低相干频域干涉图的自适应干涉项提取方法

文档序号:9429621阅读:641来源:国知局
低相干频域干涉图的自适应干涉项提取方法
【技术领域】
[0001] 本发明涉及低相干频域干涉测量法的干涉项提取方法,尤其涉及一种基于集合经 验模态分解和经验模态分解算法的频域干涉信号的数据处理方法,属于光学测量技术领 域。
【背景技术】
[0002] 保偏光纤是一种通过人为引入固有双折射来消除导致偏振态不稳定的微扰双折 射、以实现偏振保持能力的光纤。尽管保偏光纤已具备了很好的保偏性能,达到了实用化程 度,但是在一些高精度干涉系统中,偏振耦合现象依然会表现为噪声、漂移、信号衰减等现 象,影响系统整体性能,如光纤陀螺。所以对于保偏光纤偏振耦合测试的研究尤为重要。
[0003] 低相干干涉法,又称为部分相干干涉法,是以宽谱光源作为相干光源的一种干涉 测量技术。因其具有高精度和高灵敏度的特点,低相干干涉法在精密测量和传感领域得到 广泛应用,可以进行保偏光纤偏振耦合测试。
[0004] 低相干频域干涉测量法是通过光谱仪采集干涉光谱图,与传统的时域干涉测量法 相比,无需机械扫描补偿光程差,所以具有系统噪声小、测量时间短的优点。其中,基于迈克 耳逊干涉仪的频域低相干干涉系统以其结构简单,测量精度高而被广泛应用。
[0005] 目前,对于频域干涉光谱干涉项的提取方法主要是基于傅里叶变换的提取方法。 通过傅里叶变换将干涉光谱变换到群延时域,在群延时域上会得到直流项和干涉交流项的 脉冲信号,在交流项对应的脉冲处人为设置合适宽度的滤波器,将其提取出来,再进行逆傅 里叶变换,即可得到干涉项。但是,该方法对滤波器的参数选择极为敏感,需要考虑到滤波 器的位置与宽度。在实际的数据处理中,这种基于傅里叶变换的提取方法往往很耗时,不利 于处理大量的数据。
[0006] 经验模态分解是一种根据信号本身特点、对信号进行分解的自适应算法。与常用 的傅里叶变换和小波变换不同,该方法没有分解基函数,是根据信号本身的尺度进行分解。 因此,该方法特别适用于非平稳和非线性信号。然而当处理实际信号时,会出现模态集叠现 象,即不同频带的信号被分解至同一本征模式函数中,从而使得本征模态函数失去物理意 义。为了消除模态集叠,基于白噪声平均的集合经验模态分解算法被Huang等人提出来,通 过多次添加白噪声,利用白噪声的平均作用,避免了模态集叠,获得具有真实物理意义的本 征模态函数。专利CN102819750A提出了一种基于快速集合经验模态分解的高光谱图像分 类方法,通过将光谱图像数据快速集合经验模态分解提取特征反演出陆地细节信息。专利 CN104375973 A提出了一种基于集合经验模态分解的盲源信号去噪方法,该方法修正了原 算法中对白噪声幅值和迭代次数的定义,并利用经典的逐步分析方法对IMF分量进行虚假 分量的判别和去除,从而消除虚假分量对后续去噪算法的干扰。这两个专利虽然都涉及到 集合经验模态分解的方法,但是无法将低相干频域干涉谱中的干涉项提取出来。

