一种布里渊光时域分析系统的信号处理方法及其终端与流程

1.本发明涉及信号处理技术领域，特别是涉及一种布里渊光时域分析系统的信号处理方法及其终端。


背景技术：

2.基于布里渊散射的分布式光纤传感系统具有传感动态范围大、监测距离长以及连续分布式测量等众多优点，广泛用于桥梁、输油管道和输电线路等领域的健康状态诊断。布里渊光时域分析系统(botda)依据布里渊频移与温度/应变的函数关系实现光纤沿线监测，因此，准确获取布里渊频移十分重要。长距离布里渊光时域传感系统容易受到非本地效应的影响，其布里渊增益谱将产生畸变。当传感信号畸变且信噪比较低时，常规的信号处理方法存在测量精度差、去噪性能不足、丢失谱型细节、处理时间长等问题。


技术实现要素：

3.本发明所要解决的技术问题是：针对传感信号畸变且信噪比较低的情况，提供一种布里渊光时域传感系统的信号处理方法及其终端，提高对光纤沿线温度信息的测量精度。
4.为了解决上述技术问题，本发明采用的一种技术方案为：
5.一种布里渊光时域分析系统的信号处理方法，包括以下步骤：
6.s1、采集布里渊增益谱，进行二维变分模态分解和重构；
7.s2、经过时隙差分进行谱型校正，将畸变的布里渊增益谱校正为洛伦兹谱型；
8.s3、基于数据模型从校正后的布里渊增益谱提取温度信息。
9.为了解决上述技术问题，本发明采用的另一种技术方案为：
10.一种布里渊光时域分析系统的信号处理终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种布里渊光时域分析系统的信号处理方法中的各个步骤。
11.本发明的有益效果在于：提供一种布里渊光时域传感系统的信号处理方法及其终端，实现降噪、谱型校正、温度信息提取三个功能，使信噪比提升的同时保持布里渊增益谱图像信号的边缘特征；使畸变的布里渊增益谱经时隙差分的谱型校正处理后，呈现良好的洛伦兹形状，有助于提高温度提取精度；且基于数据模型直接提取光纤沿线的温度信息，克服了传统拟合算法存在的测量精度差、处理时间长的缺点。
附图说明
12.图1为本发明实施例的一种布里渊光时域分析系统的信号处理方法的单模光纤受激布里渊散射示意图；
13.图2为本发明实施例的一种布里渊光时域分析系统的信号处理方法的降噪流程图；
14.图3为本发明实施例的一种布里渊光时域分析系统的信号处理方法的优化流程图；
15.图4为本发明实施例的一种布里渊光时域分析系统的信号处理方法的总流程图；
16.图5为本发明实施例的一种布里渊光时域分析系统的信号处理终端的架构图。
具体实施方式
17.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
18.请参照图1至图4，本发明实施例提供了一种布里渊光时域分析系统的信号处理方法，包括以下步骤：
19.s1、采集布里渊增益谱，进行二维变分模态分解和重构；
20.s2、经过时隙差分进行谱型校正，将畸变的布里渊增益谱校正为洛伦兹谱型；
21.s3、基于数据模型从校正后的布里渊增益谱提取温度信息。
22.从上述描述可知，本发明的有益效果在于：提供一种布里渊光时域传感系统的信号处理方法，实现降噪、谱型校正、温度信息提取三个功能，使信噪比提升的同时保持布里渊增益谱图像信号的边缘特征；使畸变的布里渊增益谱经时隙差分的谱型校正处理后，呈现良好的洛伦兹形状，有助于提高温度提取精度；且基于数据模型直接提取光纤沿线的温度信息，克服了传统拟合算法存在的测量精度差、处理时间长的缺点。
23.进一步，步骤s1中所述采集布里渊增益谱具体为：
24.获取botda系统通过扫频得到光纤沿线的m组一维布里渊增益谱信号，所述一维布里渊增益谱信号为m列n行的二维矩阵m，所述矩阵m包含光纤各个位置处的局部布里渊增益谱：
[0025][0026]
式中，f(vi,zj)(1≤i≤m,1≤j≤n)表示第i个扫频频率点、光纤长度范围内第j个采样点处的布里渊增益谱。
[0027]
由上述描述可知，对应不同扫描频率，botda系统能够获得光纤沿线各空间位置点的一维布里渊增益曲线，将扫频获得的二维布里渊增益谱信号分解为多个子模态，则各模态中心频率不同，即采集的布里渊增益谱可看作是随频率与距离分布的二维信号。
[0028]
进一步地，步骤s1中所述进行二维变分模态分解和重构具体为：
[0029]
将f(vi,zj)(1≤i≤m,1≤j≤n)设为f(x)，设其约束变分模型为：
[0030][0031][0032]
式中，uk＝{u1,u2,
…
,uk}为分解的k个模态函数，wk＝{w1,w2,
…
,wk}为对应的中心
