一种基于压缩感知的布里渊光信号采集方法

1.本发明涉及一种基于压缩感知的布里渊光信号采集方法，属于光纤传感探测的技术领域。


背景技术：

2.传感器是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。在我们的生活及生产活动中得到了广泛的应用。相比于传统的电学传感器，光纤传感器用光作为敏感信息的载体，用光纤作为传递敏感信息的媒质，具有光纤及光学测量的特点，有一系列独特的优点：电绝缘性能好，抗电磁干扰能力强，非侵入性，高灵敏度，容易实现对被测信号的远距离监控，耐腐蚀，防爆，而且信号光在光纤中传输损耗较小，这就决定了光纤分布式传感器具有超长距离传感的优势。
3.布里渊光时域分析仪(brillouin optical time domain analysis，botda)作为一种典型的分布式光纤传感系统，在通信、传感等领域均有着重大的运用价值，它可以实现超长距离的应变/温度的分布式监控，其主要原理为利用光纤所处的外界的温度/应变的变化使得光纤布里渊频谱产生频移，从而可以通过分布式测量布里渊频移实现对外界环境的实时监控。目前，botda在扩展传感距离、提高空间分辨率、提高温度/应变测量精确度上有了一定的成果，但为了提高bfs的估计精度，需要平均大量的时域轨迹来得到高信噪比的布里渊信号，这是以增加测量时间为代价的。近年来，人们在发展快速botda传感技术上付出很多努力，如使用小波降噪技术、射频低通滤波、快速频率扫描法、光学啁啾链等。然而，上述方法虽然提高了botda系统采集数据的速度，但也存在着各种各样的不足。
4.小波降噪技术与射频低通滤波都是通过提高布里渊信号的信噪比，减少时域轨迹平均次数来提高数据采集速度，然而这两种方法对信号失真与信噪比之间需要做一个权衡，在提高信噪比的同时也会引起信号的失真。快速频率扫描法实现了在光纤上一个位置快速获取bfs的简化方法，但是该方法无法达到高空间分辨率。光学啁啾链法通过高采样率来实现数据的快速采集，然而该方法需要昂贵的信号生成模块来实现目的，并且极大地限制了测量距离。基于此，大连理工大学的周大鹏教授提出了基于压缩感知的布里渊光时域分析方法，该方法不需要对现有的botda传感系统做任何改变，所需的频率采集量仅为传统botda的30％，减少了数据传输/存储的时间。所以消除复杂昂贵的设备简化系统来降低成本，且兼备快速botda传感具有很广阔的发展前景。
5.因此，使用压缩感知算法可以快速有效的进行布里渊光信号的采集，即研究基于压缩感知的布里渊光信号采集方法在实际应用中具有重要意义。


