一种COTDR曲线平滑及事件检测方法及装置与流程

本发明涉及一种曲线平滑及事件检测方法及装置，属于光通讯领域，具体涉及一种cotdr曲线平滑及事件检测方法及装置。

背景技术：

cotdr(coherentopticaltimedomainreflectometry)即相干光时域反射仪，主要用于海底光缆检测。由于海底光缆需要测量的距离很长，所以通常使用光放大器如掺铒光纤放大器(edfa)来补偿信号光的传输损耗。这些光放大器在工作时会产生大量的自发辐射噪声(ase)，使很多有用信息淹没在噪声中。cotdr通过相干检测可以解决这个问题，有效减少自发辐射噪声的影响。

在某一光缆系统的待测光纤始端装入cotdr，由cotdr发射端发射检测光脉冲信号到光纤中，并通过接收端回收从下行链路返回的瑞利背向散射光和菲涅尔反射光等。对这些接收到的功率值进行采样即可得到cotdr测量结果。cotdr可以减少光放大器带来的自发辐射噪声，但同时会带来相干瑞利噪声和偏振噪声。由于cotdr所用探测光的相干长度可达数十公里，因此在光纤内部各散射单元产生的散射光叠加起来具有很强的相干性。但由于瑞利散射单元的尺寸在亚波长量级，因此光纤中各散射单元的空间分布和散射效率是随机分布的，因此产生的散射光在振幅和相位上也具有随机性，由此产生的噪声就是相干瑞利噪声。光纤中不同位置返回的瑞利散射光的偏振态不断变化，其与参考光的偏振失配会导致偏振噪声。这些问题使测量曲线上出现较为剧烈的振幅抖动，不仅影响了肉眼观测，还影响了事件的自动检测。

现有技术一般采用多次平均的次数来解决上述问题，虽然在一定程度上可以缓解相干瑞利噪声等原因导致的振幅抖动的问题，但是会延长测量的时间，且经过平均处理的结果平滑程度通常仍然不能满足自动检测的要求。

目前已经有了一些专利可以用于光时域反射仪(otdr)测量信号的处理。美国专利申请us005442434使用模板匹配的方法对otdr末端反射事件进行匹配处理，欧洲专利ep0468412使用差分法对otdr曲线进行数据变换，美国专利申请us006674518则利用一次微分法和滤波法进行otdr数据处理从而判断光纤的断点。这些专利在otdr的数据处理中取得了一定的效果，但cotdr具有数据量大，噪声强，振幅抖动剧烈的特点，所以这些方案无法直接用来处理cotdr数据。因为一次微分法等方法对曲线的平滑度较为敏感，所以未经平滑处理直接使用上述方法比较容易产生大量的事件误判和漏判。

由上可知，已有的otdr处理方案并不能适用于cotdr数据的处理。如果直接应用于cotdr数据处理，会对系统的可靠性和稳定性产生极大的影响。而且，除了cotdr外，使用otdr等其他全分布式光纤传感技术获得的检测曲线在硬件条件不佳等情况下也可能存在振幅抖动剧烈，平滑度不佳的问题。所以，在检测事件前必须设法使曲线平滑，降低振幅抖动。因此，需要一种新的检测方法，这种方法能够以较短的时间降低cotdr曲线内含有的噪声，减少可能出现的振幅抖动，从而降低噪声或抖动对肉眼观测和自动检测事件的不良影响。而且这种方案必须足够容易实现，效率也必须足够高。

技术实现要素：

本发明主要是解决现有技术所存在的处理结果曲线平滑度太差，事件检测困难等的技术问题；提供了一种cotdr曲线平滑及事件检测方法。该cotdr曲线平滑及事件检测方法针对全分布式光纤传感技术获得的检测结果特点，通过窗口化分段处理，使检测结果平滑化，减少其中振幅剧烈抖动的影响，从而实现了信号抖动的降低处理和事件的自动检测。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种cotdr曲线平滑及检测事件方法，包括：

窗口划分步骤，以预设的数据段长度将待处理数据划分为若干个数据窗口，计算窗口内数据的线性相关系数；

参考值计算步骤，将所述线性相关系数与预定阈值进行比较，若前者大于后者，则取该数据窗口的原始数据作为参考数据；若前者小于后者，则将平滑处理后的原始数据作为参考数据；