【发明内容】

[0007] 本发明目的是克服现有技术的上述不足,寻找一种更为有效的提取频域干涉谱中 干涉项的方法,避免傅里叶变换方法中数据处理结果对滤波器选择的依赖性,提出了一种 基于集合经验模态分解和经验模态分解算法的低相干频域干涉的自适应干涉项提取方法。 该方法适用于不同的实验条件,能够自适应的将干涉项准确提取出来,不同于常用的傅里 叶变换法,无需人为设置滤波器,避免了滤波器选择误差对实验结果的影响,故该方法稳定 性更好,准确度更高。
[0008] 技术方案
[0009] 本发明提供的低相干频域干涉图的自适应干涉项的提取方法的具体步骤如下: [0010] 第1步:获得低相干频域干涉图。
[0011] 搭建低相干频域干涉测量系统,光源采用高斯型谱宽带光源,再将宽带光纤光源 连接至待测保偏光纤,保偏光纤的另一端通过一个补偿干涉仪后,连接至光谱仪。用光谱仪 采集到的低相干频域干涉图,表示为:
[0013] 其中,ω是光场角频率,1。((〇)表示光源功率谱,h是耦合强度系数,?HVd是两偏 振光束的相位差,η(ω)是实际系统中的噪声。
[0014] 第2步:进行集合经验模态分解,寻找合适的特征参数并确定k值。
[0015] 分解过程包含三个部分:
[0016] a.添加白噪声序列,进行集合经验模态分解得到:
[0018] 其中^(ω)是集合经验模态分解得到的本征模态函数(MF),N是自然数,表示分 解得到的頂F的个数,k是噪声本征模态函数的个数,1彡k彡N-1:
是前k个頂F 的和,表示噪声信号η (ω)
I表示I1 (ω)中干涉项部分分解得到的IMFs,T;(〃)为 1〇 (。)。
[0019] b.计算各个本征模态函数与原信号的相关系数。
[0022] 其中,
表示本征模态函数与原信号的互相关运算,1八《' -ω)表示 信号Μω')平移ω后的共辄
分别表示f(?)与I1(Co)的标准 差,CC的绝对值大小介于0和1之间,表征本征模态函数与原信号的相似程度。
[0023] c.寻找合适的特征参数并确定k值。
[0024] 由于噪声的本征模态函数与原信号的相似程度较低且分布在前k个頂F中,第k+1 个MF的相关系数远大于第k个頂F的相关系数,则此区间是第一个CC值变化最大的区间, 可以通过迭代的优化方法自动寻找到该区间,并在此区间内选择合适的值作为特征参数, 使得相关系数小于特征参数的本征模态函数被识别为噪声信号,将该噪声信号去除。
[0025] 第3步:获得新的光谱{目号。
[0026] 即去噪后的干涉谱:
[0028] 第4步:经验模态分解。
[0029] 对新的干涉谱光谱信号进行经验模态分解:
[0031 ] 其中,Φ j ( ω )是分解得到的本征模态函数,M是自然数,表示分解得到的本征模态 函数的个数,ΓΜ(ω)为残余部分。
[0032] 第5步:获取叭(ω)。
[0033] 由于系统中的噪声经过集合经验模态分解得到了很好的抑制,故频域干涉谱图能 够在经验模态分解中避免模态集叠现象,使得每一个分解得到的本征模态函数都具有物理 意义。由于经验模态分解获得的本征模态函数是按照频率大小依次排列的,故最先被分解 出来的本征模态函数为即I1(W)中的干涉项。
[0034] 第6步:判断Φ i ( ω )是否符合余弦分布,若符合则干涉项准确提取出来,程序结 束;若不符合,则程序重新跳转到第2步中,寻找合适的k值,直到干涉项被提取出来。
[0035] 本发明的优点和积极效果:
[0036] 本发明将集合经验模态分解算法与经验模态分解算法结合起来,能够自适应地提 取出频域低相干干涉项,数据处理过程无需人为设置参数,可以对不同长度的保偏光纤进 行干涉项的提取。本发明采用频谱干涉测量法,测量时间短,信号信噪比高,可以获得全光 谱信息。
【附图说明】
[0037] 图1是基于集合经验模态分解和经验模态分解算法的低相干频域干涉干涉项的 自适应提取方法流程图;
[0038] 图2是本发明中频域干涉项提取实验装置;
[0039] 在图2中,1是SLD宽带光源,2是光纤起偏器,3是光纤起偏器和保偏光纤的连接 法兰,4是待测保偏光纤,5是准直透镜,6是半波片,7是检偏器,8是固定反射镜,9是扫描 反射镜,10是分束镜,11是会聚透镜,12是连接用的单模光纤,13是光谱仪;
[0040] 图3、图4、图5分别为
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1