频率；
[0033]
引入二次惩罚因子和拉格朗日乘子λ，并利用交替方向乘子法对所述约束变分模型进行优化，得到非约束问题-扩展的拉格朗日函数：
[0034][0035]
交替更新直到满足时，迭代停止并输出各个imf分量：
[0036][0037][0038][0039]
式中，τ为残差，和分别代表uk和wk的频域性质；
[0040]
将分解获得的各个imf分量进行组合得到重构的信号。
[0041]
由上述描述可知，重构的信号去除了原始信号的噪声成分，具有良好的信噪比。
[0042]
进一步地，步骤s1中还包括针对信噪比较低的信号通过变换域降噪处理，具体为：
[0043]
s101、输入botda系统采集的含噪二维布里渊增益谱信号，设置分解层数的初始值为2；
[0044]
s102、设置相关系数筛选阈值为0.3，计算当前值下模态分解的imf1与原信号的相关系数，判断imf1与原信号的相关系数是否大于阈值，当大于阈值时，则k＝k-1即为最佳分解个数，否则k＝k+1并继续执行步骤s102；
[0045]
s103、采用步骤s102确定的值执行分解过程，得到个模态信号并将其重构。
[0046]
由上述描述可知，利用相关系数将低频与高频部分分离，使用低频部分重构即可得到降噪后的二维布里渊增益谱信号。
[0047]
进一步地，步骤s2具体为：
[0048]
设降噪后的布里渊增益谱为m’：
[0049][0050]
从未携带受激布里渊散射信息的时隙光谱数据中任意选取一行，记为c：
[0051]
c＝[f(v1)f(v2)
…
f(vm)]
[0052]
将矩阵m’中每一行数据均与c作差，得到校正后的洛伦兹形状的布里渊增益谱数据。
[0053]
由上述描述可知，针对非本地效应导致的畸变布里渊增益谱，采用时隙差分的谱型校正方案，将畸变谱校正为洛伦兹谱型。因为系统的泵浦脉冲重复时间大于脉冲遍历光纤长度并返回散射信号的时间，因此每个扫频测量期间都存在一段时隙，在时隙内光电探测器采集到的是未曾和泵浦脉冲光相遇的连续光信号，未携带sbs信息。将光纤沿线各个位置的布里渊增益谱与未发生sbs的连续光光谱作差，便可达到谱型校正的目的。
[0054]
进一步地，步骤s3中所述基于数据模型直接从布里渊增益谱提取温度信息具体为：
[0055]
s301、建立数据模型，并进行持续学习和训练，获得布里渊频移与温度的映射函数关系；
[0056]
s302、通过仿真和实验室标定，生成l个训练样本(ai,ti)，i＝1,2,
…
,l，其中ai＝[ai(v1),ai(v2),
…
,ai(vm)]为第i个样本，即不同扫频下的布里渊增益谱；ti为对应的输出向量，即温度值；隐层节点数为n，则输出向量如下：
[0057][0058]
式中，wj为输入节点与隐层节点间的输入权重，βj为隐层节点与输出节点间的输出权重，bj为第j个隐层节点的偏置，g(
·
)为激活函数，令β＝[β1β2…
βn]
t
，t＝[t
1 t2…
t
l
]，则隐层节点的输出为：
[0059][0060]
输出向量用矩阵的形式表达为：hβ＝t；
[0061]
s303、沿线光纤共有n个采样点，选取光纤各个采样点处的布里渊增益谱，将其输入到训练好的模型进行测试，获取对应的温度，即光纤沿线的温度信息。
[0062]
由上述描述可知，在测量起始或实验室标定阶段，通过对不同温度条件下采集的布里渊谱数据进行学习和训练，建立布里渊频移谱与温度的映射函数关系，则在实际监测过程中无需确定布里渊频移，便可直接通过训练好的函数关系获取光纤沿线的温度信息。在提高测量精度的同时，有效减少了数据处理的时间。
[0063]
进一步地，步骤s3中还包括对输入权重w和偏置b进行优化：将训练集预测结果的均方根误差作为适应度函数，设置参数优化的目标为使预测结果的均方根误差最小，当适应度值最小或满足最大迭代次数时跳出循环。
[0064]
由上述描述可知，通过对输入权重w和偏置b进行优化，提高模型的预测精度。
[0065]
请参照图5，本发明另一实施例提供了一种布里渊光时域分析系统的信号处理终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种布里渊光时域分析系统的信号处理方法中的各个步骤。
[0066]
本发明上述一种布里渊光时域传感系统的信号处理方法及其终端，能够可有效提高布里渊光时域分析系统的测量精度，以下通过具体实施方式进行说明：
[0067]
实施例一
[0068]
请参照图4，一种布里渊光时域分析系统的信号处理方法，包括以下步骤：
[0069]
