即该采样点的时域信息;
每一行表示为一个光脉冲在整条待测光纤上产生的背向瑞利散射信号,即待测光纤的空域信息。
在本实例中,光脉冲发射频率为1000Hz,脉冲宽度为50ns,每条背向瑞利散射曲线采样点数为2000点,共保存2000个脉冲产生的背向瑞利散射信号,因此构建的二维时-空域信号矩阵大小为2000×2000,扰动频率设置为100Hz。
根据矩阵大小可以进行时空域转换,构建的二维时-空域信号矩阵包含的信息为800m的光纤链路持续采集2s。
S2:传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵。应说明的是:
由于二维时-空域信号矩阵每一行都表示一个光脉冲在待测光纤上产生的瑞利散射光强,这种携带中频的信号也被称为外差信号,通过正交解调可以得到信号的同向分量以及正交分量,同向分量和正交分量的平方和即信号幅度E,反正切角度即信号相位
幅度信号预处理通过对幅度信号矩阵E进行时域上的前向差分和Savitzky-Golay平滑去噪,得到重构幅度矩阵Ediff,实现了对幅度信号中因为扰动而存在的边缘信息的初步凸显。
其中,Savitzky-Golay平滑滤波的窗口大小选定为5个点。
S3:根据二维幅度信号扰动频率与信号矩阵采样时长,建立幅度信号扰动下理想时-空域灰度图模型并计算幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比。应说明的是:
将重构幅度矩阵边缘位置处的时域信号进行傅里叶变换,得到扰动频率为f,并确定重构幅度矩阵采样时长为N/F秒;
得到的重构幅度矩阵Ediff以灰度图模式读取,转化为二值化图像之后确立扰动迹线的形态和单次作用下理想的像素个数,确立扰动迹线的形态和单次作用下理想的像素个数,建立幅度信号扰动下理想时-空域灰度图模型;
根据幅度信号扰动下理想时-空域灰度图模型中总像素N×M,并以保证容错率为基础,扩大非扰动区域像素与有扰动区域像素之比,计算理想状态下重构幅度矩阵Ediff图像中非扰动区域像素与有扰动区域像素最优占比,具体如下式:
N×M-N/F×f2:N/F×f2
k=(N×M-N/F×f2)/(N/F×f2)×(1+m)
其中,k为非扰动区域像素与有扰动区域像素最优占比,并在本实施例中设置为360,N为矩阵的行数,M为矩阵的列数,f为二维幅度信号扰动频率,F为Ф-OTDR系统脉冲发射频率,N/F为幅度信号矩阵采样时长秒数,m为容错率并扩大5%。
理想时-空域灰度图模型图及其直方图如图3~图5所示,看出理想时-空域灰度图模型不仅最大限度地凸显并保留了扰动迹线,而且滤除了冗余信息,实现高精度定位,且得到的最优占比为参数自适应调整的工作奠定了基础。
S4:对引导滤波器参数进行初始设置、迭代设置以及输入输出设置。应说明的是:
设置初次引导滤波的两个重要参数:窗口平滑半径r以及平滑项参数ε。
由于重构幅度矩阵Ediff已经过Savitzky-Golay平滑去噪,所以平滑项参数ε的大小改变对Ф-OTDR系统重构幅度矩阵Ediff的扰动迹线凸显效果影响甚微,后续自适应化主要针对窗口平滑半径r进行调整。
其中,在本实例中,平滑项参数ε设置为0.001,窗口平滑半径r设置为5(依据图像规格设置的最小半径)。
S5:对重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比。应说明的是:
引导滤波通过将幅度矩阵Ediff按照初始参数输入到引导滤波器中,输出Eout信号;
对Eout信号进行灰度图转换为二值化图像,统计黑白像素比得到非扰动区域与扰动区域的像素比为k’。
S6:判断像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像。应说明的是:
将非扰动区域与扰动区域的像素比k’与非扰动区域像素与有扰动区域像素最优占比k对比;
若非扰动区域与扰动区域的像素比k’大于非扰动区域像素与有扰动区域像素最优占比k,则引导滤波后的幅度信号灰度图的黑白像素占比停止参数调整,输出最终幅度信号;
若非扰动区域与扰动区域的像素比k’小于非扰动区域像素与有扰动区域像素最优占比k,则根据迭代步长增大引导滤波窗口平滑半径,将幅度信号再次输入到参数调整后的滤波器中;
其中,调整窗口平滑半径r为将r的值按规定步长增加,r越大,引导滤波输出结果边缘突出越明显,在本实例中,r步长设置为1,并最终选定的最优窗口平滑半径r为9,可实现信噪比提升算法的自适应化,避免了人为进行参数调优的冗余工作,实现了整体定位算法的智能化,提升定位效果的可视化、高信噪比以及系统响应速度。
将最终幅度信号的列数与传感光纤的长度进行转换,行数与采样时长进行转换,并创建Axes3D对象,设置显示维度分别为时间、距离以及幅度,输入最终幅度信号,绘制3D定位图像。
最终输出的Eout’图像转化为矩阵后绘制时空域3D图像,可观测到扰动发生的精确位置(达到极限空间分辨率)、扰动在测量时间范围内作用的时间、频次以及扰动作用的强度。在本实例中,最终输出定位结果如图6所示。