技术实现要素：

6.为了解决传统botda系统对硬件要求高，数据传输、储存、处理速率耗时较长、传感距离短的问题，本发明提供一种基于压缩感知的布里渊光信号采集方法及装置，有利于提
高分布式布里渊传感系统数据传输、储存、处理速率，增加传感距离，放宽了对采样硬件的要求，从而降低了数据处理成本。
7.本发明解决其技术问题所采用的技术方案是：
8.一种基于压缩感知的布里渊光信号采集方法，包括以下步骤：
9.步骤1，在布里渊分布式传感系统中，将沿光纤方向由受激布里渊散射效应形成的时域轨迹作为压缩观测对象，根据泵浦脉冲宽度与光纤长度确定原始数据量n，原始数据x＝[x1,x2,x3,...,x
n
]
t
，为光纤各位置点的布里渊增益，接着根据原始数据量n与压缩比例确定观测量m；
[0010]
步骤2，观测矩阵采用φ＝φ
gaussian
×
φ
sample
，其中φ
gaussian
为m
×
n的高斯随机矩阵，φ
sample
构成方式为n
×
n的矩阵，对角线元素随机选取m个位置设为1，矩阵其余位置元素设为0，对角线上序列为一随机序列；
[0011][0012]
步骤3，在计算机中生成φ
sample
，找出对角线元素中“1”所在位置并计算它们之间的间隔，存入向量s中，将此向量发送到ad转换器中作为随机采样时间间隔。对原始数据x采用向量s触发ad采样，采集m个数据点得到向量g；
[0013][0014]
步骤4，将压缩采样得到的数据发送到计算机中，并通过高斯随机矩阵φ
gaussian
与采集数据g的乘积计算出观测向量y＝[y1,y2,y3,...,y
m
]；
[0015][0016]
步骤5，原始数据x由稀疏矩阵ψ和稀疏系数θ的乘积构成，即x＝ψθ，公式转变：y＝φx＝φψθ，将φ与ψ的乘积为传感矩阵a，最终方程转变为：y＝aθ；
[0017]
步骤6，将已知的观测向量y与传感矩阵a通过压缩感知算法求得θ，再根据x＝ψθ恢复原始时域轨迹x，即得到光纤各位置点的布里渊光信号。
[0018]
进一步，所述步骤2中，φ
sample
矩阵对角线序列中“1”表示原始数据x采样点的位置。
[0019]
优选的，所述步骤6，压缩感知算法可以是lasso、omp或romp等。
[0020]
本发明的有益效果主要表现在：相较于传统布里渊光时域分析仪，本发明不需要
昂贵的信号发生模块，按照远低于奈奎斯特定理要求的采样频率进行采样，以极少量的数据精确重构原信号；压缩感知理论直接从沿光纤的时域轨迹中提取极少数观测数据去精确重构原始数据，有利于提高分布式布里渊传感系统数据传输、储存、处理速率，增加传感距离，放宽了对采样硬件的要求，从而降低了数据处理成本。
附图说明
[0021]
图1为本发明中基于压缩感知的布里渊光信号采集方法的流程图。
[0022]
图2为本发明中布里渊光信号数据恢复采用的omp算法流程图。
[0023]
图3为本发明中基于压缩感知的布里渊光信号采集的实验装置图。
具体实施方式
[0024]
下面结合附图对本发明作进一步描述。
[0025]
参照图1和图2，一种基于压缩感知的布里渊光信号采集方法，包括以下步骤：
[0026]
步骤1，在布里渊分布式传感系统中，将沿光纤方向由受激布里渊散射效应形成的时域轨迹作为压缩观测对象，根据泵浦脉冲宽度与光纤长度确定原始数据量n，原始数据x＝[x1,x2,x3,...,x
n
]
t
，为光纤各位置点的布里渊增益，接着根据原始数据量n与压缩比例确定观测量m。
[0027]
泵浦脉冲宽度选择50ns，对应于光纤中的5m；光纤采用50km的单模光纤，故原始数据量n＝10000。随机采集原始数据量30％的数据来恢复原始数据，则观测量m＝n
×
30％＝3000。
[0028]
步骤2，观测矩阵采用φ＝φ
gaussian
×
φ
sample
，其中φ
gaussian
为m
×
n的高斯随机矩阵，φ
sample
构成方式为n
×
n的矩阵，对角线元素随机选取m个位置设为1，矩阵其余位置元素设为0，对角线上序列为一随机序列。
[0029][0030]
观测矩阵φ的构造满足有限等距性质，且和稀疏矩阵具有非相关性。φ
gaussian
为3000
×
10000的矩阵，φ
sample
为10000
×
10000的矩阵，使用观测向量对原始数据进行随机采样，能够减少采集点的数量，提高采集效率。
[0031]
步骤3，在计算机中生成φ
sample