s1、采集布里渊增益谱，进行二维变分模态分解和重构；
[0070]
其中，步骤s1中采集布里渊增益谱具体为：
[0071]
获取botda系统通过扫频得到光纤沿线的m组一维布里渊增益谱信号，具体的，对应不同扫描频率，botda系统能够获得光纤沿线各空间位置点的一维布里渊增益曲线：
[0072]
将m组扫频频率点的一维信号按列进行存储，得到m列n行的二维矩阵m，矩阵m包含光纤各个位置处的局部布里渊增益谱，则有：
[0073][0074]
v1,v2,
…
,vm为扫描频率，z1,z2,
…
,zn为光纤位置，s1,s2,
…
,sm为扫描频率v1,v2,
…
,vm下得到的m组一维信号。
[0075]
将扫频获得的二维布里渊增益谱信号分解为多个子模态，则各模态中心频率不同，即采集的布里渊增益谱可看作是随频率与距离分布的二维信号。
[0076]
一维布里渊增益谱信号为m列n行的二维矩阵m，矩阵m包含光纤各个位置处的局部布里渊增益谱：
[0077][0078]
式中，f(vi,zj)(1≤i≤m,1≤j≤n)表示第i个扫频频率点、光纤长度范围内第j个采样点处的布里渊增益谱。
[0079]
其中，步骤s1中进行二维变分模态分解和重构具体为：
[0080]
为简化描述，将f(vi,zj)(1≤i≤m,1≤j≤n)设为f(x)，设其约束变分模型为：
[0081][0082]
[0083]
式中，uk＝{u1,u2,
…
,uk}为分解的k个模态函数，wk＝{w1,w2,
…
,wk}为对应的中心频率；
[0084]
引入二次惩罚因子和拉格朗日乘子λ，并利用交替方向乘子法对约束变分模型进行优化，得到非约束问题-扩展的拉格朗日函数：
[0085][0086]
交替更新直到满足时，迭代停止并输出各个imf分量：
[0087][0088][0089][0090]
式中，τ为残差，和分别代表uk和wk的频域性质；
[0091]
将分解获得的各个imf分量进行组合得到重构的信号。重构的信号去除了原始信号的噪声成分，具有良好的信噪比。
[0092]
其中，请参照图2，步骤s1中还包括针对信噪比较低的信号通过变换域降噪处理，具体为：
[0093]
s101、输入botda系统采集的含噪二维布里渊增益谱信号，设置分解层数的初始值为2；
[0094]
s102、设置相关系数筛选阈值为0.3，计算当前值下模态分解的imf1与原信号的相关系数，判断imf1与原信号的相关系数是否大于阈值，当大于阈值时，则k＝k-1即为最佳分解个数，否则k＝k+1并继续执行步骤s102；
[0095]
s103、采用步骤s102确定的值执行分解过程，得到个模态信号并将其重构。
[0096]
具体的，子模态频率依次降低，故imf1的中心频率最高，当出现过分解时，imf1对应分解的伪分量。其中有效信息和边缘部分都保留在低频模态中，而需要去除的噪声集中在高频模态中。利用相关系数将低频与高频部分分离，使用低频部分重构即可得到降噪后的二维布里渊增益谱信号。
[0097]
s2、经过时隙差分进行谱型校正，将畸变的布里渊增益谱校正为洛伦兹谱型；
[0098]
其中，步骤s2具体为：
[0099]
设降噪后的布里渊增益谱为m’：
[0100][0101]
从未携带受激布里渊散射信息的时隙光谱数据中任意选取一行，记为c：
[0102]
c＝[f(v1)f(v2)
…
f(vm)]
[0103]
将矩阵m’中每一行数据均与c作差，得到校正后的洛伦兹形状的布里渊增益谱数据。校正后的洛伦兹形状的布里渊增益谱数据i为：
[0104][0105]
式中，fn(vi,zj)＝f’(vi,zj)-f(vi)，i＝1,2,
…
,m，j＝1,2,
…
,n。
[0106]
具体的，请参照图1，在botda系统中，泵浦脉冲光与连续光相向传播，在光纤中相遇时会发生受激布里渊散射效应(sbs)。设泵浦脉冲光重复间隔为t，传感光纤长度为l。一个泵浦脉冲光遍历至光纤尾端，沿途不断和连续光相遇，并携带sbs信息返回首端被光电探测器采集，所用时间设为t1，则距离下一个脉冲光发射还剩时间为t-t1，这段时间间隔被称为时隙。在时隙内光电探测器采集到的是未曾和泵浦脉冲光相遇的连续光信号，未携带sbs信息。将光纤沿线各个位置的布里渊增益谱与未发生sbs的连续光光谱作差，便可达到谱型校正的目的。
[0107]
botda系统采集的数据包括两部分：对应每个扫描频率，图1中的时间t1对应光纤长度上的采样点z1,z2,
…
,zn，发生了sbs效应；在时隙t-t1期间不发生sbs效应。发生sbs效应的沿光纤长度的各频率点数据组成m；取时隙期间任一时刻的各频率点数据组成c。