滤波处理步骤，加权平均窗口内的原始数据和窗口对应的参考数据得到滤波结果；

小波分解步骤，小波分解所述滤波结果，将低频系数置零后进行小波重构。

优选的，上述的一种cotdr曲线平滑及检测事件方法，所述窗口划分步骤中，相邻数据窗口之间重叠部分不少于窗口长度的四分之一。

优选的，上述的一种cotdr曲线平滑及检测事件方法，所述参考值计算步骤中的所述预定阈值为-0.85至-0.7。

优选的，上述的一种cotdr曲线平滑及检测事件方法，所述滤波处理步骤中，基于下式加权平均窗口内的原始数据和其对应的参考数据：

f(x)＝io(x)+(1-i)r(x)(0<i<1)

其中，o(x)为原始数据，r(x)为参考数据，f(x)为处理结果，i为原始数据的权重。

优选的，上述的一种cotdr曲线平滑及检测事件方法，所述小波分解步骤中，基于下式进行小波分解：

式中，待处理信号为a0，am(m＝-1,-2,...,-m)为经过分解后的逼近信号，dm(m＝-1,-2,...,-m)是经过分解后的细节信号，h(k)和g(k)分别是低通滤波器h和高通滤波器g的冲击响应序列，并且有：

g(k)＝(-1)^1-kh(1-k)

h(k)＝h(-k)

am+1(n)经过冲击响应为h(n)的数字滤波器后，再抽取偶数样本就得到am(n)，am+1(n)经过冲击响应为g(n)的数字滤波器后，在抽取偶数样本就得到dm(n)，如此对信号进行多级分解，即可完成小波分解。

优选的，上述的一种cotdr曲线平滑及检测事件方法，所述小波分解步骤中，基于下式利用细节信号和最终的逼近信号复原最初的原始信号：

一种cotdr曲线平滑及检测事件装置，

窗口划分模块，以预设的数据段长度将待处理数据划分为若干个数据窗口，计算窗口内数据的线性相关系数；

参考值计算模块，将所述线性相关系数与预定阈值进行比较，若前者大于后者，则取该数据窗口的原始数据作为参考数据；若前者小于后者，则将平滑处理后的原始数据作为参考数据；

滤波处理模块，加权平均窗口内的原始数据和窗口对应的参考数据得到滤波结果；

小波分解模块，小波分解所述滤波结果，将低频系数置零后进行小波重构。

优选的，上述的一种cotdr曲线平滑及检测事件装置，所述窗口划分模块中，相邻数据窗口之间重叠部分不少于窗口长度的四分之一。

优选的，上述的一种cotdr曲线平滑及检测事件装置，所述参考值计算模块中的所述预定阈值为-0.85至-0.7。

优选的，上述的一种cotdr曲线平滑及检测事件装置，所述小波分解模块中，基于下式进行小波分解：

式中，待处理信号为a0，am(m＝-1,-2,...,-m)为经过分解后的逼近信号，dm(m＝-1,-2,...,-m)是经过分解后的细节信号，h(k)和g(k)分别是低通滤波器h和高通滤波器g的冲击响应序列，并且有：

g(k)＝(-1)^1-kh(1-k)

h(k)＝h(-k)

am+1(n)经过冲击响应为h(n)的数字滤波器后，再抽取偶数样本就得到am(n)，am+1(n)经过冲击响应为g(n)的数字滤波器后，在抽取偶数样本就得到dm(n)，如此对信号进行多级分解，即可完成小波分解。

因此，本发明具有如下优点：针对使用cotdr等全分布式光纤传感技术获得的测量曲线的特点，能在较短时间以极低的成本代价降低振幅抖动，使曲线平滑化，从而自动完成事件检测。

附图说明

图1为实现本方案的流程图。

图2为cotdr只经过多次平均处理的测试结果图。其中横坐标为光缆的距离(单位：米)，纵坐标表示光功率衰减情况(单位：db)。

图3为经过本方案处理后的平滑结果图。其中横坐标为光缆的距离(单位：米)，纵坐标表示光功率衰减情况(单位：db)。

图4为将平滑后的结果进行小波分解与重构后用于事件检测的结果图。其中横坐标为光缆的距离(单位：米)。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