，找出对角线元素中“1”所在位置并计算它们之间的间隔，存入向量s中，将此向量发送到ad转换器中作为随机采样时间间隔。对原始数据x采用向量s触发ad采样，采集m个数据点。
[0032]
s为1
×
3000的向量，每个元素都代表了采样点的间隔，据此可以采样得到3000个数据点。n
×
n的φ
sample
矩阵对角线元素即代表了原始数据采样点的位置，通过φ
sample
对原始数据进行采样，随机采集3000个数据点，随机采集得到向量g如下式所示：
[0033][0034]
步骤4，将压缩采样得到的数据发送到计算机中，并通过高斯随机矩阵φ
gaussian
与采集数据的乘积计算出观测向量y＝[y1,y2,y3,...,y
3000
]。
[0035][0036]
高斯随机矩阵φ
gaussian
与采集数据g的乘积代表了观测矩阵φ对原始数据x的随机观测，得到的观测向量y为3000
×
1的向量。
[0037]
y＝φ
gaussian
g＝φ
gaussian
φ
sample
x＝φx
[0038]
步骤5，原始数据x由稀疏矩阵ψ和稀疏系数θ的乘积构成，即x＝ψθ，公式转变：y＝φx＝φψθ，将φ与ψ的乘积为传感矩阵a，最终方程转变为：y＝aθ。
[0039]
ψ为10000
×
10000的矩阵，θ为10000
×
1的向量，通过随机高斯矩阵φ
gaussian
与稀疏矩阵ψ的乘积构建3000
×
10000的传感矩阵a。
[0040]
步骤6，将已知的观测向量y与传感矩阵a通过压缩感知算法求得θ，再根据x＝ψθ恢复原始时域轨迹x，即得到光纤各位置点的布里渊光信号。
[0041]
进一步，所述步骤2中，φ
sample
矩阵对角线序列中“1”表示原始数据x采样点的位置。
[0042]
优选的，所述步骤6，压缩感知算法可以是lasso、omp或romp等。
[0043]
压缩感知算法以omp算法为例，参照图2的算法流程图，实现步骤如下所示：
[0044]
(1)设定输入传感矩阵a，观测向量y，稀疏度k＝900，输出稀疏系数θ；
[0045]
(2)初始化残差r0＝y，索引集重建原子集合b0＝{}，t＝1；
[0046]
(3)循环执行
①‑⑤
：
[0047]
①
找出残差r与传感矩阵的列积中最大值所对应的角标λ，即
[0048][0049]
②
更新索引集λ
t
＝λ
t
‑1∪{λ
t
}，记录找到的传感矩阵中重建原子集合
[0050]
③
由最小二乘得到
[0051]
④
更新残差
[0052]
⑤
判断是否满足t＞k，若满足，则停止迭代；若不满足，则执行
①
；
[0053]
(4)将中的元素按照索引集λ
t
中角标的值填入稀疏系数θ相应位置，得到稀疏系
数θ。
[0054]
参照图3，本发明基于压缩感知的布里渊光信号采集的实验搭建如下所述：
[0055]
窄线宽激光器1发出的激光，经过光隔离器2被耦合器3分成两路，分别是泵浦脉冲光和连续探测光：泵浦脉冲光由脉冲发生器5驱动的第一电光调制器4调制生成，被掺铒光纤放大器6放大，并通过扰偏器7打乱偏振后进入第一光环形器8。连续探测光由微波发生器10驱动的第二电光调制器9调制生成，由第二光环形器11输入到光纤光栅滤波器12中进行滤波，滤出所需边带后通过待测光纤13连接到第一光环形器8。泵浦脉冲光和探测连续光在待测光纤13中发生受激布里渊散射放大效应，由第一光环形器8输出到光电探测器14，模数转换器15通过随机序列对数据触发采样，最后将采样数据输入到计算机16。
[0056]
窄线宽激光器1的输出端连接光隔离器2的输入端，光隔离器2的输出端连接耦合器3的输入端，耦合器的输出端分别连接第一电光调制器4和第二电光调制器9的输入端，第一电光调制器4的输出端连接掺铒光纤放大器6的输入端，掺铒光纤放大器6的输出端连接扰偏器7的输入端，扰偏器7的输出端连接第一光环形器8的一个输入端；第二电光调制器9的输出端连接第二光环形器11的一个输入端，光纤光栅滤波器12连接到第二光环形器11的另一个输入端，第二光环形器11的输出端通过待测光纤13连接到第一光环形器8的另一个输入端，第一光环形器8的输出端连接到光电探测器14的输入端，光电探测器14的输出端连接到模数转换器15的输入端，模数转换器15的输出端连接计算机16的数据输入端口。
[0057]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。