具体的,在本实例中,系统实现最终定位信噪比达到38dB,较同等条件下的幅度差分定位以及相位信息定位信噪比提升10-20dB。最终实现的高精度定位的空间分辨率约为5.34m,与该系统极限空间分辨率5.14m仅相差0.2m。整体降噪过程耗时2.6s,最终选定的最优窗口平滑半径r为9。通过本发明的自适应差分引导滤波一体化降噪高精度3D定位方法,实现一体化降噪流程,实现Ф-OTDR系统降噪算法的智能化;与此同时,最佳参数下引导滤波算法使得最终信号具有较高信噪比,并且空间分辨率可达到理想状态,实现最终结果的多维度定位显示,相较于以往的定位算法,具备直观形象、可视化的定位效果。
实施例2
参照图7~图14,为本发明的第二个实施例,对本方法中采用的技术效果加以验证说明。
在本实例中,信号采集时长为200ms,传感光纤长度为14.3km,在14km处实施正弦扰动,扰动频率低至5Hz,为了凸显自适应引导滤波的边缘检测效率,如图7~图12所示,采用自适应引导滤波不仅能实现边缘保持、有效滤除噪声信号,还能最大限度地保持图像中的梯度信息以实现最优定位显示,同时对于没有边缘信息的信号也可以精确判别。
在相同情况下与传统的幅度差分定位精准度对比结果如图13~图14所示,在长距离传输以及低频扰动条件下,系统实现最终定位信噪比达到34.29dB,较同等条件下的幅度差分定位信噪比提升23.19dB。最终实现的高精度定位的空间分辨率约为4.23m,定位精准度比传统幅度差分定位提高56.4%,最佳参数下引导滤波算法使得最终信号具有较高信噪比,并且空间分辨率较传统定位大大提高,解决了Ф-OTDR系统信号信噪比低、定位效果差等问题。最终结果输出不仅考虑了扰动发生的位置,还结合了扰动作用的时域及频域信息,呈现定位结果的多维度显示。
重要的是,应注意,在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了几个实施方案,但参阅此公开内容的人员应容易理解,在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下,许多改型是可能的(例如,各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如,温度、压力等)、安装布置、材料的使用、颜色、定向的变化等)。例如,示出为整体成形的元件可以由多个部分或元件构成,元件的位置可被倒置或以其它方式改变,并且分立元件的性质或数目或位置可被更改或改变。因此,所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中,任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行功能的结构,且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下,可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此,本发明不限制于特定的实施方案,而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外,为了提供示例性实施方案的简练描述,可以不描述实际实施方案的所有特征(即,与当前考虑的执行本发明的最佳模式不相关的那些特征,或于实现本发明不相关的那些特征)。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:包括,
采集探测光脉冲中背向瑞利散射曲线相关数据建立二维时-空域信号矩阵;
传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵;
根据二维幅度信号扰动频率与信号矩阵采样时长,建立幅度信号扰动下理想时-空域灰度图模型并计算所述幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比;
对引导滤波器参数进行初始设置、迭代设置以及输入输出设置;
对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比;
判断所述像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像。
2.如权利要求1所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:所述二维时-空域信号矩阵包括,
采集卡数模转换的每个探测光脉冲产生的每一条条背向瑞利散射曲线,得到转换后的采样点;
设定所述转换后的采样点数为M点,探测光脉冲为N个,得到N×M个采样数据。
将采样数据逐行排列得到一个N×M的二维时-空域信号矩阵X=[Xi,j]N×M;
其中,Xij为第i个探测光脉冲在传感光纤上第j个采样点处产生的背向瑞利散射光强,每一列表示传感光纤上对应点连续N个光脉冲作用下的散射光强值,即该采样点的时域信息;
每一行表示为一个光脉冲在整条待测光纤上产生的背向瑞利散射信号,即待测光纤的空域信息。