本实施例提供了一种cotdr信号平滑化和事件检测的方案，实现了信号抖动的降低处理和事件的自动检测。

理想状态下，cotdr测量曲线中没有放大器和事件点的地方，表示瑞利背向散射光功率的曲线部分应该是线性的。即使在噪声环境下，有事件的曲线和没有事件的曲线线性相关系数也存在较大的不同。所以可以以不同部分的线性相关系数为判据，将不含事件的部分提取出来加以处理，从而使含有事件的部分更加容易分辨。如果一段曲线中不含事件，那么就可以通过最小二乘法得到线性拟合估计值。将线性拟合估计值作为该段曲线的参考值并和原值进行加权平均，即可使该段曲线平滑化，降低振幅抖动，为事件的自动检测提供条件。

首先通过多次平均和小波阈值去噪的预处理进行初步降噪，然后通过线性相关判据排除edfa附近的数据和可能有事件发生的数据，对其他数据进行滑动最小二乘滤波得到参考值，对原始值和参考值取加权平均得到最终的平滑结果。对平滑结果进行小波分解，将低频系数置零后进行小波重构，检测其极大值从而实现事件的自动检测。因而，本发明能够针对cotdr等测量曲线的特点，在较短时间以极低的成本代价降低振幅抖动，优化测量曲线，自动完成事件检测。具体步骤如下：

步骤1、cotdr向光纤业务链路发出测试光，并收到反射光，形成包含光纤链路信息的cotdr测试曲线；

步骤2、多次进行步骤1，并将得到的数据进行取平均值处理，得到的数据波形大致如说明书附图的图2；

步骤3、使用小波阈值去噪对所得数据进行处理；

步骤4、从第一个数据开始取若干数据，视为一个“窗口”。计算窗口内数据的线性相关系数；窗口大小视具体情况可以取几百到几千个数据。

步骤5、将线性相关系数与预定线性相关系数阈值进行比较，保证线性相关系数比该阈值小的数据段中都不含有事件。视具体情况推荐选择-0.85至-0.7；

步骤6、如果窗口内数据的线性相关系数比阈值大，则该段数据的参考值为其自身；

步骤7、如果窗口内数据的线性相关系数比阈值小，则对该段数据进行线性最小二乘拟合，拟合的结果即为该段数据的参考值；

步骤8、将窗口内数据的原始值和计算出的参考值进行加权平均，所得的结果即为该段数据的滤波结果。其中，参考值权重越大，得到的滤波结果就越平滑；

其中，可以基于下式加权平均窗口内的原始数据和其对应的参考数据：

f(x)＝io(x)+(1-i)r(x)(0<i<1)

其中，o(x)为原始数据，r(x)为参考数据，f(x)为处理结果，i为原始数据的权重。

步骤9、如果测试曲线中还有数据没有经过处理，则将窗口向后滑动一定长度，然后重复步骤4至步骤8的操作。直到所有数据都得到处理为止。滑动的长度不应大于窗口的长度。滑动步长可选择为窗口大小的四分之一到四分之三，滑动步长越短，曲线越平滑，同时需要的事件也越多。如果选择窗口长度为800个采样数据，滑动步长为200个采样数据，原值权重为0.8，参考值权重为0.2，最终得到的结果如说明书附图中的图3。可以看出，大部分振幅抖动都得到了有效去除，平滑效果良好。如果需要更平滑的结果，缩短步长或增加参考值在加权平均处理中的权重即可；

步骤10、将取得的数据进行小波分解，将低频系数置零后进行小波重构。得到的结果大致如说明书附图中的图4。可以看出，得到数据的幅值极大值即对应cotdr检测结果中事件的位置。

小波分解与重构可以使用mallat算法，其步骤具体包括：

设待处理信号为a0，am(m＝-1,-2,...,-m)为经过分解后的逼近信号，dm(m＝-1,-2,...,-m)是经过分解后的细节信号。则

其中，h(k)和g(k)分别是低通滤波器h和高通滤波器g的冲击响应序列，并且有

g(k)＝(-1)^1-kh(1-k)

h(k)＝h(-k)

am+1(n)经过冲击响应为h(n)的数字滤波器后，再抽取偶数样本就得到am(n)，am+1(n)经过冲击响应为g(n)的数字滤波器后，在抽取偶数样本就得到dm(n)。如此对信号进行多级分解，即可完成小波分解。

重构算法利用细节信号和最终的逼近信号复原最初的原始信号，公式为：

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。