[0108]
其核心思想是利用时隙对有无sbs效应的光谱信号作差。因为系统的泵浦脉冲重复时间大于脉冲遍历光纤长度并返回散射信号的时间，因此每个扫频测量期间都存在一段时隙。这段时隙内光电探测器采集到的是未和脉冲光相遇的连续光的谱信号，未发生sbs效应，被命名为时隙光谱。将光纤沿线各位置布里渊增益谱与时隙光谱进行差分运算，便可达到谱型校正的目的。
[0109]
s3、基于数据模型从校正后的布里渊增益谱提取温度信息。
[0110]
其中，步骤s3中基于数据模型直接从布里渊增益谱提取温度信息具体为：
[0111]
s301、建立数据模型，并进行持续学习和训练，获得布里渊频移与温度的映射函数关系；即在实际监测过程中无需确定布里渊频移，便可直接通过训练好的函数关系获取光纤沿线的温度信息。
[0112]
s302、通过仿真和实验室标定，生成l个训练样本(ai,ti)，i＝1,2,
…
,l，其中ai＝[ai(v1),ai(v2),
…
,ai(vm)]为第i个样本，即不同扫频下的布里渊增益谱；ti为对应的输出向量，即温度值；隐层节点数为n，则输出向量如下：
[0113][0114]
式中，wj为输入节点与隐层节点间的输入权重，βj为隐层节点与输出节点间的输出权重，bj为第j个隐层节点的偏置，g(
·
)为激活函数，优选地，选择sigmoid函数作为激活函数。令β＝[β1β2…
βn]
t
，t＝[t
1 t2…
t
l
]，则隐层节点的输出为：
[0115][0116]
输出向量用矩阵的形式表达为：hβ＝t；
[0117]
s303、沿线光纤共有n个采样点，选取光纤各个采样点处的布里渊增益谱，将其输入到训练好的模型进行测试，获取对应的温度，即光纤沿线的温度信息。
[0118]
具体的，本方法直接对应布里渊增益谱进行温度信息提取，无需确定布里渊中心频率数值，便可直接获取光纤沿线的温度信息。本方法在提高测量精度的同时，有效减少了数据处理的时间。其核心思想是，在测量起始或实验室标定阶段，通过对不同温度条件下采集的布里渊谱数据进行学习和训练，建立布里渊频移谱与温度的映射函数关系。在实际测量过程中，则可以基于训练获得的数据模型输出温度信息。
[0119]
其中，步骤s3中还包括对输入权重w和偏置b进行优化：将训练集预测结果的均方根误差作为适应度函数，设置参数优化的目标为使预测结果的均方根误差最小，当适应度值最小或满足最大迭代次数时跳出循环。通过对输入权重w和偏置b进行优化，提高模型的预测精度。
[0120]
具体的，请参照图3，优化步骤如下：
[0121]
步骤1：通过仿真实验标定生成训练样本数据集(a,t)，a为布里渊增益谱数据，作为特征向量；t为预测结果。
[0122]
步骤2：初始化参数，随机生成输入权重w和偏置b，得到输出权重h，预测结果向量为hβ＝t；
[0123]
步骤3：计算适应度值并更新参数数值，本文使用的是均方根误差作为适应度函数；
[0124]
步骤4：比较当前适应度值是否优于上次的结果，若是，则更新参数值，否则保持参数数值不变；
[0125]
步骤5：若达到最大迭代次数，则结束，跳出循环得到最优输入权重w和偏置b；否则返回步骤3。
[0126]
经过上述寻优流程可以获得最优输入权重w和偏置b。选取光纤某一位置点zj，经过降噪、谱形校正处理后的数据表示为[f”(v1,zj)f”(v2,zj)
…
f”(vm,zj)]，将其输入训练良好的模型进行测试，便可获取对应的温度tj，其他位置点同理，可实现光纤沿线的温度信息监测。
[0127]
实施例二
[0128]
请参照图5，一种布里渊光时域分析系统的信号处理终端，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现实施
例一中的各个步骤。
[0129]
综上所述，本发明提供的一种布里渊光时域分析系统的信号处理方法及其终端，通过二维变分模态分解和重构，再经过时隙差分进行谱型校正，利用布里渊频移与温度的映射函数关系直接获取光纤沿线的温度信息，从而实现降噪、谱型校正、温度信息提取三个功能，克服传统拟合算法存在的测量精度差、处理时间长的缺点。
[0130]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
[0131]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0132]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。