4.如权利要求1所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:根据二维幅度信号扰动频率与信号矩阵采样时长,建立幅度信号扰动下理想时-空域灰度图模型并计算所述幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比包括,
将重构幅度矩阵边缘位置处的时域信号进行傅里叶变换,得到扰动频率为f,并确定重构幅度矩阵采样时长为N/F秒;
确立扰动迹线的形态和单次作用下理想的像素个数,建立幅度信号扰动下理想时-空域灰度图模型;
根据幅度信号扰动下理想时-空域灰度图模型中总像素N×M,并以保证容错率为基础,扩大非扰动区域像素与有扰动区域像素之比,计算理想状态下重构幅度矩阵Ediff图像中非扰动区域像素与有扰动区域像素最优占比,具体如下式:
N×M-N/F×f2:N/F×f2
k=(N×M-N/F×f2)/(N/F×f2)×(1+m)
其中,k为非扰动区域像素与有扰动区域像素最优占比,N为矩阵的行数,M为矩阵的列数,f为二维幅度信号扰动频率,F为Ф-OTDR系统脉冲发射频率,N/F为幅度信号矩阵采样时长秒数,m为容错率。
5.如权利要求1所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:对引导滤波器参数进行初始设置、迭代设置以及输入输出设置包括设置平滑项参数为ε,设置引导滤波器的滤波项以及引导项均为重构幅度矩阵Ediff,设置引导滤波器的输出项为图片数据格式,依据所述重构幅度矩阵Ediff的规格设置最小窗口平滑半径为r及其迭代步长。
6.根据权利要求1所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比包括,
引导滤波通过将所述幅度矩阵Ediff按照初始参数输入到引导滤波器中,输出Eout信号;
对所述Eout信号进行灰度图转换以及统计黑白像素比得到非扰动区域与扰动区域的像素比为k’。
7.如权利要求1、4、6任一所述的基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法,其特征在于:判断像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像包括,
将所述非扰动区域与扰动区域的像素比k’与非扰动区域像素与有扰动区域像素最优占比k对比;
若所述非扰动区域与扰动区域的像素比k’大于所述非扰动区域像素与有扰动区域像素最优占比k,则引导滤波后的幅度信号灰度图的黑白像素占比停止参数调整,输出最终幅度信号;
若所述非扰动区域与扰动区域的像素比k’小于所述非扰动区域像素与有扰动区域像素最优占比k,则根据迭代步长增大引导滤波窗口平滑半径,将幅度信号再次输入到参数调整后的滤波器中;
将最终幅度信号的列数与传感光纤的长度进行转换,行数与采样时长进行转换,并创建Axes3D对象,设置显示维度分别为时间、距离以及幅度,输入最终幅度信号,绘制3D定位图像。
8.基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位系统,其特征在于,包括,
矩阵搭建模块,用于采集探测光脉冲中背向瑞利散射曲线相关数据建立二维时-空域信号矩阵,以及传感信号正交解调分离出幅度信号矩阵并进行预处理,得到重构幅度矩阵;
计算模块,用于根据二维幅度信号扰动频率与信号矩阵采样时长计算幅度信号扰动下理想时-空域灰度图模型中像素之间的最优占比,对所述重构幅度矩阵进行引导滤波输出图像,并对输出图像进行灰度图转换和计算像素比,自适应调整参数以接近最优占比;
输出模块,用于判断所述重构幅度矩阵的像素比与最优占比,获取最优结果并最终输出参数调整后的幅度信号3D图像。
9.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的步骤。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于Ф-OTDR的自适应滤波一体化降噪高精度3D定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513195.0A CN116243242A (zh) | 2022-11-29 | 2022-11-29 | 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513195.0A CN116243242A (zh) | 2022-11-29 | 2022-11-29 | 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116243242A true CN116243242A (zh) | 2023-06-09 |
Family
ID=86626570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211513195.0A Pending CN116243242A (zh) | 2022-11-29 | 2022-11-29 | 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243242A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117014065A (zh) * | 2023-08-22 | 2023-11-07 | 国网江苏省电力有限公司泰州供电分公司 | 一种改进型的φ-otdr通信光缆扰动定位降噪方法及装置 |
-
2022
- 2022-11-29 CN CN202211513195.0A patent/CN116243242A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117014065A (zh) * | 2023-08-22 | 2023-11-07 | 国网江苏省电力有限公司泰州供电分公司 | 一种改进型的φ-otdr通信光缆扰动定位降噪方法及装置 |
CN117014065B (zh) * | 2023-08-22 | 2024-05-03 | 国网江苏省电力有限公司泰州供电分公司 | 一种改进型的φ-otdr通信光缆扰动定位降噪方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112747815B (zh) | 一种分布式光纤声波传感系统中的相干衰落噪声抑制方法 | |
Shao et al. | Data-driven distributed optical vibration sensors: a review | |
CN108955734B (zh) | 一种光纤f-p温度/压力复合传感器的腔长解调方法 | |
CN112985639B (zh) | 基于去啁啾和时域子啁啾脉冲提取的分布式光纤传感方法 | |
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 | |
CN109084905B (zh) | 相位敏感型光时域反射系统中降低探测死区概率的方法 | |
US11783452B2 (en) | Traffic monitoring using distributed fiber optic sensing | |
CN105181152B (zh) | 分布式布里渊散射光谱频移的计算方法 | |
CN116243242A (zh) | 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 | |
CN110207804B (zh) | 一种基于单模光纤分布式声学传感的离散化处理方法 | |
Wang et al. | Rapid response DAS denoising method based on deep learning | |
Bai et al. | Noise reduction method of Φ-OTDR system based on EMD-TFPF algorithm | |
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 | |
CN113514833B (zh) | 一种基于海浪图像的海面任意点波向的反演方法 | |
CN111539393B (zh) | 基于emd分解与lstm的油气管道第三方施工预警方法 | |
CN116388858A (zh) | 一种基于相位解调的断纤检测方法和装置 | |
Gladines et al. | A phase correlation based peak detection method for accurate shape from focus measurements | |
CN114623921B (zh) | 分布式光纤振动传感的解调方法 | |
CN113191321B (zh) | 基于生成对抗网络的光纤分布式地震波信号降噪方法 | |
CN112179475B (zh) | 一种多源混叠的分布式光纤振动传感信号的分离方法 | |
Soto et al. | Image and video denoising for distributed optical fibre sensors | |
Yin et al. | Research on interference signal recognition in p wave pickup and magnitude estimation | |
CN105115622A (zh) | 基于独立成分分析的光纤拉曼温度传感系统的去噪算法 | |
CN115031651B (zh) | 一种改进bm3d去噪ofdr分布式应变测量方法 | |
Li et al. | Denoising of Brillouin gain spectrum images for improved dynamic measurements of BOTDR |
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 |